碳中和概念提出以来，国际国内逐渐明确相关领域科技进步是实现这一目标的根本举措。在此背景下，本文研究了国内碳中和技术的最新进展和前景走向。文章基于已有文献界定了碳中和技术内涵，梳理了代表性碳中和技术分类和14个重点碳中和技术领域，概括了国内碳中和技术需求和技术路径，列举了近年来国内重点领域碳中和技术最新进展，讨论了当前国内碳中和技术发展存在的困难，提出了包括发展多领域技术集成在内的进一步促进国内碳中和技术发展的7项对策建议。

肿瘤转移是肿瘤发展过程中的重要环节，也是导致癌症恶化和治疗失败的主要原因之一。以肿瘤转移为背景，本文研究基于肿瘤与细胞外基质(Extracellular Matrix，ECM)相互作用的肿瘤淋巴管生成模型。首先用数学语言梳理肿瘤淋巴管生成的生物原理，其次做出假设，建立数学模型并进行定性分析。主要通过逼近方法、偏微分方程定性理论和Banach不动点定理证明模型局部解的存在唯一性，以及借助局部解的正则性估计和嵌入不等式证明模型整体解的存在唯一性。最后利用差分数值方法进行数值模拟来说明模型的可靠性与准确性。本文对深入理解肿瘤转移机制、指导癌症治疗以及推动相关研究具有重要意义。

识别药物潜在的不良反应，有助于辅助医生进行临床用药决策。针对以往研究的特征高维稀疏、需要为每种不良反应构建独立预测模型且预测精度较低的问题，本文开发一种基于知识图谱嵌入和深度学习的药物不良反应预测模型，能够对实验所覆盖的不良反应进行统一预测。一方面，知识图谱及其嵌入技术能够融合药物之间的关联信息，缓解特征矩阵高维稀疏的不足；另一方面，深度学习的高效训练能力能够提升模型的预测精度。本文使用药物特征数据构建药物不良反应知识图谱；通过分析不同嵌入策略下知识图谱的嵌入效果，选择最佳嵌入策略以获得样本向量；然后构建卷积神经网络模型对不良反应进行预测。结果表明，在DistMult嵌入模型和400维嵌入策略下，卷积神经网络模型预测效果最佳；重复实验的准确率、F₁分数、召回率和曲线下面积的平均值分别为0.887、0.890、0.913和0.957，优于文献报道中的方法。所得预测模型具有较好的预测精度和稳定性，可以为安全用药提供有效参考。

慢性阻塞性肺疾病(Chronic Obstructive Pulmonary Disease, COPD) 是一种常见的全球呼吸系统疾病，需要耗费医生大量的时间和精力对CT图像进行初步评估诊断。为了提高阅片效率，提出一种基于CT图像切片关联信息的深度网络，辅助诊断慢性阻塞性肺疾病。提出一种分组方式将网络分成若干个网络分支，每个网络分支能够提取局部CT图像切片内部关联信息，结合双向LSTM技术整合各网络分支信息以提取CT图像全局切片关联信息。为了进一步提升网络分支的局部特征提取能力，融入ConvNeXt提出增强的多头卷积注意力模块。对比实验结果表明，所提出的深度网络能够更好地对CT图像进行分类，辅助COPD诊断，其准确率达到92.15%，敏感度达到94.17%，特异性达到91.17%，AUC达到95.33%。

针对乳腺癌病程长、疾病发展较缓和的特点，提出了一种多任务循环神经网络带状回归模型进行乳腺癌个体生存分析。首先，提出一种基于循环神经网络的多任务带状回归模型，通过识别各病理特征对不同患者之间影响的区别，优化患者个体生存分析。其次，对带状校验矩阵的形式进行拓展并研究其对患者风险分布的影响。最后，在乳腺癌真实数据集上进行生存分析，不同患者之间产生明显的差异性，验证了模型的有效性。在2个乳腺癌真实数据集上进行的生存分析结果显示，基于循环神经网络的多任务带状回归模型的一致性指数(Concordance Index, C-index)较医学上常用的Cox回归模型有较大提升，并有着更小的95%置信区间。

因果效应分析在临床统计中是一种常见的研究方法，其通常基于观察数据进行分析。然而，在使用观察数据进行因果效应分析时，常受到未观测变量的影响，从而使因果效应评估出现偏差。当无法忽略未观测变量带来的偏差或无法找到适当的代理变量来削弱这种偏差时，传统方法无法提供可靠的因果效应估计。为了解决这一问题，本文采用工具变量法，在临床统计的药效分析领域提出一种比传统方法更加准确的计算方法，将未观测变量的影响纳入误差项，以实现准确的因果效应估计。通过将观察数据中满足特定假设的变量作为工具变量，计算了丁苯酞(一种药物)对急性缺血性卒中(Acute Ischemic Stroke，AIS)患者在存在未观测变量的情况下，其3个月预后的因果效应，并评估了该因果估计量的置信区间。研究结果揭示了丁苯酞对急性缺血性卒中患者的预后恢复具有明显的积极作用。

