国家级有突出贡献的专家、广东工业大学蔡文教授于1983年在《科学探索学报》发表论文《可拓集合和不相容问题》，标志着一门中国原创学科可拓学的诞生。可拓学是用形式化的模型研究事物拓展与变换的规律与方法，并用于实现创新及处理矛盾问题的学科。2023年是可拓学创立40周年。经过众多可拓学研究者的共同努力，可拓学理论与方法体系日臻完善，已在工程技术、信息科学与智能科学、管理与经济、教育教学、创新创业等领域得到广泛应用，并显现重要的应用价值和应用成效。本文综述可拓学的发展历程、研究概况、国际化与社会化情况，简要介绍可拓学的科学意义及学术评价情况，并展望了可拓学发展的未来趋势。

高速高精切削加工对切削刀具提出了愈加严苛的性能要求，表面硬质涂层可以显著提升切削刀具的耐磨性和使用寿命，已成为高性能切削刀具研发的关键。本文首先介绍了表面硬质涂层在切削过程中所起到的重要作用，然后综述了目前常用硬质涂层(氮化物、硼化物、氧化物等)及相关物理气相沉积技术的发展脉络和研究现状，最后分析了物理气相沉积刀具涂层存在的研究和应用问题。

硬脆材料因其优异的物理与化学性质广泛应用于5G通讯、航空航天、电子电力等领域，高效率的超精密磨削技术是其加工流程中的重要一环。为了提高硬脆材料加工质量，需要对超精密磨削技术进行系统化的深入研究。本文从超精密磨削装备设计优化的角度出发，对自旋转磨削、双面磨削和磨抛一体化3种磨削方法的原理与机床设备进行了详细说明，介绍了超硬磨粒砂轮的制备、砂轮磨损检测与分析、砂轮修整技术的研究进展；从压痕/划痕实验、纳米磨削实验、模拟仿真分析3个角度对硬脆材料的磨削机理进行了深入探索；进一步总结了硬脆材料表面粗糙度及表面形貌、亚表面损伤、面形精度的控制方法。分析了硬脆材料超精密磨削的重点研究方向与发展趋势，为后续硬脆材料超精密磨削技术的研究提供了指导。

目前常用直线或圆弧逼近成形磨齿砂轮的轮廓，导致砂轮轮廓曲线容易出现不连续和波动现象，甚至会改变原来轮廓曲线的凹凸性，导致修整的成形砂轮加工出的齿轮精度有限，并且修整程序繁琐、数据量大。针对此问题，提出一种采用B样条曲线拟合成形磨齿砂轮轮廓的方法，方便磨齿机的数控系统使用样条插补功能修整成形砂轮。该方法首先计算渐开线斜齿轮成形磨削砂轮的轮廓，在砂轮轮廓数据点中提取特征点进行B样条曲线拟合，利用差分演化算法计算非特征点拟合误差，把最大拟合误差处的数据点添加到特征点集，然后反复迭代计算，最终生成一条满足拟合误差要求的B样条曲线，在满足指定误差要求下用较少的控制点拟合成形砂轮轮廓。仿真计算结果表明，该方法可以有效拟合成形磨齿砂轮轮廓，并且拟合误差满足指定要求。

针对机械导轨式力控系统精度受非线性摩擦影响的问题，本文提出了一种将摩擦扰动转化为弹性扰动的设计方法，解决了摩擦死区和静摩擦力补偿难的问题。具体做法是，将力控执行机构设计成用柔性铰链组连接的框架和工作平台。当驱动力小于摩擦力时，位移由柔性铰链弹性变形产生，消除了摩擦死区。非线性摩擦扰动转化为柔性铰链弹性变形扰动，通过柔性铰链的变形量和变形速率，计算出弹性力和阻尼力进行实时补偿，解决了摩擦力补偿问题。通过实验表明，摩擦扰动转化设计，通过量测补偿，最终将力控精度提高到0.08 N，比原来提高20~50倍，是一般气浮式精度(1 N) 的10倍以上，并且保持了电控系统响应快、成本低的优势。

