XiaoMi-AI文件搜索系统
World File Search System制成
描述由组合标准单元和处理器逻辑路径制成的 1.2V 65nm CMOS 振荡器中的 BTI 和 HCD
摘要 — 偏置温度不稳定性 (BTI) 和热载流子退化 (HCD) 是主要的老化机制，经常通过晶体管测量或基于反相器 (INV) 的环形振荡器 (RO) 测量进行研究。然而，大规模数字电路通常用标准单元（如逻辑门）制造。在可靠性模拟流程中（例如，基于 SPICE 的标准单元特性与退化晶体管）必须对标准单元做出许多假设（例如负载电容、信号斜率、老化模型的不确定性等），并且可能导致较高的模拟不确定性。在这项工作中，我们建议用硅中的标准单元振荡器测量来验证这种标准单元特性。为此，我们提出以下新颖的贡献：1）首次基于从处理器中提取的逻辑路径对异构振荡器（一个 RO 中的多种不同单元类型）进行 BTI 和 HCD 测量。 2） 第一项工作探索了 BTI 和 HCD 对包含组合标准单元的振荡器的影响，即包含多个逻辑门的单个单元（例如与-或-反相器 (AOI) 单元和或-与-反相器 (OAI)）和执行复杂操作（例如全加器）的单元。
对用水处理的纤维素和壳聚糖衍生物制成的绿色多孔复合材料的综述
水污染是许多常见病例的令人震惊的问题之一，例如海上油轮的漏油以及含有高水平的重金属和染料的废水，尤其是在纺织工业中。这些情况严重影响了水生态系统的发展以及周围人口，动植物的健康。最近，由于它们在适当的激活后能够吸收大量污染物的能力，因此被认为是处理水问题的有效解决方案。在这项研究中，我们概述了由纤维素和壳聚糖制成的多孔复合材料，这是发展中国家农业和渔业副产品中的两个巨大资源。混合纤维素和壳聚糖的泡沫，水凝胶珠，膜和气凝胶说明了废水中油，溶剂，染料和重金属的有效吸收。本审查介绍了上述水污染问题的状态；从生物废物中提取的两种天然成分的丰度；分析和比较不同方法，以合成纤维素/壳聚糖多孔复合材料及其物理化学特征。最后，讨论了水处理中多孔复合材料的应用和前瞻性观点，以显示出开发高级和功能材料的有希望的研究方向。
自组装两性离子芳族聚酰胺两亲物纳米带制成的防污表面涂层
两性离子表面因其具有抵抗蛋白质、细菌和细胞粘附的倾向而越来越多地被用作防污涂层，并且通常以聚合物系统的形式应用。据报道，强相互作用的小分子两亲分子的自组装可产生用于防污应用的纳米带。合成的两亲分子自发形成具有纳米级横截面的微米长纳米带，并且本质上在其表面上显示出致密的两性离子部分涂层。涂有纳米带的基质表现出浓度依赖性厚度和近乎超亲水性。然后探测这些表面涂层的防污性能，结果表明，与未涂层对照相比，蛋白质吸附、细菌生物膜形成和细胞粘附均显着降低。利用粘性小分子自组装纳米材料进行表面涂层为有效的防污表面提供了一种简便的途径。
冷原子传感器的微制成部分
激光冷却原子已被证明具有精度计量学的变革性，在最新的时钟和干涉仪中起着关键作用，并有可能在我们的现代技术能力中提供逐步变化。要成功探索其全部潜力，必须将激光冷却平台从实验室环境转换为便携式，紧凑的量子传感器，以在实践应用中部署。如果要实现明确的芯片尺度冷原子传感器，则需要将各种组成部分和专业知识合并。我们介绍了冷原子传感器微型化的最新发展，重点是使芯片尺度上激光冷却的关键组件。将讨论组件对传感器可伸缩性和性能的设计，制造和影响，以对下一代芯片尺度冷原子设备的前景进行讨论。
由功能化蛋白质原纤维制成的可水处理的生物塑料薄膜
功能材料。从这个方面来看，开发可扩展的方法来修改蛋白质的性质非常重要。蛋白质在材料科学中应用的一个有趣平台是淀粉样蛋白和淀粉样蛋白原纤维。此类原纤维是高度各向异性的物体，通常直径为 5-10 纳米，长度在微米范围内，[6] 其详细结构取决于特定蛋白质和原纤维化条件。[7] 原纤维由含有延伸 β 片层的原丝构成，这会导致形成染料可结合的疏水沟。虽然体内形成的淀粉样蛋白原纤维与多种疾病有关，包括阿尔茨海默病和帕金森病，[8] 但近年来已发现一系列功能性淀粉样蛋白，生物体将淀粉样蛋白用于建设性目的。 [8] 此类功能性淀粉样蛋白可为新型材料的开发提供灵感，最近，人们利用转基因大肠杆菌 ( E. coli ) 来制备可用作生物塑料的生物膜。[9] 此外，与疾病无关的蛋白质可以在体外形成原纤维，从而产生所谓的淀粉样原纤维。[10] 在下文中，我们将此类材料称为蛋白质纳米原纤维 ( PNF )。PNF 可以由多种蛋白质形成，其中许多蛋白质可大量获得且成本低廉（例如来自植物资源或工业侧流）。[11] 本文采用鸡蛋清溶菌酶 ( HEWL ) 作为蛋白质来源。HEWL 可大量获得（作为食品添加剂 E1105），而且成本相对较低。通过加热酸性 HEWL 水溶液，蛋白质很容易转化为溶菌酶 PNF，[10c,d] 下文缩写为 LPNF。由于其高长宽比，PNF 显示出一系列有趣的固有结构特性，例如极易形成凝胶或液晶相。[12] 一个众所周知的挑战是，当 PNF 组装成薄膜等宏观材料时，它们往往很脆。[13] 因此，最近一个有趣的发展是证明通过在聚乙烯醇 (PVA) 和/或甘油 (GLY) 存在下形成 PNF（源自植物蛋白或食物蛋白），可以制备具有坚固机械性能的可生物降解薄膜。[14] 此外，用发光分子功能化的 PNF 可以与 PVA 和 GLY 混合以形成独立的 LED 涂层。 [15] PNF 通常表现出新兴的光学特性，例如固有荧光和增加的双光子吸收。[16] 然而，为了充分利用 PNF 在光学应用方面的潜力，通常需要用有机荧光团对 PNF 进行功能化。[17] 大多数现成的有机荧光团都具有
回收人类头发制成的活性炭用于能源...
