This paper employs the self-propagating high-temperature synthesis (SHS) to prepare Al-Ti-C master alloys and explores the effects of integrating the rare earth element lanthanum to create Al-Ti-C-La composites. This research focuses on the microstructural changes in both the master alloy and pure aluminum, which aimed to elucidate the mechanisms that enhance grain refinement and resistance to grain refinement fading. The analysis reveals that when Al-Ti-C-La master alloys are incorporated into molten Al, the predominant structures formed include an Al matrix, rod-like Al3Ti phases, and TiC particles, alongside AlLa phases and substantial Al20Ti2La compounds. The grain refining capability of Al-Ti-C-La master alloys is significantly exceeds that of the Al-Ti-C master alloys. The addition of La markedly reduces the settling of TiC particles, thereby granting the Al-Ti-C-La master alloys excellent resistance to grain refinement fading. The newly formed Al20Ti2La phase plays a crucial role in refining the aluminum matrix, with metallic bond characteristics present on the side towards the Al matrix at the Al20Ti2La/Al interface and distinct covalent bond characteristics on the Al20Ti2La side. Moreover, the Al20Ti2La (110)/Al (110) interface exhibits the highest interfacial adhesion energy and stronger covalent bond features. Consequently, α-Al is prone to heterogeneously nucleate on the Al20Ti2La phase via the Al20Ti2La (110)/Al (110)-HCP orientation, which refines the grains of the aluminum matrix, ultimately enhancing the performance of aluminum-based alloys.

To enhance the efficiency of wireless power transmission for the implanted medical system, a human body surface conformal phase gradient metasurface (PGMS) has been designed in this letter. Based on geometric phase modulation, the PGMS can convert the spherical wave from the transmitting antenna into a plane wave, ensuring the electromagnetic wave perpendicular to human skin. Thereby the power transmission efficiency of the implanted system can be increased obviously. A three-layered cylindrical human tissue model, including skin, fat, and muscle layers, is used to analyze the performance of the PGMS. Simulation results show that the transmission coefficient amplitude of the metasurface element at 1.4 GHz exceeds 0.8. Then the spherical wave of the antenna converted into a plane wave is verified by a 3 × 3 PGMS array when the transmitting antenna is located 50 mm away. Finally, the measurement results have been obtained, which exhibit very good agreement with the simulation. The distinctive advantage of the designed PGMS lies in its flexibility, allowing it to be easily bent and conform to the contoured surfaces of the human body. Additionally, the PGMS offers seamless integration into various medical devices and implants, further enhancing its practicality. This research showcases the potential of the proposed PGMS in significantly enhancing wireless power transmission efficiency for implanted medical systems.

To detect and recognize small-size and submerged complex background targets in infrared images, we combine a dynamic receptive field fusion strategy and a multi-scale feature fusion mechanism to improve the detection performance of small targets significantly. The space-to-depth convolution module is introduced as a downsampling layer in the backbone first and achieves the same sampling effect. More detailed information is retained at the same time. Thus, the model’s detection capability for small targets has been enhanced. Then, the pyramid level 2 feature map with minimum receptive field and maximum resolution is added to the neck, which reduces the loss of positional information during feature sampling. Furthermore, x-small detection heads are added, the understanding of the overall characteristics and structure of the target is enhanced much more, and the representation and localization of small targets have been improved. Finally, the cross-entropy loss function in the original network model is replaced by an adaptive threshold focal loss function, forcing the model to allocate more attention to target features. The above methods are based on a public tool, the eighth version of You Only Look Once (YOLO) improved, it is named SPT–YOLO (SPDConv + P2 + Adaptive Threshold + YOLOV8s) in this paper. Some experiments on datasets such as infrared small object detection (IR-SOD) and infrared small target detection 1K(IRSTD-1K), etc. have been executed to verify the proposed algorithm; and the mean average precision of 94.0% and 69% under the condition of threshold at 0.5 and over a range from 0.5 to 0.95 is obtained, respectively. The results show that the proposed method achieves the best performance of infrared small target detection compared to existing methods.