针对毫米波雷达间的互扰会造成生物雷达获取的微弱生命体征信号被淹没，导致无法准确测量呼吸心跳的问题，本文提出基于改进奇异谱分析的方法抑制雷达间互扰，通过相关性计算从受扰信号中选取目标差拍信号重构以抑制干扰和消除背景噪声。进一步提出基于信息熵的集合经验模态分解方法消除差拍信号残留的相位噪声，通过信息熵计算从集合经验模态分解后的固有模态函数分量中选择呼吸和心跳信号以抑制残留噪声。实验结果表明，所提出的方法能有效地从受干扰的信号中恢复呼吸和心跳信号，提高呼吸和心跳的信噪比。因此，本文所提方法提高了生物雷达的抗干扰能力，增强了生物雷达的实用性。

传统的基于深度学习的方法在低照度图像增强中已经有比较好的发挥，但是这些方法通常需要成对的数据集进行训练，而相对应的数据集正是目前难以收集的。目前的增强方法在真实的低照度图像增强中也会产生增强效果不完美和出现图像噪声等问题。针对这些问题，设计了无监督生成对抗网络，使其可以不用配对训练数据集进行训练，并且把网络分解为注意力机制网络和增强网络2个子网络。通过注意力机制网络把低照度图像中的低光区域和亮光区域区分开，并使用残差增强网络结合全局局部判别器，对图像进行增强。实验结果表明，本文的方法在低光照图像增强方面优于Enlighten-GAN、Cycle-GAN等方法。

为提高视频异常行为检测的准确率，本文提出了一种基于前景区域生成对抗网络的改进方法。通过提取实际视频帧的前景和背景掩码，确定生成对抗网络输出视频帧的待检测前景区域。针对待检测前景区域，应用前景区域峰值信噪比准则，计算异常行为检测得分，完成视频异常行为检测。实验结果表明，本文的检测方法在Avenue数据集、UCSD-Ped1数据集、UCSD-Ped2数据集上均能有效提高视频异常行为检测准确率，并能降低检测运行时间。

针对短文本长度过短、关键词偏少和标签信息利用不足造成的分类过程中面临特征稀疏和语义不明确的问题，提出了融合标签语义嵌入的图卷积网络模型。首先，在传统的术语频率和逆文档频率算法基础上，提出了融合单词所属文本的类间、类内分布关系的全局词频提取算法。其次，利用融合标签嵌入的方法，将每条训练文本与相对应的标签引入到同一个特征空间内，通过筛选聚合提取更能突显文本类别的近义词嵌入，作为文本图的文档节点的嵌入表示。最后，将文本图输入到图卷积神经网络学习后，获得的特征与预训练模型提取文本上下文的特征相融合，提升短文本的分类质量以及整个模型的泛化能力，在4个短文本数据集MR、web_snippets、R8和R52上对本文模型和14个基线算法进行了对比实验，结果表明本文提出的模型相比于对比模型具有更优的结果，在识别精度、召回率以及F₁值上有着更好的表现。

孪生支持向量机通过计算2个二次规划问题，得到2个不平行的超平面，用于解决二分类问题。然而在实际的应用中，数据通常包含不确定信息，这将会对构建模型带来困难。对此，提出了一种用于求解带有不确定数据的最小二乘孪生支持向量机模型。首先，对于每个实例，该方法都分配一个噪声向量来构建噪声信息。其次，将噪声向量结合到最小二乘孪生支持向量机，并在训练阶段得到优化。最后，采用一个2步循环迭代的启发式框架求解得到分类器和更新噪声向量。实验表明，跟其他对比方法比较，本方法采用噪声向量对不确定信息进行建模，并将孪生支持向量机的二次规划问题转化为线性方程，具有更好的分类精度和更高的训练效率。

交通流量预测是智能交通控制和管理系统的一个重要环节，但交通流量数据具有时间和空间上的非线性和复杂性等特征，为对其进行精准预测，本文提出了Graph Temopral Recurrent Independent Mechanisms (G-tRIM)模型。该模型使用图注意力网络(Graph Attention Networks, GAT)来有效捕获交通流量数据的空间依赖关系，使用循环独立机制(Recurrent Independent Mechanisms, RIM)来精准刻画交通流量数据的潜在状态。最后在北京和贵州数据集上，以均方误差(Mean Square Error, MSE)和平均绝对误差(Mean Absolute Error, MAE)为指标进行实验，结果表明，G-tRIM在各个数据集上的表现均优于基准模型。

