结合软件定义网络与分段路由（segment routing，SR）可优化网络性能，但在大规模动态网络中，其关键节点链路利用率过高会导致队列延迟激增。为此，提出深度强化学习与负载中心性理论融合的分段路由优化算法（segment routing optimization algorithm fusing deep reinforcement learning and load centrality theory，SROD-LC）。通过负载中心性理论量化网络节点重要性，识别关键节点并监控其链路负载状态；利用多智能体强化学习框架，在关键节点部署分布式深度强化学习智能体，通过共享奖励机制协调路由决策，实现链路负载的主动优化。同时结合SR的灵活性，动态调整段标识列表快速重路由部分流量，降低本地链路利用率并规避潜在拥塞。基于真实网络拓扑的模拟实验结果表明：当SR关键节点比例在0.3～0.5范围时，SROD-LC优化效果显著，与基准算法相比，可将网络最大链路利用率降低21%～35%。

功率半导体模块是电能变换器的核心能量转换单元，其合理的设计可以有效提升电能变换器的功率密度。针对现有研究缺乏系统总结的问题，依次从材料、芯片、封装、栅极驱动四个层面较为系统地总结了提升变换器功率密度的方法，分别是：使用宽禁带材料、改进芯片结构、采用先进封装和改进驱动设计。总结了不同方法提升变换器功率密度的原理，并对基于功率半导体模块设计提升变换器功率密度的现有研究进行分类对比；梳理出现有研究的主要挑战，并对未来的发展趋势进行展望。

AI芯片在深度学习应用中受限于片上内存容量，当前主流内存优化方法针对静态计算图，对动态计算图的内存优化存在进一步的优化空间。针对该问题，提出一种控制流计算图模型的内存优化框架，在子图内部实现内存复用的基础上，结合控制流特性递归进行子图间的内存复用。针对片上与片外内存的内存墙问题，针对控制流计算图的权重数据提出一种有效的乒乓缓存实现策略，在子图内部实现访存和计算操作的重叠执行。基于国产LUNA AI芯片进行验证，结果表明，该内存优化框架实现了控制流计算图的片上内存优化使用，相比原有方法进一步提升5.9%。该策略有效解决了内存墙问题，减少了片上片外内存的数据传输时间，计算图的执行效率最高提升29%。

为提高远程制导火箭的性能和设计效率，建立了远程制导火箭多学科参数化模型，实现制导火箭高精度性能仿真。提出了基于改进增广径向基的序列近似优化方法，通过各向异性技术提高增广径向基模型的泛化能力，采用递归演化实验设计和快速交叉验证提高近似建模效率，并应用非精确搜索策略进行序列采样，结合算例验证了所提出方法的有效性。开展了远程制导火箭序列近似优化设计，在满足设计约束的前提下，最大射程相较优化前提高了16.7%。

为了对“天河”网络中基于网卡的集合通信硬件卸载功能进行进一步优化，以支持更多类型的集合通信算法以及更大的消息尺寸，研究了面向集合通信硬件卸载的维序触发机制和数据缓存方法。提出面向多任务并发的维序触发机制，既满足了期望的集合通信语义，又确保了浮点计算操作结果的可复现性；提出基于哈希表和脉冲信用流控的网络数据动态缓存方法，以缓解有限的硬件缓存资源和多任务并发的大量网络数据缓存需求之间的矛盾问题。实验结果表明，与基于软件方式的集合通信操作相比，该方法可以支持多种典型集合通信操作的多种算法的硬件卸载，且性能提升效果显著，同时，硬件实现代价较低，尤其是在缓存资源方面具有较高的利用率。

粒子输运问题的随机模拟在传统冯·诺依曼架构上面临随机事件分支和不规则访存带来的挑战，其根源在于随机算法与确定性硬件之间的不匹配。为此，设计了一种基于自旋和铁电器件的概率可调真随机数生成器。基于自旋器件的物理随机性，为架构提供物理随机源，并通过优化的控制逻辑和写入机制提高随机比特吞吐率；基于铁电器件的忆阻特性，设计了可编程和具有非易失连续存储权重的概率可调突触。实验表明，该设计求解示例输运问题时性能相比通用处理器提高171～1028倍。进一步地，相较现有的基于自旋转移矩磁隧道结的真随机数生成器，其不仅唯一具有生成可调概率随机采样的能力，且产生均匀分布随机序列时吞吐率达到303 Mbit/s，具有更高的随机比特吞吐率。

为实现永磁同步电机电感参数准确、稳定的在线辨识，提出一种基于虚拟电压矢量激励-电流微分响应的在线电感观测方法，该方法无须额外注入测试信号且与转子位置、电阻、永磁磁链解耦。引入虚拟电压矢量定向坐标系的概念，推导并证明了永磁同步电机的d-q轴电感观测可以与d-q同步旋转坐标系的位置角相解耦。在此基础上，讨论了虚拟电压矢量和电流微分信息提取的实现流程，实现了无须任何额外注入信号的非侵入式电感辨识。通过与IEEE标准中离线测试方法进行对比，验证了所提方法的有效性和准确性。

面向高端装备开放交互环境带来组件间高效数据交互的新型网络通信问题，提出了一种新型算控网络。针对高效、实时、灵活以及安全方面的极致需求，算控网络在协议体系、规划、应用及安全设计方面进行智简性设计，为异构资源间的强实时协同融合提供高效能和高灵活性的基础网络支撑。在详细调研相关研究工作基础上，探讨数据链路层增强、传感控制器远程内存直接获取接入、面向服务的感控中间件等新型算控网络关键技术，介绍国防科技大学网络芯片与系统团队算控网络关键技术攻关及测试评估情况，并展望未来挑战和研究方向，助力我国在高端装备体系和创新生态方面获得领先优势。

已有单目视觉引导中平台间位姿高精度测量方法需要准确的目标平台3D模型，无法消除3D模型误差给位姿测量带来的影响。针对此问题，对目标平台3D模型和位姿进行迭代优化，并提出一种新的单目视觉测量方法：采用稀疏3D关键点集合建模目标平台3D模型，利用序列图像中多视图几何约束信息，将目标稀疏3D关键点集合和6D位姿作为待求解参数，以最小化物方残差建立目标函数，通过求解该最优化问题，迭代优化稀疏3D关键点集合及位姿，通过采用滑动窗口结合关键帧筛选策略，实现实时、在线的高精度单目视觉测量。实验结果表明，通过迭代优化稀疏3D关键点集合及位姿，所提方法实现了目标平台3D模型不准确条件下实时、在线的高精度单目位姿测量，同时提升了目标3D模型精度。

对二维方腔中顶盖温度振荡驱动稀薄流动进行研究，分析克努森数Kn与顶盖温度振荡频率对流场参数的影响规律。在靠近壁面处基于介观方法求解Shakhov模型方程，中心流域基于宏观方法减少计算资源消耗。宏观/介观虚拟边界利用高阶Hermite多项式重构分布函数，以封闭数值迭代格式。仿真结果表明：耦合方法相较全流场介观尺度方法，对方腔垂直中线处温度的预测结果相符，最大计算误差为0.23%，计算内存消耗降低约69.91%。耦合方法能够捕获振荡热驱稀薄流动在大Kn流域的非线性现象，此时水平方向速度分布不再服从周期振荡余弦函数规律，上升时间远大于下降时间。黏性穿透层厚度与受扰区域随着Kn的增大而增大，随着St的增大而减小。