Deep neural networks have achieved remarkable success in computer vision tasks. Existing neural networks mainly operate in the spatial domain with fixed input sizes. For practical applications, images are usually large and have to be downsampled to the predetermined input size of neural networks. Even though the downsampling operations reduce computation and the required communication bandwidth, it removes both redundant and salient information obliviously, which results in accuracy degradation. Inspired by digital signal processing theories, we analyze the spectral bias from the frequency perspective and propose a learning-based frequency selection method to identify the trivial frequency components which can be removed without accuracy loss. The proposed method of learning in the frequency domain leverages identical structures of the well-known neural networks, such as ResNet-50, MobileNetV2, and Mask R-CNN, while accepting the frequency-domain information as the input. Experiment results show that learning in the frequency domain with static channel selection can achieve higher accuracy than the conventional spatial downsampling approach and meanwhile further reduce the input data size. Specifically for ImageNet classification with the same input size, the proposed method achieves 1.60% and 0.63% top-1 accuracy improvements on ResNet-50 and MobileNetV2, respectively. Even with half input size, the proposed method still improves the top-1 accuracy on ResNet-50 by 1.42%. In addition, we observe a 0.8% average precision improvement on Mask R-CNN for instance segmentation on the COCO dataset.

Unmanned aerial vehicle (UAV)-enabled communication networks are promising in the fifth and beyond wireless communication systems. In this paper, we shed light on three UAV-enabled mobile edge computing (MEC) architectures. Those architectures have been receiving ever increasing research attention for improving computation performance and decreasing execution latency by integrating UAV into MEC networks. We present a comprehensive survey for the state-of-the-art research in this domain. Important implementation issues are clarified. Moreover, in order to provide an enlightening guidance for future research directions, key challenges and open issues are discussed.

The explosive growth of mobile devices and the rapid increase of wideband wireless services call for advanced communication techniques that can achieve high spectral efficiency and meet the massive connectivity requirement. CR and NOMA are envisioned to be important solutions for fifth generation wireless networks. Integrating NOMA techniques into CRNs has tremendous potential to improve spectral efficiency and increase system capacity. However, there are many technical challenges due to the severe interference caused by using NOMA. Many efforts have been made to facilitate the application of NOMA into CRNs and to investigate the performance of CRNs with NOMA. This article aims to survey the latest research results along this direction. A taxonomy is devised to categorize the literature based on operation paradigms, enabling techniques, design objectives, and optimization characteristics. Moreover, the key challenges are outlined to provide guidelines for the domain researchers and designers to realize CRNs with NOMA. Finally, open issues are discussed.

Two series of lanthanide metal-organic frameworks (Ln-MOFs) from two structurally related flexible carboxylate-based ligands were solvothermally synthesized. H3L2 with additional -CH2- group provides more flexibility and different coordination modes and conformations compared with H3L1. As a result, 2-Ln MOFs are modulated from two-dimensional kgd of 1-Ln to three-dimensional rtl topological frameworks and further achieve enhanced chemical stability. The Eu- and Tb-MOFs exhibit strong fluorescent emission at the solid state because of the antenna effect of the ligands. Interestingly, the emissions can be tuned by simply doping Eu3+ and Tb3+ of different concentrations within the Eu xTb1- x MOFs. Notably, 2-Ln MOFs realize nearly white light emission by means of a trichromatic approach (red of Eu(III), green of Tb(III), and blue of the H3L2 ligand). Furthermore, 2-Ln MOFs also exhibit water stability and demonstrate high selective and sensitive sensing activities toward Fe(III) and Cr(VI) in aqueous solutions. The results further highlight the importance of the ligand flexibility on tuning MOF structures with improved structural stability and ion-sensing properties.