锂硫电池具有理论能量密度高、成本低、环境友好等优点，被认为是最有前景的下一代高能量密度电池之一。多硫化物的“穿梭效应”是阻碍锂硫电池商业化的关键问题。采用“催化”策略增强硫物种之间的氧化还原反应动力学已被证明是缓解“穿梭效应”的有效方法。单原子催化剂由于其均匀的金属活性中心、独特的电子特性和理论上100 %的金属原子利用效率，在催化领域得到了广泛关注。近年来，单原子催化剂被引入到锂硫电池体系中，以实现硫物种之间转化反应的快速动力学。本文以影响单原子催化剂活性的几个关键因素为主线，综述了单原子催化剂在锂硫电池领域应用的主要进展，并对锂硫电池用单原子催化剂的前景进行了展望。本文对未来设计制备高活性的锂硫电池用单原子催化剂提供了思路。

锂硫电池(Lithium-Sulfur Batteries, LSBs)因硫具有高理论比容量、较低的成本以及环境友好性，被认为是最有潜力的新一代储能器件之一。然而，目前LSBs仍存在一些未解决的关键问题，如氧化还原动力学缓慢、多硫化物(Lithium Polysulfides, LiPSs)溶解和扩散引发的穿梭效应，以及充放电过程中电极的体积变化等。这些问题导致LSBs容量及循环稳定性较差，严重阻碍了LSBs的实际应用。金属有机框架(Metal-organic Frameworks, MOFs)材料具有高度可调的孔化学微环境，通过调控金属中心/团簇和有机配体可以在分子层级调控MOFs对多硫离子等客体分子的化学吸附和催化能力。因此，将MOFs应用于LSBs中，能够有效地实现对多硫离子的捕获、阻隔并加速其催化转化，进而实现对穿梭效应的抑制并提高LSBs的电化学性能。本文总结了通过对MOFs孔化学微环境进行调控，开发出的各种基于MOFs的高性能插层膜材料、正极材料和多功能隔膜材料，并分析了MOFs孔化学微环境进行调控影响LSBs性能的机理，最后提出了可应用于高性能LSBs的MOFs材料开发存在的问题及发展方向。

钠金属电池因其高理论比容量和低成本被认为是最具发展前景的大规模储能电池之一。然而，钠金属的高反应活性，易导致固体电解质界面膜不稳定、钠不均匀沉积、枝晶生长等问题。为此，本文采用简单的一步煅烧法制备了一种Al₂O₃原位修饰的Al箔集流体(Al@Al₂O₃)，促进钠均匀沉积/剥离。在充放电过程中，Al₂O₃被钠化形成一层高离子电导率的Na-Al-O膜，其不仅能稳定电极/电解液界面，还能调节集流体表面的成核行为，降低成核能垒、提高离子传质动力学，实现无枝晶均匀沉积和长循环寿命。结果表明，在3 mA·cm^-2电流密度和3 mAh·cm^-2面容量下，Al@Al₂O₃能以99.6%的平均库伦效率使钠稳定沉积/剥离50次；在1 mA·cm^-2电流密度和1 mAh·cm^-2面容量条件下，Na-Al@Al₂O₃‖Na-Al@Al₂O₃对称电池能稳定循环1000 h；甚至在10 C的高电流密度下，NVP‖Na-Al@Al₂O₃全电池也能稳定循环250次，且容量保持率高达94%。

析氧反应(Oxygen Evolution Reaction, OER)是电催化水分解能源转化过程的核心与速控步骤，较高的反应能垒导致动力学缓慢，限制了整体效率。本文基于可再生的木质素磺酸钠原料，依次采用氧化氨解、配位自组装、原位碳化制备了双金属硫化物Co₉S₈-Ni₃S₂/SN-C催化剂，表现出优异的电催化OER性能。结合全面表征明确了氧化氨解得到的酰胺基团改性木质素磺酸钠与金属间的络合结构，并揭示了前驱体在热解碳化过程中的结构演变机制，以及活性中心Co₉S₈-Ni₃S₂的形成过程。在改性木质素衍生碳的强结合作用下，金属分散度提高。Co₉S₈-Ni₃S₂二者的紧密作用以及N对碳载体的缺陷掺杂，有效调控催化剂表面电子结构，优化中间体的吸附，进而提升了电催化OER反应性能。当氧化氨解过程中m(H₂O₂)/m(LS) = 1.5时，Co₉S₈-Ni₃S₂/SN-C催化剂的OER活性最高，在50 mA·cm^?2的电流密度下，相比商业催化剂Ru/C(420 mV)具有更低的过电位(350 mV)。该工作为木质素碳材料的定向调控以及高效稳定OER电催化剂的开发提供了新思路。

