为了增加新闻推荐的辅助信息并提高预测精度，提出基于Transformer和知识图谱的新闻推荐方法. 为了结合新闻语义信息和实体信息，利用自注意力机制获取新闻单词之间和新闻实体之间的联系，采用加法注意力机制捕捉单词和实体对新闻表示的影响. 考虑到用户对新闻的偏好具有时序性特点，引入Transformer以捕捉用户点击新闻间的关联信息及用户兴趣随时间的变化情况. 利用知识图谱中的高阶结构信息，融合候选新闻邻接实体，提升候选新闻嵌入向量所含信息的完整性. 在2个版本的MIND新闻数据集上与5个典型推荐方法的对比实验表明，注意力机制、Transformer和知识图谱的引入提高了算法在新闻推荐方面的表现.

为了保护任务数据的机密性，验证计算结果的正确性，提出基于区块链的车联网矩阵计算安全卸载方案. 该方案利用编写在区块链上的智能合约自动执行计算结果验证过程，保证验证过程的安全性和结果的不可篡改. 方案提出的基于矩阵加法的轻量级矩阵加密方法，简化了矩阵计算卸载加解密的复杂度. 通过与现有方案比较可知，本文方案能够在有效保护车辆的敏感信息的同时，实现对矩阵计算结果正确性的验证. 利用所构建的矩阵加密方法，能够有效地降低车辆侧矩阵加解密的计算开销.

为了提高软件的开发效率，目前已出现应用人工智能技术进行智能化开发的趋势，如何理解程序语义是智能化开发中需要重点解决的问题. 针对该问题，出现了一系列程序表示学习的研究，程序表示学习可以自动地从程序中学习有用的特征，将特征表示为低维稠密向量，高效地提取程序语义并使用于相应的下游任务. 对程序表示学习的研究工作进行综述，介绍了主流的程序表示学习模型，包括基于图结构和基于token序列的程序表示学习框架. 展示了程序表示学习技术在缺陷检测、缺陷定位、代码补全等任务上的应用，总结了程序表示学习的常用工具集和测试集. 分析了程序表示学习未来需要应对的挑战.

针对不同运动场景下以固定的点特征提取与匹配策略的ORB-SLAM算法存在系统跟踪定位误差较大的问题，考虑相机自身运动对视觉SLAM系统的影响，提出基于运动预测的改进ORB-SLAM算法. 该方法利用上一帧的点特征利用率和匀速运动模型，预测出相邻2帧之间的共视范围，实时动态调整不同运动状态下的点特征提取阈值，在保证系统稳定性的情况下，提高系统的准确性. 提出基于运动预测的点特征匹配优化策略，基于匀速运动模型快速确定出共视范围内的有效待匹配点，结合图像金字塔缩小匹配搜索范围，减少大量的无效匹配过程. 在TUM数据集上进行对比实验，结果表明，提出的算法不仅实时性好，而且提高了系统的精度.

为了缓解区块链中不断膨胀的状态数据给节点带来的存储压力，针对以比特币为代表的UTXO模型区块链，提出基于双RSA累加器的无状态交易验证方案. 该方案利用固定大小的密码学承诺取代状态数据，在保证节点能够独立验证交易的基础上，大幅降低本地存储. 基于RSA累加器的特性，利用2次高效的添加操作替换了复杂的删除操作，以较少的通信开销为代价，大幅降低系统的计算开销，保证交易验证的效率. 实验结果表明，该方案相比于传统的区块链拥有较高的节点存储压缩率，相比于其他无状态方案拥有固定的额外通信开销及较高的交易验证效率.

为了降低暗电流，通过原子层沉积(ALD)生长了一层氧化铝（Al₂O₃）隧穿层，制备了PdSe₂/Al₂O₃/Si异质结光电探测器. 通过优化Al₂O₃层的厚度，使得该探测器实现了高速和宽光谱响应. 研究结果表明，在波长为808 nm的光照射和?2 V偏压下，所制备的光电探测器与未生长Al₂O₃的器件相比，暗电流降低了约3个数量级，器件的光响应度达到了约为0.31 A/W，对应的比探测率约为2.5×10¹² Jones，器件在零偏压下表现出明显的自驱动效应. 经过循环测试1 200次后，器件保持良好的光响应. 器件响应的上升时间和下降时间分别为7.1和15.6 μs. 结果表明，在二维层状半导体材料与Si之间引入Al₂O₃隧穿层，可以有效地降低器件的暗电流，有利于高性能的Si基光电探测器的制备.