XiaoMi-AI文件搜索系统
World File Search System低光
HgCdTe APD 探测器的高速、低光子数和大动态范围光电检测开发
HgCdTe 雪崩光电二极管 (APD) 由 CEA/Leti 开发，用于实现需要检测每个空间和/或时间箱中少量光子所含信息的应用，例如 LiDAR 和自由空间光通信。此类探测器的要求与应用密切相关，这就是为什么 HgCdTe APD 技术和用于提取检测到的光电流的近距离电子设备都需要针对每种应用进行优化的原因。本通讯报告了在 H2020 项目 HOLDON 范围内制造的高动态范围 LiDAR 应用探测器和与 Mynaric Lasercom AG 合作制造的高数据速率 FSO 的开发结果。对于 FSO 应用，我们已测量了直径为 10 µm 的 APD 在单位增益下的 10 GHz 带宽。在更高的 APD 增益和直径下，BW 目前分别受载流子传输和小面积和大面积 APD 中的电阻电容积限制。对于 LiDAR，我们开发了由并联二极管阵列组成的 APD，其直径高达 200 µm，雪崩增益大，M>100，将与专用 CMOS 放大器混合使用。该电路旨在实现光子散粒噪声限制的线性检测，信号动态范围为 6 个数量级，观察时间范围从 ns 到 µs。在单位 APD 增益下进行的首次表征表明，HOLDON 探测器将满足灵敏度和线性动态范围方面的大多数所需性能参数。
64 128 3D堆叠的Spad图像传感器，用于低光...
摘要：在许多领域，诸如安全监视，夜间自动驾驶，荒野救援和环境监测等许多领域的急需需求都有急需的需求。SPAD设备的出色性能为它们在低光成像中的应用中带来了巨大的潜力。本文介绍了专为低光成像设计的64（行）×128（列）SPAD图像传感器。芯片利用了三维堆叠结构和微卷技术，再加上紧凑的门控像素电路，设计了厚山墙MOS晶体管，从而进一步增强了Spad的光敏性。可配置的数字控制电路允许调整曝光时间，从而使传感器适应不同的照明条件。芯片表现出非常低的黑噪声水平，平均DCR为41.5 cps，在2.4 V多余的偏置电压下。此外，它采用了专门为SPAD图像传感器开发的脱氧算法，在6×10 - 4 Lux照明条件下实现了两维灰度成像，表现出出色的低光成像功能。本文设计的芯片充分利用了SPAD图像传感器的性能优势，并且对需要低光成像功能的各个领域的应用有望。
SIPM应用粒子中低光检测的应用和...
由5.9 t活性LXE（166 K）填充的TPC直接检测DM。wimps与LXE核的相互作用产生闪烁光（46ɣ /kev @ 178 nm）。253（顶部）和241（底部）Hamamatsu R11410-21低背景低温PMTS由Hamamatsu和Xenon合作共同开发。PMT选择在操作过程中几乎10％的PMT失败。5％高脉冲率，<5％的光泄漏。1.5 kV偏置，以避免不稳定性，例如瞬态闪光灯。对于所有PMT，在LXE温度下测量了约40 Hz的典型暗计数。
量子多谱方法在低光子速率下对闪烁量子发射器的动力学进行研究，无需分箱：让每个光子都发挥作用
量子发射器的闪烁统计及其相应的马尔可夫模型在生物样本的高分辨率显微镜以及纳米光电子学和许多其他科学和工程领域中发挥着重要作用。目前用于分析闪烁统计的方法，如全计数统计和维特比算法，在低光子速率下会失效。我们提出了一种评估方案，它消除了对最小光子通量和通常的光子事件分箱的需求，而这限制了测量带宽。我们的方法基于测量记录的高阶光谱，我们在最近引入的量子多光谱方法中对其进行了建模，该方法来自连续量子测量理论。通过这种方法，我们可以确定半导体量子点在比标准实验低 1000 倍的光级下的开启和关闭速率，比使用全计数统计方案实现的低 20 倍。因此，建立了一种非常强大的高带宽方法，用于单光子隐马尔可夫模型的参数学习任务，并可应用于许多科学领域。
