XiaoMi-AI文件搜索系统
World File Search System底层的
混合 FeNiOOH/α-Fe2O3/石墨烯光电极，具有...
本研究研究了电沉积 FeNiOOH/Fe 2 O 3 /石墨烯纳米混合电极的光电化学行为，该电极具有精确控制的结构和成分。光电极组件采用生物启发的方式设计，其中每个组件都有各自的功能：Fe 2 O 3 负责吸收光，石墨烯框架负责适当的电荷载流子传输，而 FeNiOOH 覆盖层负责轻松的水氧化。通过线性扫描光伏安培法、入射光子到电荷载流子转换效率测量和长期光电解研究了每种成分对光电化学行为的影响。与原始 Fe 2 O 3 相比，性能最佳的 FeNiOOH/Fe 2 O 3 /石墨烯系统获得的光电流高出 2.6 倍。瞬态吸收光谱测量表明，Fe 2 O 3 /石墨烯样品的空穴寿命增加。然而，长期的光电解测量结合拉曼光谱证明，底层的纳米碳框架被光生空穴腐蚀。这个问题通过电沉积一层薄薄的 FeNiOOH 覆盖层来解决，该覆盖层可以快速接受来自 Fe 2 O 3 的光生空穴，从而消除导致石墨烯腐蚀的途径。
在公平抽样假设下，后选择如何影响与设备无关的声明
设备独立认证采用贝尔测试来保证设备正常运行，该测试仅基于观察到的测量统计数据，即不对设备的内部功能做出假设。当使用效率过低的设备实施这些贝尔测试时，必须后选择导致成功检测的事件，从而依赖于公平采样假设。本文我们讨论的问题是公平采样下设备独立认证还剩下什么。我们根据滤波器提供后选择的直观描述，并将公平采样假设定义为这些滤波器的一个属性，与参考文献 [1] 中引入的定义等同。当满足此假设时，后选择数据将通过理想实验重现，其中无损设备测量滤波状态，该状态可以通过局部概率图从实际状态获得。因此，可以就此滤波状态的量子特性得出可信的结论，并且可以可靠地使用相应的测量统计数据，例如，用于随机性生成或量子密钥分发。我们还探索了更强大的公平采样概念，从而得出结论：后选数据是通过无损检测获得的数据的公平表示。此外，我们表明，我们的结论在与精确公平采样有小偏差的情况下仍然成立。最后，我们描述了以前或可能在公平采样下用于贝尔型实验的设置，并确定了底层的设备特定假设。
规划每周清单和决定 - 伦敦 - 兰贝斯议会
获得规划许可 12/04708/FUL 后申请非实质性修改（部分拆除壳牌中心，包括 Hungerford、York 和 Chicheley 翼楼、上层人行道、拆除架空平台、相关结构和相关场地清理，以便进行 8 栋建筑的混合用途开发，建筑高度从 5 层到 37 层不等，地下室有 4 层，提供高达 218,147 平方米的建筑面积（GIA），包括办公室（B1）、住宅（C3）（最多 877 个单位）、零售（A1-A5）、休闲（D2）和社区/休闲用途（D1/D2）、停车和服务空间、硬景观和软景观以及提供新的公共广场、Belvedere Road、Chicheley Street 和 York Road 的公路和景观美化工程、York Road 地铁站的改造、从新建筑到现有 Shell Centre Tower 的 2 座连接桥、York Road 的重新配置2014 年 6 月 6 日批准了一项修正案（包括保留人行天桥、新建车辆通道和其他相关工程）。要求的修改：改变 5 号楼 12 层和 13 层的公寓数量和布局，以及 5 号楼底层的零售建筑面积，以及相关的外部改建。
招标邀请 (ITT) 采购实体
