Comprehensive Summary Chiral covalent organic frameworks (COFs) have shown promising applications in asymmetric catalysis, enantiomer separation and chiral recognition due to their tunable structures and permanent porosity. Currently, synthesis of chiral COFs mainly relies on direct‐ synthesis method which requires asymmetric monomers to polymerize and crystallize with symmetric monomers and post‐synthesis method which has been greatly limited to having complete reactions with the micro‐/meso‐sized pores of COFs. Recently, the synthesis of two‐dimensional COFs by covalent replacement of chiral competitor has been reported. Herein, we present the synthesis of three types of 3D COFs with tunable chirality using chiral amino acid derivative surfactant as inducer in water under ambient conditions. The hydrogen bonds and electrostatic interactions between amino acid derivative surfactant and monomers as well as their precursors facilitate the transfer of the chirality.

The crystallization of organic polymers is often hindered by chiral units, hence resulting in chiral organic polymers typically existing as amorphous or partially crystalline phases such as natural rubber and cellulose. Similarly, as an emerging crystalline chiral polymer, chiral covalent organic frameworks (COFs) also inevitably face a delicate balance between chiral units and crystallization, limiting their production and applications in separation, catalysis, and optics. Here, we present a general strategy for producing a series of conformational chiral COFs with high crystallinity through breaking the meso conformation of achiral COFs. Conformational chirality of COF-300 was constructed by involving chiral amino-acid derivative templates during synthesis and was proven to have excellent thermodynamic (200 °C annealing in air) and dynamic stability (61% cell volume change). The stereochemistry of the conformational chiral crystals can be controllably tuned by chiral templates, resulting in wide-range circular dichroism signals from ultraviolet to infrared wavelengths and absorption dissymmetry factors (

In cloud computing, it is necessary to outsource image processing algorithms securely without exposing private image content. The scale-invariant feature transform (SIFT) is a famous local descriptor widely used in computer vision. There are already some privacy-preserving schemes for computing SIFT on encrypted images. However, the state-of-the-art works have to convert fixed-point numbers into their binary representations, which reduces efficiency and accuracy. In this paper, we propose a novel privacy-preserving SIFT scheme built from secure protocols designed explicitly for fixed-point numbers to solve this problem. Specifically, using RLWE-based homomorphic encryption, we propose word-wise protocols to perform secure division, square root operation, comparison, derivation, and matrix inversion in a single-instruction multiple-data manner. These protocols allow direct processing of fixed-point numbers without converting them to binary numbers, thus achieving high computational efficiency. We have also realized critical SIFT steps missing from previous works, including Euclidean gradient amplitude computation, histogram peak interpolation, and precise interval localization, leading to improved accuracy of SIFT features in the encrypted domain. We conduct security analysis and perform extensive experiments to evaluate the execution efficiency and accuracy. The experimental results show that the proposed scheme outperforms the state-of-the-art works in terms of computational efficiency and accuracy.