降低光催化二氧化碳的评论
摘要减轻了CO 2排放，CO 2减少到多碳燃料或其他可用物质是一种吸引人但必不可少的方法。由于CO 2的减少是一种热力学上坡过程，因此只有当使用的能源具有可再生能源（例如太阳能）时，经济的CO 2固定才能实现。光催化CO 2还原是一个复杂的程序，因为它依赖催化剂设计，选择性，效率和光稳定性。光催化CO 2还原反应的能力受因子的影响，例如光催化剂的类型使用其带隙的能量，表面积和晶体结构。本综述讨论了光催化CO 2还原的动力学和热力学，并考虑了缺陷和杂质掺杂对光催化的参数的影响。该研究还集中于产品的选择性，即甲烷，甲醇，甲醛等。这项全面的综述提供了有关CO 2光量化光催化效率的发展和提高的见解，这有助于减少碳排放和更可持续的未来。
低噪声穿透式 APD，适用于低光照水平检测
Excelitas Technologies 的 C30902EH 系列雪崩光电二极管采用双扩散“穿透”结构制造而成。这种结构在 400 nm 和 1000 nm 之间具有高响应度，并且在所有波长下都具有极快的上升和下降时间。该设备的响应度与高达约 800 MHz 的调制频率无关。探测器芯片密封在改进的 TO-18 封装中的平板玻璃窗后面。光敏表面的有用直径为 0.5 毫米。C30921EH 采用光导管 TO-18 封装，可将光从聚焦点或直径达 0.25 毫米的光纤高效耦合到探测器。密封的 TO-18 封装允许将光纤连接到光导管末端，以最大限度地减少信号损失，而不必担心危及探测器的稳定性。 C30902EH-2 采用密封 TO-18 封装，内嵌 905nm 通带滤波器，C30902BH 采用密封球透镜，构成了 C30902EH 系列。C30902 APD 系列还具有单光子 APD (SPAD)，可在盖革模式和线性模式下以更高的增益运行。有关更多信息，请参阅我们的 C30902SH 数据表。
使用运营协议和储能来降低光伏并网成本：概念框架
本作品部分由美国国家可再生能源实验室撰写，该实验室由可持续能源联盟有限责任公司运营，为美国能源部 (DOE) 服务，合同编号为 DE-AC36-08GO28308。资金由美国能源部能源效率办公室和可再生能源太阳能技术办公室提供。本文表达的观点不一定代表美国能源部或美国政府的观点。可持续能源联盟有限责任公司 (Alliance) 是国家可再生能源实验室 (NREL) 的管理者和运营商。可持续能源联盟有限责任公司的员工根据与美国能源部的合同编号 DE-AC3608GO28308 撰写了本作品。美国政府保留；出版商在接受发表本文时，即承认美国政府保留非独占、已付费、不可撤销的全球许可，可以出于美国政府目的出版或复制本作品的已出版形式，或允许他人这样做。
利用运营协议和储能降低光伏并网成本：技术和经济分析
Horowitz 等人 (2018) 对与光伏部署相关的配电系统成本进行了荟萃分析。他们发现，光伏集成对电网的影响、出现问题时的光伏渗透水平以及避免负面影响的成本变化很大。对特定光伏集成场景的分析也产生了广泛的结果，但出现了一些共同的主题。承载容量 1 和后续升级成本取决于多种因素，例如馈线的长度、光伏系统在馈线上的位置、光伏发电是分散还是集中、负载曲线及其灵活性、电网配置和使用的设备 (Horowitz 等人 2018)。另一项分析仅对三条代表性馈线观察到了广泛的影响，光伏承载容量从日间峰值负载的中位数的 15.5% 到 100% 以上不等 (Jothibasu 等人 2016)。
