F-35加入美军核序列？

近年来,接连有消息称F-35将挂载现役B61核弹,成为美军具备战术核打击能力的隐形战斗机。众所周知,F-35作为美国倾力打造的新一代空战利器,在经历了“诸侯疯抢”和“退订风波”后的今天仍面临着严峻挑战。那么,如何看待B61核弹与F-35的关系？F-35一旦实现了“隐形”与‘核武”结合其战力如何？美国方面作出这样考虑,又包含了怎样的战略等谋？     

偏振态演化对量子密钥分发影响分析

为了解决量子密钥分发(QKD)系统中的偏振态演化问题,文中分析了偏振态演化所引起的量子误码率问题,提出了通过电动偏振控制器的搜索跟踪算法来训练光纤链路的方法,达到抵消系统中存在的各种双折射的效果,将因双折射所引起的误码率从7%降至0.8%,大大提高了密钥分发的有效性。实验结果证明该方法能够有效解决QKD中的偏振态演化问题。     

情注国储战线的排头兵——记山西储备物资管理局639处党委书记、处长马洪彪

主人公小传马洪彪,汉族,1966年5月出生,山西夏县人。1998年12月加入中国共产党,大学本科。1981年7月参加工作至今。在639处先后担任保卫科消防员、工会主席、副处长、党委书记、处长等职。因工作成绩突出,连续4年被山西储备物资管理局评为"优秀处级管理干部",获得运城市劳动竞赛委员会"五一劳动奖章"称号。     

燃烧加热型煤油加热器工作特性试验

针对冲压发动机地面试验应用需求,设计了基于燃气加热方式的煤油加热器,通过试验的方法研究了多个因素对其工作特性的影响规律。研究结果表明,该煤油加热器加热能力强,响应时间短,可在线制备超临界/裂解态煤油;其中,燃气温度、流量和煤油流量是影响煤油加热器工作特性的主要因素,通过控制燃气温度和流量可以大范围调节煤油温度,能满足冲压发动机不同试验工况的应用需求。     

例说毛泽东的语言艺术

近年来,我陆续阅读了《毛泽东的领导艺术》、《毛泽东文选》、《毛泽东传1983～1949》、《毛泽东传1949～1976》等书籍,特地留意了毛泽东同志的语言表达艺术,从中深刻体悟到毛泽东同志扎实深厚的语言功底、幽默风趣的表达艺术、朴实简练的语言风格和巧妙灵活的表现形式。下面,试举几例与大家分享。     

基于三粒子纠缠态的量子安全直接通信协议

提出了一种新的三粒子量子安全直接通信协议。通信过程利用decoy光子来检测窃听,保证信道安全。发送方将秘密消息编码在不同幺正操作上,通信双方通过Bell基和Z基测量可直接传递秘密消息。由于所有粒子都用于传输秘密消息,且传输一次可获得两比特信息,该协议具有较高的量子比特及量子密码协议效率;三粒子纠缠态的制备是已实现技术,该协议具有实际操作的意义。此外,该协议在量子信道中也是安全的。     

B－2沿“蓝线”飞行 揭秘美国B－2战略轰炸机部队

美军B－2隐形轰炸机,每架造价高达22亿美元。服役以来,一直站在美国全球打击的最前沿,成为美军手中的一把利剑。迄今为止,曾驾驶过B－2轰炸机的飞行员人数不超过100人。一名B－2飞行员这样描述：“进场时,无人发现;出场时,毫发无损。”一句简单的话,揭示了美国空军为何愿意投入巨资,打造这种执行全球打击任务的隐形轰炸机。     

基于正态云模型和信息公理的设计评价方法

设计方案的选择和评价是产品设计过程中的一个重要环节,就此环节提出了一种基于正态云模型和公理化设计理论中信息公理的设计方案评价方法。该方法运用正态云模型和信息公理将定性的模糊信息数值化,通过计算求得设计中各个指标的信息量以及各个设计方案的信息总量,通过比较各个方案的信息总量大小来对设计方案进行评价。以某型油料加注装备设计评价为例,证明了此方法的有效性。     

无人机多模态融合的城市目标检测算法

城市低空运用小型无人机检测车辆等城市目标正逐渐成为主流手段。针对目前存在的实际场景中可见光探测易受光照影响、无法夜间工作和红外探测目标边缘模糊,导致单模检测网络检测精度低的问题,提出了一种基于图像融合和深度学习网络的无人机多模态融合的城市目标检测算法：首先,基于DUT-VTUAV可见光-红外配准数据集和TIF图像融合算法,构建多模态融合数据集;其次,对比了现有YOLO(You Only Look Once)检测系列网络的检测精度、速度及参数量等性能参数,选择出最适合无人机端移动部署的轻量化网络YOLO v5n;最后,综合运用图像融合算法和目标检测模型,形成多模态融合检测算法。在车辆数据集上进行的对比实验表明：相对单模检测,所提出的算法的检测精度得到有效提升,mAP高达99.6%,且该算法可在0.3 s内完成一组可见光-红外图像的融合检测,具有较高的实时性。     

2023年深度学习技术主要发展动向分析

深度学习已成为人工智能领域的研究热点和主流发展方向之一,为诸多重要应用领域带来了革命性的进步。对2023年深度学习技术热门领域的主要发展动向进行了综合评述。首先介绍了深度学习技术发展现状,其次探讨了深度学习技术的军事应用任务和挑战,最后盘点了深度学习技术的未来重点发展方向。综述表明,大语言模型是深度学习领域在2023年最突出的亮点,世界模型框架下的自监督学习技术、强化学习框架下的人工智能智能体技术等也呈现加速发展态势;环境恶劣与强干扰复杂条件下的高鲁棒性深度学习、面向实时流数据高效处理与内在逻辑关联的深度学习、面向多变作战场景自主决策与快速决策的深度学习、面向跨域数据协同感知与协同推理的深度学习等,是深度学习技术未来重要的发展方向。