集微网消息，天眼查显示，近日华为技术有限公司新增多条专利信息，其中一条名称为“晶圆处理装置和晶圆处理方法”，公开号为CN117219552A。

  专利摘要显示，本公开的实施例涉及晶圆处理装置和晶圆处理方法。晶圆处理装置包含：晶圆载台，晶圆载台可沿旋转轴线旋转；机械臂，包括机械手，用于搬运晶圆并将晶圆放置在晶圆载台上；控制器；以及校准组件，包括：光栅板，相对于晶圆载台固定；光源，相对于光栅板固定；以及成像元件，固定设置在机械臂上，并且适于接收从光源发出的、透过光栅板的光；其中，控制器被配置成基于成像元件对接收到的光的检测，控制机械臂或机械臂上的调整装置来调整晶圆的位置；其中，在晶圆载台承载晶圆的情况下，光栅板和成像元件分别位于晶圆载台的上表面所在平面相对两侧，上表面用于承载晶圆。本公开的实施例提供的装置和方法可提升晶圆对准效率和对准精度。

  据悉，截至2022年底，华为持有超过12万项有效授权专利，主要分布在中国、欧洲、美洲、亚太、中东和非洲。其中，华为在中国和欧洲各持有4万多项专利，在美国持有22,000多项专利。

  集微网消息，中国贸易救济信息网消息显示，2023年12月13日，瑞典Telefonaktiebolaget LM Ericsson根据《美国1930年关税法》第337节规定向美国际贸易委员会提出申请，主张对美出口、在美进口及销售的特定电子计算设备及其组件和模块违反了美国337条款。

  资料显示，337调查是指美国国际贸易委员会根据美国《1930年关税法》第337节（简称“337条款”），对不公平的进口行为做出详细的调查，并采取制裁措施的做法。如果进口产品侵犯了美国有效的知识产权，该知识产权权利人（无论其是美国企业还是外国企业）可以向ITC提起337调查申请，并要求ITC采取相关救济措施。

  集微网消息，天眼查显示，近日小米汽车科技有限公司“雷达壳体、车载雷达和车辆”专利获授权，公开号为CN220171231U。

  专利摘要显示，本实用新型涉及一种雷达壳体、车载雷达和车辆，所述雷达壳体包括：迎风部和后端部，所述后端部设于所述迎风部的后侧，在所述雷达壳体由前至后的方向上，所述后端部的高度逐渐降低，所述迎风部与所述后端部的连接处具有弧形过渡面，所述后端部的外壁面设有多个间隔布置的凹坑，所述凹坑邻近所述弧形过渡面布置。本实用新型的雷达壳体能够更好的降低风噪，提升乘客使用体验感。

  据悉，12月12日，小米汽车SU7电池信息出现在工信部最新公布的免征车辆购置税的新能源汽车车型目录中。信息数据显示，小米汽车SU7有两个电池版本，容量分别为101kWh和73.6kWh。其中，根据不同车型，101kWh对应的CLTC续航能力分别为800km、750km；73.6kWh对应的CLTC续航能力分别为668km、628km。

  11月15日，小米汽车现身新一期工信部目录。信息数据显示，产品商标为小米牌，企业名为北京汽车集团越野车有限公司，注册地址为北京市顺义区赵全营镇兆丰产业基地同心路1号，生产地址为北京经济技术开发区环景路21号院。产品信息方面，小米汽车长宽高分别为4997mm、1963mm、1455mm，轴距为3000mm。

  近日，北京大学集成电路学院、AI研究院，集成电路高精尖创新中心研究团队在《科学‧进展》（Science Advances）在线发表了题为“存内模拟计算一步求解压缩感知还原”（In-memory analog solution of compressed sensing recovery in one step）的研究论文。基于阻变存储器（忆阻器）阵列，该论文设计了一步实现矩阵-矩阵乘法的存内计算单元，并基于该单元设计了模拟计算电路，实现一步求解压缩感知还原算法。

  压缩感知技术是现代信号、图像处理的基石，已被成功应用于医学成像、无线通信、目标追踪和单像素相机等重要领域。利用压缩感知理论，稀疏信号在前端传感器中能轻松实现高度欠采样，突破奈奎斯特采样定律，从而明显提升采样效率。在后端处理器中，通过求解稀疏近似问题，压缩感知信号能够获得还原。然而，压缩感知还原算法很复杂，通常涉及高复杂度的矩阵计算和非线性元素操作，使得后端处理器还原过程成为了整个压缩感知流程中公认的瓶颈，限制了压缩感知技术在高速、实时信号处理场景中的应用。

  为了加速压缩感知还原，在传统数字领域，要么利用深度学习等先进算法，要么通过设计高并行处理器。然而，计算效率仍然从根本上受到矩阵计算的多项式复杂度的限制。模拟计算具有固有的计算并行性，有望为解决该问题提供本质的加速。然而，同样地，由于压缩感知还原异常高的复杂性，此前的模拟计算方案依赖于三次方复杂度的矩阵-矩阵乘法预计算，或者需要迭代计算完成，产生频繁的数模和模数转换。因此，一步求解压缩感知还原仍然是一个巨大的挑战。

  为了解决该问题，研究团队首先设计了一种一步实现矩阵-矩阵-向量乘法（MMVM）的模拟存内计算单元，从而避免了矩阵乘法的预计算操作。进一步地，团队从求解的动力学方程出发，将该单元与其它模拟元件连接形成反馈回路，准确地映射了相应的算法，实现了无需预计算、无需迭代的一步求解压缩感知还原。

  实验中，研究人员首先通过标准的半导体工艺制备了忆阻器阵列，并基于该阵列构建了设计的压缩感知还原电路。将压缩后的信息转化为电压信号输入到电路中，电路的输出端就可以输出还原的原始信号。基于该电路，研究团队在实验中还原了一维稀疏信号、二维彩图和核磁共振影像（MRI），其归一化均值误差低达0.01，图片的峰值信噪比也达到了27dB。该电路的求解速度比深度学习等数字计算方式快1-2个数量级，同时也优于其它的电子或光子模拟计算方案。该电路为压缩感知终端设备的实时信号处理提供了一种全新的解决方案，有望促进实现先进的医疗、通信和图像处理技术。

  论文的第一作者是北京大学集成电路学院、AI研究院2021级博士研究生王识清，通讯作者是北京大学孙仲研究员，共同作者包括北京大学博士研究生罗宇标、左濮深、潘伦帅和李永祥。这项研究工作获得中国科技部、国家自然科学基金、111计划、集成电路高精尖创新中心等项目支持。