登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《国际电气与电子工程师学会（IEEE）发布《国际设备与系统路线图（IRDS）2024：计量学》报告》

  • 编译者： 李晓萌
  • 发布时间：2025-08-18

  • 近日，国际电气电子工程师学会（IEEE）发布《国际设备与系统路线图（IRDS）2024：计量学》报告，重点阐述了半导体行业在设备、系统及新材料集成领域涌现的测量技术挑战，并提出了相应的研发路径。其研究范畴涵盖（但不限于）：传统互补金属氧化物半导体（Complementary Metal Oxide Semiconductor，简称CMOS）工艺扩展的测量需求、后CMOS技术的加速发展、新型通信器件/传感器/换能器的表征技术、材料特性分析以及结构-功能关系研究，同时包含研发阶段与制造过程控制所需的计量学创新突破。

    该技术路线图致力于解决测量科学领域的关键挑战，推动新型计量技术发展，并就未来设备与材料的工艺控制及可制造性评估，系统性地提出长期技术展望——包括核心挑战、潜在解决方案、关键技术、工具开发及基础设施需求等维度。

    该章节内容可为计量专家、设备制造商及研究人员提供技术指导，同时也可作为标准组织制定关键测量标准的基础依据。通过建立统一的技术基准，将有效推动半导体行业的技术进步。

58浏览量
原文链接
相关报告

  • 《IRENA发布面向2050的新版能源转型路线图》
    • 来源专题：中国科学院文献情报先进能源知识资源中心 |领域情报网
    • 编译者：guokm
    • 发布时间：2019-08-05
    • 4月9日，国际可再生能源机构（IRENA）发布2019年版《全球能源转型：2050年路线图》 指出，尽管全球能源转型已经取得了一定的进展，但转型速度仍然较慢，难以满足《巴黎气候协定》中承诺的能源结构低碳化以及减缓气候变化的目标。若要实现既定的承诺目标，意味到2050年可再生能源需求至少要提升六倍，全球能源相关碳排放需减少70%。可再生能源发电与深度电气化结合可满足上述目标的60%，加上直接使用可再生能源可满足75%，如果考虑提升能效则可满足90%。报告认为，可再生能源、能效和电气化是能源转型的三大基石，针对当前的能源转型提出了六大战略建议。报告主要内容如下： 1、要实现平均温升控制在2℃以内的目标，全球需要加速能源系统转型进程 过去几年中，能源部门已经出现了一些可喜的变化，全球新增装机容量中可再生能源占主导地位，交通电气化速度加快，电池等关键技术成本正迅速降低。然而，高能耗行业尤其是建筑和工业领域，可再生能源的部署仍远低于所需水平，能效提升仍然滞后。过去五年，能源相关碳排放量平均每年增加1.3%，全球能源系统需加速转型才能实现气候目标。结构和模式的变化在提升能效方面能够发挥关键作用，如交通模式中共享交通和公共交通的普及，工业领域采用循环经济和向可再生能源丰富的地区迁移。 2、可再生能源、能效和电气化是实现碳减排的主要力量 到2050年全球能源相关碳排放量需减少70%，其中可再生能源、能效和电气化的贡献超过90%（图1）。可再生能源在能源结构中的占比需从2016年的17%提升至2050年的66%，但以现行和计划的政策推测到2050年这一比例只能提升至25%。能效也需大幅提高，其提升速度需从现在的年均增长2%提高至年均增长3.2%。到2050年电力在能源供应中占比将从当前的20%增长至50%，电力消耗总量将是现在的2倍，可再生能源发电将占电力供应的86%。生物能源将在难以电气化的行业中发挥作用，如船运、航空及某些工业过程。 图1 到2050年能源相关碳排放量 （单位：十亿吨/年） 3、能源低碳技术投资仍需加大 要实现全球能源系统的低碳转型，到2050年前需将能源部门的累计投资增加16%，从95万亿美元提升至110万亿美元，年均投资约为全球GDP的2%，低于去年的预测（120万亿美元），其主要原因是可再生能源成本迅速下降以及电气化解决方案越来越经济高效。投资构成也应发生变化，从化石燃料转向能效、可再生能源和相应的基础设施。如果按照现行计划或者政策来发展，预计到2050年能源部门的补贴将从2015年的6050亿美元增加至8500亿美元以上。但通过发展可再生能源、深度电气化和提升能效，将使其降至4700亿美元。加上由于降低碳排放所节约的环境和健康成本，总计节约的金额将会是到2050年期间新增能源投资的3至7倍。 4、应综合考虑能源转型与社会经济之间的关系 为了保证能源系统成功转型，政府的政策必须建立在综合评估不断变化的能源部门与社会经济之间相互作用的基础上。能源系统的变化会影响整个经济体系，到2050年，可再生能源、能效和电气化导致的能源转型将使全球GDP增加2.5%，并使整体就业增加0.2%，而且能够提高全球福祉水平。 5、政策框架在很大程度上影响能源转型的社会经济效益 政策投入会对能源转型的社会经济效益产生很大影响，如碳税和化石燃料补贴等。碳税的影响取决于其政策框架，其分配公平性是推动能源转型成功的关键。 6、全面的就业政策能够为能源转型做出积极贡献 能源转型（可再生能源发电、能效及能源灵活性）新增的岗位将明显超过减少使用化石燃料而失去的岗位。能源部门新增和减少的就业在时间和空间的分布不均匀，因此可能导致其他部门的就业岗位减少，需要全面的政策框架以解决这一不匹配问题，确保能源转型的顺利进行。 7、社会经济结构的公平公正有助于扫清能源转型障碍 在所有地区采取措施推动能源转型能够减少气候损害，相关的投资可以产生社会和经济效益。另外，需消除低收入国家的负面影响才能使转型获得成功。 基于上述分析，报告为决策者提出了六大行动建议： （1）电力部门需要进行转型以适应不断提高的可再生能源份额。通过灵活供应、输配电、储能、需求响应、Power-to-X（电力转化为其他能源载体，如氢、甲烷）、电动汽车等技术，开发高度灵活的电力系统，并与灵活运行相结合。需要更好的市场信号使灵活性资源能够发挥作用，如采用实时可变定价和缩短交易间隔，以应对波动性可再生能源。需重新设计电力市场以确保为含有高比例波动性可再生能源的系统提供最佳投资，并实现部门融合。 （2）数字化是推动能源转型的关键因素。将人工智能、物联网、区块链等数字技术用于电力系统，通过智能电表、数字网络和互联设备可增强电力系统灵活性以容纳更多可再生能源，推动能源转型。 （3）加速交通和供暖电气化对于下一阶段的能源转型至关重要。支持电动汽车充电基础设施建设；推广替代取暖技术，如工业和建筑中采用热泵供暖；将电力系统与终端用户联系起来，如电动汽车智能充电提高电力系统灵活性，有助于集成波动性可再生能源。 （4）可再生能源发电制氢有助于减少化石燃料的使用。需制定全面政策鼓励在整个供应链（设备生产商、基础设施运营商和汽车制造商等）中对氢能的私人投资；需要具体工具降低基础设施投资风险并改善供应链的经济性；在上游实施可再生电力制氢认证以推动发展可再生电力制氢。 （5）供应链是满足不断增长的可持续生物能需求的关键。在不占用雨林并保证粮食供应的前提下，在现有农田和草地上经济有效地生产生物能源的潜力巨大。生产即用型生物质残留物的工业（如造纸、木材加工和食品行业）是转型的基础。生物燃料可能是未来几年航空、海运和长途公路运输等行业实现脱碳的主要甚至唯一选择，应制定针对性政策促进先进生物燃料及其供应链发展。 （6）全球能源系统脱碳立即采取政策行动。决策者应制定能源长期战略规划，确定目标并调整实现脱碳能源系统的政策和法规；需协调能源和气候政策，制定考虑气候和能源需求的能源转型长期战略；政策应为投资创造合适条件，包括对能效、可再生能源以及对电网、电动汽车充电、储能、智能电表等关键基础设施的投资；政策应保证公共和私营部门的密切合作；应建立监管环境促进系统创新，通过数字化技术实现智能能源系统，通过深度电气化促进部门融合。
    681浏览量
    原文链接