用于空间领域感知应用的加速 AI 驱动大气预测 丹尼·费尔顿 诺斯罗普·格鲁曼公司 玛丽·艾伦·克拉多克、希瑟·凯利、兰德尔·J·阿利斯、埃里克·佩奇、杜安·阿普林 诺斯罗普·格鲁曼公司 摘要 太空激光和监视应用经常受到大气效应的影响。气溶胶、云和光学湍流引起的大气衰减和扭曲会产生有害影响，从而对任务结果产生负面影响。2019 年 AMOS 会议上简要介绍的一篇论文介绍了 2017 年在哈莱阿卡拉峰安装的地面仪器。这些仪器仍在积极收集数据，它们正在提供前所未有的空间环境实时表征，包括精确的大气传输损耗。虽然实时测量是理解和表征空间环境的第一步，但仅靠它们是不够的。为了优化任务规划，许多应用都需要对空间环境进行准确的短期大气预测。虽然大气预报并不是什么新鲜事，但最近随着 21 世纪人工智能 (AI) 技术的应用，大气预报的技能得到了极大提升。这些技术是高性能计算 (HPC) 和深度学习 (DL) 的结合。本演讲的主题是使用来自地面大气收集系统的 TB 级数据训练预测模型，并使用图形处理单元 (GPU) 加速其训练和推理的能力。本研究侧重于预测的三个时间尺度。这些时间尺度包括短期（0 到 60 分钟）、中期（1 小时到 3 小时）和长期（3 到 48 小时）。这些时间尺度代表激光和/或监视应用和任务的各种决策点。在短期预测情况下，多种 DL 技术应用于从光学地面站 (OGS) 收集的本地数据。这些 DL 技术包括使用 U-Net 卷积神经网络和多层感知器 (MLP) 和随机森林 (RF) 模型的集合。 MLP 用于从激光云高仪和红外云成像仪 (ICI) 等仪器收集的点数据。对于中间时间尺度，卷积长短期记忆 (LSTM) 网络和 U-Net 均使用来自 NOAA 地球静止卫星云图集合的图像进行训练。最后，组合 U-Net 和自动编码器神经网络用于训练由 HPC 数值天气预报 (NWP) 模型模拟的大气预测器以进行长期预测。NWP 会产生许多 TB 的数据，因此，使用这些神经网络是优化其预测能力的理想选择。本研究利用了多种 HPC 资源。其中包括由四个 NVIDIA Tesla V100 GPU 组成的内部 GPU 节点以及毛伊高性能计算中心 (MHPCC) 的资源。结果表明，在几乎所有情况下，这些预测技术都优于持久性，而且偏差很小。使用 HPC 和 DL 推理实时进行预测的能力是未来的重点，将在会议上报告。1. 简介大气衰减和失真降低了太空激光和监视应用的功效。特别是，云层可以部分或完全遮挡目标，并阻止或要求降低光通信系统的数据速率。但是，通过准确表征和预测大气影响，可以减轻许多负面影响。本研究的目的是开发和完善一种最先进的大气预测系统，该系统可生成高分辨率的大气衰减预测，以支持太空激光和监视应用的决策辅助。为了实现这一目标，HPC 和 AI 的进步与数 TB 的高分辨率地面和太空大气数据集合相结合。多种 HPC 资源用于处理本研究所需的地面和卫星数据，并使用四个 NVIDIA Tesla V100 GPU 加速 AI 预测技术的训练和推理。该技术用于进行多时间尺度大气预测：1 小时预测、2 小时以上预测和 48 小时预测。最长 1 小时；最长 2+ 小时；最长 48 小时。最长 1 小时；最长 2+ 小时；最长 48 小时。
用于空间领域感知应用的加速 AI 驱动大气预测 丹尼·费尔顿 诺斯罗普·格鲁曼公司 玛丽·艾伦·克拉多克、希瑟·凯利、兰德尔·J·阿利斯、埃里克·佩奇、杜安·阿普林 诺斯罗普·格鲁曼公司 摘要 太空激光和监视应用经常受到大气效应的影响。气溶胶、云和光学湍流引起的大气衰减和扭曲会产生有害影响，从而对任务结果产生负面影响。2019 年 AMOS 会议上简要介绍的一篇论文介绍了 2017 年在哈莱阿卡拉峰安装的地面仪器。这些仪器仍在积极收集数据，它们正在提供前所未有的空间环境实时表征，包括精确的大气传输损耗。