XiaoMi-AI文件搜索系统
World File Search System声波
零级聚焦的零级声波的特殊性
摘要：在这项研究中，研究了基本抗对称（A 0）和对称（S 0）羔羊波的基本抗对称液的光束，以及零阶的剪切 - 霍利底氏（SH 0）波。使用有限元方法，对跨层换能器具有弧形电极的适当配置，以解释了缓慢曲线的各向异性和模式的分散板中的各向异性。fro纤维。基于分析的结果，制造了相关的延迟线，并在YX-LITHIUM NIOBATE板中测量了线的传递函数（插入损失）。使用电子扫描显微镜，可视化相同波的电场的分布。这项研究的结果可能对结合纳米和声音原理的混合设备和传感器很有用。
使用人工智能进行超声波检查的文章
人工智能 (AI) 将医学图像转换为高通量可挖掘数据。机器学习算法可用于建模病变检测、目标分割、疾病诊断和预后预测，显著促进了临床决策支持的精准医疗。短短几年内，发表的文章数量急剧增加，包括有关人工智能超声的文章。鉴于超声波具有与其他成像方式不同的独特属性，包括实时扫描、操作员依赖性和多模态性，读者应特别注意评估依赖超声波人工智能的研究。本综述为读者提供有针对性的指南，涵盖可用于识别强大和动力不足的超声波人工智能研究的关键点。
超声波中的人工智能
超声波 (US) 是一种灵活的绿色成像方式，随着先进超声波技术的不断涌现和美国数字医疗系统的完善，正在全球范围内作为各个临床领域的一线成像技术不断扩展。实际上，在超声波实践中，合格的医生应手动收集和视觉评估图像以检测、识别和监测疾病。由于超声波本身对操作员的依赖性高，诊断性能不可避免地会降低。相比之下，人工智能 (AI) 擅长自动识别复杂模式并对图像数据进行定量评估，显示出帮助医生获得更准确和可重复结果的巨大潜力。在本文中，我们将提供对 AI、机器学习 (ML) 和深度学习 (DL) 技术的一般了解；然后，我们回顾了人工智能尤其是深度学习技术在超声领域的快速增长的应用，基于以下解剖区域：甲状腺、乳腺、腹部和骨盆、产科心脏和血管、肌肉骨骼系统和其他器官，涵盖图像质量控制、解剖定位、物体检测、病变分割、计算机辅助诊断和预后评估；最后，我们就美国生物医学人工智能系统临床实践面临的挑战和机遇提出了自己的看法。
分析并增强自动驾驶汽车超声波传感器的安全性
摘要 — 自动驾驶汽车依靠传感器测量路况并做出驾驶决策，其安全性在很大程度上取决于这些传感器的可靠性。在所有障碍物检测传感器中，超声波传感器的市场份额最大，预计将越来越多地安装在汽车上。此类传感器通过发射超声波并分析其反射来发现障碍物。通过利用传感器的内置漏洞，我们设计了针对超声波传感器的随机欺骗、自适应欺骗和干扰攻击，并设法欺骗车辆在应该继续行驶时停止，并让它在应该停止时无法停止。我们对独立传感器和移动车辆进行了攻击验证，包括带有“自动驾驶”系统的特斯拉 Model S。结果表明，攻击不仅会导致传感器失明和故障，还会导致自动驾驶汽车失明和故障，从而导致碰撞。为了增强超声波传感器和自动驾驶汽车的安全性，我们提出了两种防御策略，基于单传感器的物理移位认证（在物理层面验证信号）和多传感器一致性检查（使用多个传感器在系统层面验证信号）。我们对真实传感器的实验和 MATLAB 仿真揭示了这两种方案的有效性。
利用超表面进行 Grover 量子搜索算法的表面声波计算
由于并行处理的优势，基于波的计算最近引起了广泛关注。特别是，已经证明了几种声波计算设备可以执行经典算法和数学运算。在这里，我们扩展了声波计算以模拟量子算法，提出了一种支持欺骗表面声波的集成声学梯度超表面系统来实现 Grover 量子搜索算法。我们表明，这种集成元设备可以实现设计的亚衍射和透射相位，可用于模拟量子算法中使用的操作，例如 Hadamard 变换和平均值的逆。数值模拟证明了该设备具有良好的搜索能力，包括比经典算法快一倍的速度和亚波长搜索精度。我们预计，我们的结果将启发片上集成元设备的替代设计方案，以实现更多受量子启发的声学模拟计算。
使用计算机视觉和机器学习分析小鼠的超声波发声
摘要 小鼠发出超声波发声 (USV)，传达与社会相关的信息。为了检测和分类这些 USV，我们在此描述了 VocalMat。VocalMat 是一款使用图像处理和微分几何方法检测音频文件中的 USV 的软件，无需用户定义参数。VocalMat 还使用计算视觉和机器学习方法将 USV 分为不同的类别。在小鼠发出的 >4000 个 USV 数据集中，VocalMat 检测到了 98% 以上的手动标记 USV，并准确地将 11 个 USV 类别中的 »86% 的 USV 分类为 USV。然后，我们使用降维工具分析了不同实验组之间 USV 分类的概率分布，从而提供了一种量化和定性小鼠发声库的稳健方法。因此，VocalMat 无需用户输入即可自动、准确和定量地分析 USV，为详细和高通量地分析这种行为提供了机会。
表面声波中的费米子量子信息
量子计算机即将为现代技术带来革命，为科学家提供无与伦比的计算资源。借助叠加原理和纠缠等量子力学现象，这些计算机可以解决某些计算问题，而这些问题即使是最强大的传统超级计算机也无法解决。阻碍这场计算革命的主要挑战之一是对量子比特的精确控制。量子系统极其脆弱，从本质上讲，如果不破坏其量子态，就无法对其进行测量。我编写了一个数值程序来求解时间相关的薛定谔方程，这是一个描述波函数演化的微分方程。我的代码相对于其他求解器的优势在于速度。我使用了图形处理单元 (GPU)，这是一种最近才成熟的技术，可以加速高性能计算。硬件加速使我能够在几天内而不是几年内解决复杂的时间演化问题。如此出色的加速使我能够计算半导体器件中单个电子的行为。电子特别有趣，因为它们在现代技术中无处不在，而且是基本的量子粒子。使用我的代码生成的模拟，我跟踪了电子波函数在量子电路中传播时的时间演变。通过动画呈现波函数的演变，我能够直观地看到电子在空间和时间中传播的波函数。这是研究纳米器件中量子粒子行为的出色工具。我的论文重点关注实验室中现成器件的实际建模或可在不久的将来制造的设计。我首先将单个电子建模为量子比特。我给出了最佳量子比特的定义，并列出了操纵电子携带的量子信息所需的操作集。