合同名称和说明：RFX 1000001113：在 REREC HQ-Retender 供应、安装、配置和调试维护/租赁暗光纤并提供二级互联网链路。1. 招标将采用公开竞争方式（全国）进行，使用标准化招标文件。招标向所有合格和感兴趣的投标人开放。2. 合格和感兴趣的投标人可以在周一至周五的办公时间内获取更多信息并查阅招标文件，办公时间为上午 8:00 - 下午 12:45 至下午 1:45 - 下午 4:00，地点为位于 Kawi 综合大楼 C 座底层的农村电气化和可再生能源公司办公室。 3. 有意向的投标者可以免费通过电子方式从网站 www.rerec.co.ke 的招标文件栏目或电子采购门户网站 https://suppliers.rea.co.ke:44300/irj/portal 以及公共采购信息门户网站 https://tenders.go.ke 查看和下载完整的招标文件。尚未在 REREC 注册的投标者必须使用以下链接注册其公司才能参与投标，该链接可在网站 www.rerec.co.ke 采购供应商注册中找到：https://suppliers.rea.co.ke:44200/supportal(bD1lbiZjPTUwMCZkPW1pb g==)/bspwdapplication.do#VIEW_ANCHOR-ROS_TOP 4. 投标应以肯尼亚先令报价，并应包含所有税费。投标应保持
嵌入的纳米图案，用于在透明导电膜中有选择地抑制导热率和增强的透明度
透明的导电氧化物（TCO）薄膜是许多光电应用中的基石，包括显示器，光伏和触摸屏。在这些设备中，需要同时具有较高光学反式差异和电导率的薄膜。理想情况下，在正常设备操作期间产生的热量必须理想地补偿以实现最佳功能。解决热人类生物问题的一种可能方法是将热电（TE）属性添加到TCO膜中。然而，在保持最佳电导率和光学透明度的同时提高了TE性能是具有挑战性的：热和电运输特性已深深交织在一起。在这里，我们演示了一种方法，可以独立选择光学透明度，电导率和导热率。嵌入的纳米图案结构充满了二锡氧化物（ITO），并将其夹在两个ITO层之间。所得的三层结构表现出降低的导热率和出色的电导率。这是通过嵌入的ITO纳米模式中的电子通道来实现的，该纳米模式在电气连接顶部和底层的情况下，同时限制了声子介导的热传导。调整纳米图案的填充分数和厚度以提高光学传输，从而获得高于裸露膜的透明度。结果是透明的TCO三层层膜，具有同时高的TCO和功绩的热电图。
招标邀请
1. 招标将采用公开竞争方式（全国）进行，采用标准化招标文件。所有符合资格并有兴趣的投标人均可参与招标。 2. 符合资格并有兴趣的投标人可在周一至周五上午 8:00 至下午 12:45 和下午 1:45 至下午 4:00 办公时间内前往位于 Kawi 综合大楼 C 座底层的农村电气化和可再生能源公司办公室获取更多信息并查阅招标文件。 3. 有兴趣的投标人可从网站 www.rerec.co.ke 的招标文件栏目或通过电子采购门户网站 https://suppliers.rea.co.ke:44300/irj/portal 以及公共采购信息门户网站 https://tenders.go.ke 免费以电子方式查看和下载整套招标文件。 4. 招标文件可从网站 www.rerec.co.ke 免费查看和下载。 5. 投标报价应以肯尼亚先令计价，并应包含所有税费。投标自开标之日起 133 天内有效。 6. 所有投标必须附有投标担保，以银行担保的形式提供，具体金额如 TDS 所示。投标担保原件必须存放在本文件所述的投标箱中。 7. 投标人应按时间顺序对所提交的招标文件的所有页面进行序列化。
用于高数据速率植入式脑的微型天线...