开发低成本、高稳定、高催化活性氧化还原反应(Oxygen Reduction Reaction, ORR)的非贵金属催化剂对燃料电池和金属-空气电池的应用至关重要。本文研究了以ZIF-8为前驱体一步合成ZnFe纳米颗粒嵌入N、S掺杂碳纳米管的复合催化剂(ZnS-FeS-Fe₃C/S, NCNT)。通过电化学测试确定最优煅烧温度后的样品ZFF/S, NCNT-8的起始电位E_o为0.99 V vs. RHE和半波电位E_1/2为0.84 V vs. RHE，并且与商业Pt/C相当，具有良好的甲醇耐受性和长期稳定性。同时也提出S、N共掺杂碳纳米管(Carbon Nanotube, CNT) 和额外的ZnS、FeS和Fe₃C提供活性位点可以提高ORR催化性能。文中所采用的原位生长CNT方法，可为制备燃料电池和金属-空气电池的阴极催化剂提供思路。

金属氧化物光电极被认为在未来太阳能制氢方面具有广阔的前景，但由于其固有的载流子迁移率较低而面临着巨大挑战。铋酸铜(CuBi₂O₄) 光电阴极在光电化学水分解中具有很大的潜力和应用价值，是未来理想的光电阴极材料之一，本文采用喷雾热解法制备CuBi₂O₄光电阴极，并通过形貌与能级调控实现了光电性能的突破。首先，通过在CuBi₂O₄光电阴极中进行Na⁺掺杂，低价态的Na⁺取代Bi³⁺位点形成空穴中心，提升了载流子的迁移能力。与此同时，Na⁺元素的引入使所制备的CuBi₂O₄光电阴极具有多孔的纳米形貌，有效地缩短了光生载流子至表面的传输距离。其次，通过对Na⁺掺杂CuBi₂O₄光电阴极进行氧气煅烧(Na-CuBi₂O₄-O₂)，形成金属空位充当电子受体，减少了Na⁺掺杂引入的氧空位，从而提高空穴密度，进一步增强了电荷分离效率。这种策略使Na-CuBi₂O₄-O₂光电阴极在0.6 V vs.RHE时的光电流密度高达–2.83 mA·cm^–2，是未经处理的CuBi₂O₄光电阴极的15倍(–0.18 mA·cm^–2)。结合时间分辨荧光光谱、开尔文探针力显微镜与光电化学研究，揭示了Na-CuBi₂O₄-O₂光电阴极具有更高的载流子寿命与更高的表面光电压。这项工作利用元素掺杂与金属空位增强了CuBi₂O₄光电阴极的电荷分离和传输能力，实现了其光电性能的较大提升，对未来高性能光电阴极的制备具有指导意义。

研发一种廉价、高效的催化剂以提高醇胺氧化偶联合成亚胺的催化活性具有重要意义。本文采用简单的共沉淀法制备了一系列锰铁双金属氧化物，并将其应用于苯甲醇和苯胺氧化偶联合成N-苄叉苯胺的催化反应，以及探索了不同的锰铁投料比对产物催化活性的影响。结果表明，锰铁投料比为1:1时的产物(Mn_0.5Fe_0.5O_x)具有最佳的催化活性，其苯胺转化率为74.7%，N-苄叉苯胺的选择性和收率分别为99.9%和74.6%。通过多种表征发现，Mn_0.5Fe_0.5O_x具有丰富的介孔结构和表面吸附氧物种以及优异的氧化能力，因而展现出优异的催化活性。本文所制备的高活性催化剂在醇胺氧化偶联制备亚胺的方法中具有较大的应用潜力。

新污染物(Emerging Contaminants, ECs)具有结构稳定且浓度低的特点,传统污水处理工艺难以完全去除，这对水生态环境和人类健康构成潜在威胁。高级氧化技术(Advanced Oxidation Process, AOPs)可以快速有效地降解持久性污染物，但对于真实水体环境中的微量ECs，AOPs需要过量的氧化剂或消耗更多的能源，使水处理成本大幅提升，甚至导致二次污染。因此，开发高效且低能耗的选择性氧化工艺对处理水中ECs具有现实意义。靶向吸附-转化技术能够有效提高自由基的利用率，高效去除微量、难降解新污染物。本文首先系统性地阐述了水清洁技术中选择性氧化策略的理念，着重介绍了电吸附-转化高效能选择性去除复杂水体中全氟和多氟烷基物质(Per-and Polyfluoroalkyl Substances, PFAS)的技术特点与发展现状，最后对未来的研究方向与趋势进行了展望。