1. 引言 活性炭是一种具有高表面积和孔隙率的碳质材料。它来源于碳含量较高的富碳有机前体，例如煤、聚合物或生物质，在高温下对这些材料进行物理或化学活化以增加碳含量[1]。换句话说，活性炭是通过热分解碳含量较高的富碳有机材料获得的。文献中明确定义活性炭是通过富碳有机材料的物理或化学活化获得的[2]。简而言之，物理活化可以通过单阶段[3]或两阶段[4]过程进行。在常用的两阶段过程中，富碳材料的碳化是在惰性气氛中的反应器中实现的，然后使用CO 2 、蒸汽、空气或它们的混合物进行活化以增加表面积和孔隙率[5]。化学活化工艺是一个单阶段工艺，其中将碳质材料与活化剂（例如氢氧化钾、磷酸和氯化锌）混合，然后在惰性气氛下施加高温获得活性炭 [1]。其目的是通过使用任一活化工艺来合成高表面积和高孔隙率的活性炭材料。
自组装两性离子芳族聚酰胺两亲物纳米带制成的防污表面涂层
两性离子表面因其具有抵抗蛋白质、细菌和细胞粘附的倾向而越来越多地被用作防污涂层，并且通常以聚合物系统的形式应用。据报道，强相互作用的小分子两亲分子的自组装可产生用于防污应用的纳米带。合成的两亲分子自发形成具有纳米级横截面的微米长纳米带，并且本质上在其表面上显示出致密的两性离子部分涂层。涂有纳米带的基质表现出浓度依赖性厚度和近乎超亲水性。然后探测这些表面涂层的防污性能，结果表明，与未涂层对照相比，蛋白质吸附、细菌生物膜形成和细胞粘附均显着降低。利用粘性小分子自组装纳米材料进行表面涂层为有效的防污表面提供了一种简便的途径。
铁屑和聚苯乙烯废料制成的聚合物复合材料的机械、晶体学和微观结构分析
采用溶剂铸造法，以铁屑废料为填料，开发聚苯乙烯复合材料，旨在提高机械、晶体学和微观结构性能，以满足特定用途。根据 ASTM D638-10 标准进行拉伸试验。还进行了 X 射线衍射 (XRD) 分析和微观结构分析。杨氏模量随填料浓度 (0 – 15 wt%) 的增加而增加 (从 335.2 N/mm 2 增加到 1131.3 N/mm 2 )，断裂伸长率则反之亦然 (从 4.9 mm 增加到 1.6 mm)。XRD 显示，铁屑颗粒和聚苯乙烯基树脂 (PBR) 基质之间存在良好的结构相互作用。该复合材料分别结合了聚苯乙烯和铁屑的无定形和晶体性质。也没有观察到化学反应，但聚苯乙烯基体中形成了协同结构增强。微观结构分析表明，铁屑颗粒在聚苯乙烯基体中分散性良好，分布均匀；填料质量分数为15%的复合材料界面黏附性最好，颗粒-基体体系的混合比例适宜。
用DNA制成的高度形状和大小可调膜纳米孔
17。在这里，我们表明使用DNA的理性设计可以大大扩展膜纳米孔的结构和功能范围。我们的设计策略将DNA双链体捆成成孔亚基，它们会模块化形成可调的孔形状和最高数十纳米的管腔宽度。可以选择附加识别或信号的功能单元。通过拨入基本参数，我们使用广泛使用的研究和手持式分析设备通过电直接单分子传感来证明定制毛孔的实用性和潜力。设计师纳米孔说明了DNA纳米技术如何提供功能性生物分子结构，用于合成生物学，单分子酶学和生物物理分析以及便携式诊断和环境筛查。膜毛孔的管腔定义了它们在生物学和技术中的功能。在纳米孔传感中，通道宽度控制单个分子的入口和通过，并影响分析物阻断通道管腔18-
采用低损耗和低介电常数树脂制成的 3D 打印介电透镜的 Ku 波段/Ka 波段模拟和测试
根据电磁有限元法的轶事经验，这种复杂性估计为 O(N^2)。因此，理论上，将问题体积减少四倍可将解决时间减少十六倍。一个简单的比较示例是根据所述透镜问题在一个频率（35 GHz）下构建的，在 HFSS 版本 2021R2 中仅进行一次自适应传递，并在一台运行速度为 3.50GHz 的两台 8 核 Intel(R) X eon(r) Gold 6144 处理器的计算机上运行。（由于购买了基本多核 HFSS 许可选项，因此在这些模拟示例中仅使用了四个内核。）四分之一模型产生 47,588 个四面体并在 131 秒内解决，而完整模型产生 181,817 个四面体并在 2143 秒内解决。因此，此示例的速度提高了 16.35 倍。请注意，这些比较的是总运行时间，而不仅仅是矩阵求解时间。