  • 《美国发布《医学成像人工智能的基础研究路线图》》
    • 来源专题：生物科技领域知识集成服务
    • 编译者：陈方
    • 发布时间：2020-09-11
    • 2019年4月16日，一份名为《医学成像人工智能（AI）的基础研究路线图》的特别报告发布在《放射学杂志》。这份报告是以2018年8月在马里兰州贝塞斯达举办的一次研讨会成果为基础，探讨了医学成像中AI应用的未来。此次研讨会获得了国立卫生研究院（NIH）、北美放射学会（RSNA）、美国放射学院（ACR）、放射学与生物医学成像研究学会（The Academy）的共同赞助。会议的目标是促进诊断医学成像应用相关方的合作，识别知识差距并制定基础研究优先领域的路线图。 图1 基础研究与转化研究的联系 报告认为，机器学习算法将在未来十年内改变临床成像实践，但目前机器学习仍处于早期阶段。报告概述了医学成像研究利用AI的五个优先研究领域： 1、需要新的图像重建和增强方法，将成像装置产生的源数据转化为适合人类解读的图像。例如可使用更小剂量的静脉造影材料、更低的辐射剂量和经历更短的扫描和重建时间来产生高质量的图像。 2、需要自动标记和注释方法来快速生成机器学习研究的训练数据。这些标记方法通常使用机器学习算法来处理来自成像报告或电子病历的信息。 3、需要开发针对临床成像数据复杂性而训练的新型机器学习算法。由于大多数深度学习研究是针对自然图像的照片和视频开展的，因此需要开发高分辨率、3D、4D、多模态和多通道的新型机器学习算法。 4、需要可以向人类用户解释或说明建议的机器学习方法。这些方法将作为一种复杂的临床“自动驾驶仪”协助人类成像专家开展工作。 5、需要经验证的图像免识别和数据共享的方法，以促进临床成像数据集的广泛可用性。在使用临床数据时隐私问题是至关重要的，因此需要适当的临床成像数据聚合方法，来产生训练机器学习所需的大量数据。 报告总结了基础研究与转化研究之间相关性（如图1所示），认为基础研究导致新的图像重建和标记方法、新的机器学习算法和解释方法出现，每种方法所形成的增强数据集、数据工程和数据科学将是AI在医学成像中的应用成功部署的关键。 该报告还描述了许多有助于产生更多公开可用、经过验证可重复使用数据集的、可用于评估的新算法和新技术，并指出为了用于机器学习，这些数据集需要能快速创建带标签或带注释的成像数据的方法。此外，必须开发针对临床成像数据量身定制的新型预训练模型体系结构和分布式训练方法，以减少对机构之间数据交换的需求。 在阐述人工智能在医学成像中的基础研究目标时，报告强调标准组织、专业协会、政府机构和私营企业必须共同努力为患者服务，而它们也将从成像技术创新中受益。 郑颖 编译自https://www.sciencedaily.com/releases/2019/04/190416132134.htm 原文标题：Roadmap for AI in medical imaging.
    405浏览量
    原文链接