铀资源作为核燃料中关键的组成成分，对于保障我国核工业建设和可持续发展至关重要。然而，常规陆地铀资源面临着可开采铀矿相对贫乏、品位较低的问题，而海水铀资源储量却是陆地的近千倍，且我国海域辽阔、海水资源富足。因此，如何能高效地从海水中提取铀资源，进而满足我国核工业发展需求，是亟待探究和解决的重要科学问题。本文系统介绍了国内外海水提铀技术的发展现状，综述了海水提铀材料特别是当前最具发展前景的铀吸附材料的研究概况，并以材料设计和工程应用为切入点，阐晰了海水提铀技术的主要挑战和未来发展展望。

温室气体排放导致的气候变化和氮磷富集形成的水体富营养化是当前我国生态环境领域亟需解决的关键问题，农业部门作为碳、氮、磷排放的主要来源之一，解析其时空演变特征与驱动对我国减污降碳战略的实施具有十分重要的意义。本文基于广东省农业部门面板数据，构建了农业源碳排放模型、氮磷流失模型和LMDI(Logarithmic Mean Divisia Index)驱动力模型，分析了省级和县级单元农业源各部门的碳、氮、磷排放演变特征与驱动因素。结果表明：(1) 广东省县域农业源碳氮磷排放具有显著的空间差异，在空间上具有集聚性、相关性和同源性特征；(2) 1990~2021年广东省农业源碳氮磷排放量变化呈现分异性特点，碳排放量上升，氮磷排放量下降，氮磷比呈上升趋势；(3) 人均第一产业增加值和单位第一产业增加值排放强度分别是影响广东省农业源碳氮磷排放上升和下降的最大驱动力，且在不同元素之间重要性排序不同，表明控制农业源碳氮磷排放变化的驱动因子存在差异。本文成果将为广东省农业源碳氮磷排放关键源区识别和协同调控提供决策支持。

人脸深度伪造检测旨在对人脸图像和视频进行真伪鉴别，能为肖像权保护、虚假消息鉴定、网络诈骗防范等提供理论和技术支撑。早期的检测技术主要基于卷积神经网络(Convolutional Neural Networks，CNNs) 实现，并取得了显著的效果，但普遍存在泛化性能不足的问题。为了进一步提高人脸深度伪造检测技术的泛化性，最新的研究工作开始引入一种基于自我注意力机制的深度神经网络Transformer，其具有长距离依赖建模能力和全局感受野，可用于捕捉到图像上下文关联和视频时序关系，有效提高了检测器的表征能力。本综述首先简要介绍了该领域研究背景，阐述了人脸深度伪造生成典型技术，然后对现有基于Transformer的检测技术进行总结和归纳，最后探讨人脸深度伪造检测技术面临的挑战和未来研究方向。

心脏多类分割在医学影像领域具有重要意义，可提供精准心脏结构信息，辅助临床诊断。然而，在高分辨率心脏影像多类语义分割模型的训练中，多次下采样导致深层特征的丢失，从而引发分割出来的心脏影像器官不连续和边缘分割错误等问题。为了应对这一挑战，本文提出基于自注意力和三维卷积的神经网络——3DCSNet。具体地，在网络中引入三维特征融合模块和三维空间感知模块，前者集成了自注意力和三维卷积并行特征提取，能够有效地分配特征图同一维度下的通道内部和通道之间的权重；后者通过融合自注意力机制，捕捉不同维度之间的位置相关性信息，避免因为下采样导致重要信息丢失，进一步保留深层关键特征。3DCSNet在公开的先天性心脏病三维计算机断层图像数据集(ImageCHD)上优于多个现有模型。

医学命名实体识别任务是对电子病历中的医学实体进行自动识别和分类，对于下游任务例如信息检索、知识图谱等有着十分重要的作用。现有的方法忽略了实体间的依赖性，因此，本文提出了一种基于门控注意力单元的模型，首先利用预训练模型MC-BERT捕捉上下文语境信息，再利用交叉注意力和门控注意力单元提高实体查询和上下文语义之间的交互性，并提取实体间的依赖关系和关联性，最后，利用二分图的匹配算法，计算模型训练中的损失。本文在CMeEE、CMQNN和MSRA数据集上进行了实验，实验结果表明本文模型在3个数据集上的F₁值分别达到了70.74%，96.92%和95.53%，优于其他相关模型，证明了本文模型在中文医学命名实体识别任务上的有效性。