为充分利用移动边缘计算(Mobile Edge Computing, MEC) 系统的计算资源，本文设计了双MEC服务器协同与计算通信资源联合优化方案。通过建模双服务器协同多用户任务计算优化问题，以系统计算时延和用户能耗的加权和最小化为准则，优化设计多用户计算卸载发射功率和计算任务分割。提出一种较低计算复杂度的联合设计方案，将原问题解耦为计算卸载优化和计算任务分割设计的2个子问题，分别通过内点法和单纯形法实现快速数值求解。仿真结果表明，本文所提算法的系统性能优于已有启发式基准算法方案，且在较少的算法运行时间下，联合优化算法方案能取得与最优拉格朗日乘子法基准方案相同的系统性能。

极化码得益于其较低的复杂度和灵活的构造，成为了当今最为流行的信道编码方式。然而，与其他信道编码的译码算法相比，极化码中的连续删除 (Successive Cancellation, SC) 译码算法的性能较差。为了解决这一问题，连续删除列表(Successive Cancellation List, SCL) 、连续删除堆栈(Successive Cancellation Stack, SCS) 等基于连续删除译码的改进算法问世，并显著地改善了其纠错性能。其中，连续删除堆栈译码算法是以更高的复杂度为代价的，特别是在路径选择过程中。本文提出了一种新型的路径选择硬件架构，该架构通过对路径信息分组存储，用分组单调排序与并行比较相结合的策略进行最优路径选择，降低了硬件资源消耗的同时提高了路径选择的硬件效率。最后在现场可编程门阵列(Field Programmable Gate Array, FPGA) 上实现了该架构，硬件实现结果验证了本文提出的架构与现有的SCS译码器拥有相近的纠错性能的同时，整体资源开销在查找表(Look Up Table, LUT)、寄存器(Register)和块随机存储器(Block Random Access Memory, BRAM)上分别减少了24.06%，56.42%和39.29%，吞吐率提高了24.38%。

由于现有的流程相似性度量方法大多只关注流程的单一维度，缺乏对流程信息的综合考虑，使得流程检索的准确率还有待提高。在综合考虑结构信息和行为信息下，提出了一种高效率、多维度的加权Petri网的字符串序列的相似性度量方法。该方法首先将事件日志信息加权至Petri网，然后使用广度优先遍历将加权Petri网模型转换为字符串序列，再将该序列分为一个带权重的紧邻变迁对集和一个结构序列并分别计算相似度值，最后加权得到流程之间的相似度值。实验结果表明，该度量方法准确率达到99.51%。另外，该方法在时间复杂度上也有着不错的优势。

为深刻理解应变异质结量子阱结构的物理性质，帮助改进基于宽禁带氮化物半导体器件的设计，本文基于六带应力相关的k·p哈密顿量与自洽薛定谔−泊松方程建立了在场约束效应下极性 (0001)、半极性 ($10\bar 12 $) 及非极性 ($10\bar 10 $) 晶面的纤锌矿GaN/AlN量子阱价带子带模型，并给出了不同晶面GaN/AlN量子阱在双轴和单轴应力作用下的子带能量色散关系。根据应力对量子阱价带结构的影响，对应力与空穴有效质量之间的微观物理关系进行了综合研究。结果表明，价带结构对晶体取向的改变有很大的依赖性。双轴应力对有效质量的改善效果不大，然而单轴压缩应力通过降低垂直沟道方向的能量使低有效质量区域获得更多的空穴，从而有效降低空穴有效质量，且在不同晶面的结构中都减少了约90%。

行为期权定价是当前国际金融领域的热门研究主题之一。虽然随机波动率模型已成为国际衍生品定价领域的标准模型，但该模型对短到期期权(尤其是虚值期权)的定价仍不准确，其原因之一是传统的期权定价方法忽略了现实市场中的非理性心理和行为因素。针对上述问题，本文运用前景理论期权定价框架，引入价值函数来刻画投资者面对收益与损失的前景价值判断，引入决策权重函数来修正Heston随机波动率模型刻画的资产价格路径的概率密度函数，将期权合约签订与交割的现金流视为分散的心理账户情形，在市场均衡条件下推导出Heston模型下欧氏行为期权的定价公式。上证50ETF期权的实证结果表明：考虑了前景理论的Heston随机波动率模型，能显著地提升短到期虚值期权的定价准确度；参数校正结果发现，定价性能的提升要归因于Heston模型中纳入的表征非理性心理与情绪的行为参数；相对而言，投资者对实值期权的风险态度偏中性，因此行为参数对其定价精度的提升有限。