虽然实时测量是理解和表征空间环境的第一步，但仅靠它们是不够的。为了优化任务规划，许多应用都需要对空间环境进行准确的短期大气预测。虽然大气预报并不是什么新鲜事，但最近随着 21 世纪人工智能 (AI) 技术的应用，大气预报的技能得到了极大提升。这些技术是高性能计算 (HPC) 和深度学习 (DL) 的结合。本演讲的主题是使用来自地面大气收集系统的 TB 级数据训练预测模型，并使用图形处理单元 (GPU) 加速其训练和推理的能力。本研究侧重于预测的三个时间尺度。这些时间尺度包括短期（0 到 60 分钟）、中期（1 小时到 3 小时）和长期（3 到 48 小时）。这些时间尺度代表激光和/或监视应用和任务的各种决策点。在短期预测情况下，多种 DL 技术应用于从光学地面站 (OGS) 收集的本地数据。这些 DL 技术包括使用 U-Net 卷积神经网络和多层感知器 (MLP) 和随机森林 (RF) 模型的集合。 MLP 用于从激光云高仪和红外云成像仪 (ICI) 等仪器收集的点数据。对于中间时间尺度，卷积长短期记忆 (LSTM) 网络和 U-Net 均使用来自 NOAA 地球静止卫星云图集合的图像进行训练。最后，组合 U-Net 和自动编码器神经网络用于训练由 HPC 数值天气预报 (NWP) 模型模拟的大气预测器以进行长期预测。NWP 会产生许多 TB 的数据，因此，使用这些神经网络是优化其预测能力的理想选择。本研究利用了多种 HPC 资源。其中包括由四个 NVIDIA Tesla V100 GPU 组成的内部 GPU 节点以及毛伊高性能计算中心 (MHPCC) 的资源。结果表明，在几乎所有情况下，这些预测技术都优于持久性，而且偏差很小。使用 HPC 和 DL 推理实时进行预测的能力是未来的重点，将在会议上报告。1. 简介大气衰减和失真降低了太空激光和监视应用的功效。特别是，云层可以部分或完全遮挡目标，并阻止或要求降低光通信系统的数据速率。但是，通过准确表征和预测大气影响，可以减轻许多负面影响。本研究的目的是开发和完善一种最先进的大气预测系统，该系统可生成高分辨率的大气衰减预测，以支持太空激光和监视应用的决策辅助。为了实现这一目标，HPC 和 AI 的进步与数 TB 的高分辨率地面和太空大气数据集合相结合。多种 HPC 资源用于处理本研究所需的地面和卫星数据，并使用四个 NVIDIA Tesla V100 GPU 加速 AI 预测技术的训练和推理。该技术用于进行多时间尺度大气预测：1 小时预测、2 小时以上预测和 48 小时预测。最长 1 小时；最长 2+ 小时；最长 48 小时。最长 1 小时；最长 2+ 小时；最长 48 小时。
低光3D医疗图像分割的替代基线--- Atlas Perspective
低射击（一次/几次）分割引起了越来越多的注意力，因为它在有限的注释方面效果很好。状态低射击分割方法通常集中于每个新颖类的隐式表示学习，例如学习原型，通过掩盖的平均池来得出指导特征，以及使用特征空间中的余弦相似性进行分割。我们认为，医学图像上的低射击序列应进一步，以明确了解图像之间的密集对应关系以利用解剖学相似性。核心思想的灵感来自多ATLAS分割的策略实践，其中基于地图集的分割的不可分割部分，即，注册，标签繁殖和标签融合均未验证为我们的工作中的一个框架。特别是，我们提出了两个替代基本线，即暹罗基线和个体差异意识到的基线，其中前者针对的是解剖上稳定的结构（例如脑组织），而后者则具有强大的普遍化能力，可以进行大量的大型形态学变异（例如大型形态学或 - ab domalminal ab domalminal（例如abansminal）。总而言之，这项工作为低射击3D医疗图像分割建立了基准，并阐明了对基于ATLAS的几片分段的理解。