In treatment of hypoxic tumors, oxygen-dependent photodynamic therapy (PDT) is considerably limited. Herein, a new bimetallic and biphasic Rh-based core-shell nanosystem (Au@Rh-ICG-CM) is developed to address tumor hypoxia while achieving high PDT efficacy. Such porous Au@Rh core-shell nanostructures are expected to exhibit catalase-like activity to efficiently catalyze oxygen generation from endogenous hydrogen peroxide in tumors. Coating Au@Rh nanostructures with tumor cell membrane (CM) enables tumor targeting via homologous binding. As a result of the large pores of Rh shells and the trapping ability of CM, the photosensitizer indocyanine green (ICG) is successfully loaded and retained in the cavity of Au@Rh-CM. Au@Rh-ICG-CM shows good biocompatibility, high tumor accumulation, and superior fluorescence and photoacoustic imaging properties. Both in vitro and in vivo results demonstrate that Au@Rh-ICG-CM is able to effectively convert endogenous hydrogen peroxide into oxygen and then elevate the production of tumor-toxic singlet oxygen to significantly enhance PDT. As noted, the mild photothermal effect of Au@Rh-ICG-CM also improves PDT efficacy. By integrating the superiorities of hypoxia regulation function, tumor accumulation capacity, bimodal imaging, and moderate photothermal effect into a single nanosystem, Au@Rh-ICG-CM can readily serve as a promising nanoplatform for enhanced cancer PDT.

Hydrogenation of CO2 to methanol is foreseen as a key step to close the carbon cycle and enable sustainable development. In this study, we show that introducing Ga into silica-supported nanoparticles based on group 8-9 transition noble metals (M = Ru, Os, Rh, and Ir – MGa@SiO2) switches their reactivity from producing methane (sel. >97%) to producing methanol (50% CH3OH/DME sel.) alongside CO as the only byproduct. These silica-supported catalysts, prepared via a surface organometallic chemistry approach, consist of small, alloyed and narrowly distributed MGa nanoparticles, as evidenced by X-Ray absorption spectroscopy (XAS) and CO adsorption studies. Notably, detailed in-situ XAS and diffuse reflectance FT-IR spectroscopy (DRIFTS) studies complemented with density functional theory (DFT) calculations indicate that Ga generates stable MGa alloys, which persist during CO2 hydrogenation and favor the formation of methoxyl species, thus driving the overall reaction to methanol formation while suppressing methanation.

Abstract A novel broadband water‐based Fabry–Pérot (FP) antenna with beam‐steerable technology is proposed. The antenna consists of a water‐based reconfigurable partially reflective surface (RPRS) and a source antenna. The proposed water‐based RPRS has 13 columns of microfluidic channels inside. The water‐based RPRS achieved 1‐D beam steering by regulating phase distribution through the injection of water into its microfluidic channels. The antenna has exhibited a 10‐dB impedance bandwidth from 5.07 to 6.46 GHz (a fractional bandwidth of 24.1%). This design achieves a beam steering from −11° to +11° in the elevation plane, with measured realised gains over 10 dBi. To verify the correctness of the design, an antenna prototype was fabricated. The measured results are in good agreement with the simulated results, confirming the accuracy of the design principle. The measured results demonstrate that the main beam of the antenna prototype tilts to −12° in the broadside direction.

In this study, strategies for meeting the carbon peak and carbon neutral targets are developed through an in-depth analysis of future energy demand and carbon emission scenarios in Jiangsu Province. The LEAP model was used to forecast energy demand and carbon emissions under different scenarios from 2021 to 2060. Under the baseline scenario, the energy demand of key industries in Jiangsu Province showed a high rate of growth, with energy consumption increasing by 2.35 times from 2021 to 2060, with an average annual growth rate of 3.46%. In contrast, under the Policy Implementation, Sustainable Development, and Innovation Promotion scenarios, total energy consumption decreased significantly by 45.98%, 58.96%, and 86.13%, respectively, demonstrating varying degrees of energy-saving potential. Projections of carbon emissions showed that the total carbon emissions under the baseline scenario showed a continuous growth trend, reaching 599 million t in 2060, with an average annual growth rate of 4.47%. In contrast, under the Policy Implementation, Sustainable Development, and Innovation Advancement Scenario, carbon emissions were significantly lower, as evidenced by a peak reaching 2025 or 2030 and a gradual decline. The industrial sector decreased year by year, the transportation sector showed an increasing trend, and the construction sector was relatively stable. Overall, with industrial restructuring and technological upgrading, Jiangsu Province is expected to achieve a gradual reduction in carbon emissions, but the increasing trend of carbon emissions from the transportation sector requires further monitoring.

Six iridium complexes were designed and studied using the DFT approach, (ppy) 2 Ir(pic) (1), (f 4 ppy) 2 Ir(pic) (2), (ppy) 2 Ir(tmd) (3), (f 4 ppy) 2 Ir(tmd) (4), (ppy) 2 Ir(tpip) (5) and (f 4 ppy) 2 Ir(tpip) (6).