摘要 医疗保健技术的进步要求开发高效、微型的植入式医疗设备。本文介绍了一种用于头皮生物医学应用的超宽带植入式天线，涵盖工业、科学和医疗 (ISM)（2.4 − 2.48 GHz）频段。所提出的天线安装在 0.1 − mm 厚的液晶聚合物 (LCP) Roger ULTRALAM（tan δ = 0.0025 和 ε r = 2.9）上，用作覆盖层和基底层的介电材料。LCP 材料因其柔韧性、顺应性结构和生物相容性等理想特性而广泛用于制造电子设备。为了保持电气小辐射器的能力并实现最佳性能，所提出的天线的体积设计为 9.8 mm3（7 mm × 7 mm × 0.2 mm）。在辐射贴片中增加短路针和开口槽，以及在接地平面中增加封闭槽，有利于天线的小型化、阻抗匹配和带宽扩展。值得注意的是，该天线在 ISM 频段的峰值增益为 − 20.71 dBi，阻抗匹配带宽为 1038.7 MHz。此外，根据基于低特定吸收率的 IEEE C905.1-2005 安全指南，该天线可以安全使用。为了评估植入式天线的性能，在均质和异构环境中进行了有限元仿真。为了验证，在装满碎猪肉的容器中进行测量。模拟结果与测量结果一致。此外，还进行了链路预算分析，以确认无线遥测链路的稳健性和可靠性，并确定植入式天线的范围。
用于多智能体轨迹预测的二阶图微分方程
多智能体轨迹预测是一项基础任务，可应用于自动驾驶、物理系统建模和智慧城市等各个领域。该任务具有挑战性，因为智能体交互和底层连续动力学共同影响其行为。现有方法通常依赖图神经网络 (GNN) 或 Transformer 来提取智能体交互特征。然而，它们往往忽略了智能体之间的距离和速度信息如何动态地影响它们的交互。此外，以前的方法使用 RNN 或一阶常微分方程 (ODE) 来模拟时间动态，这可能缺乏对每个智能体如何受交互驱动的解释性。为了应对这些挑战，本文提出了 Agent Graph ODE，这是一种显式模拟智能体交互和连续二阶动力学的新方法。我们的方法采用变分自编码器架构，在编码器模块中结合了具有距离信息的时空Transformer和动态交互图的构建。在解码器模块中，我们采用具有距离信息的GNN来建模智能体交互，并使用耦合的二阶微分方程(ODE)来捕捉底层的连续动力学，该微分方程通过建模加速度和智能体交互之间的关系来构建模型。实验结果表明，我们提出的Agent Graph ODE在预测精度方面优于最先进的方法。此外，我们的方法在训练数据集中未见的突发情况下也表现良好。
基于深度学习的局部场势事件解码
摘要 大脑皮层如何处理信息？为了回答这个问题，人们付出了很多努力来创造新的和进一步开发现有的神经成像技术。因此，fMRI 设备的高空间分辨率是准确定位认知过程的关键。此外，电生理装置的时间分辨率和记录通道数量的增加为研究神经活动的确切时间打开了大门。然而，在大多数情况下，记录的信号是多次（刺激）重复的平均，这会抹去神经信号的精细结构。在这里，我们展示了一种无监督机器学习方法可用于从单次试验的电生理记录中提取有意义的信息。我们使用自动编码器网络来减少单个局部场电位 (LFP) 事件的维度，以创建可解释的不同神经活动模式集群。令人惊讶的是，某些 LFP 形状对应于不同记录通道中的延迟差异。因此，LFP 形状可用于确定大脑皮层中信息流的方向。此外，在聚类之后，我们解码了聚类中心，以逆向工程底层的原型 LFP 事件形状。为了评估我们的方法，我们将其应用于啮齿动物的神经细胞外记录和人类的颅内 EEG 记录。最后，我们发现自发活动期间的单通道 LFP 事件形状来自可能的刺激诱发事件形状的范围。迄今为止，这一发现仅在多通道群体编码中得到证实。
利用时间算法实现节能卷积
卷积是许多应用的核心操作，包括图像处理、对象检测和神经网络。虽然数据移动和协调操作仍然是通用架构优化的重要领域，但对于与传感器操作融合的计算，底层的乘法累加 (MAC) 操作主导了功耗。非传统数据编码已被证明可以降低这种算法的能耗，其选项包括从低精度浮点到完全随机运算的所有选项，但所有这些方法都始于一个假设，即每个像素都已完成完整的模数转换 (ADC)。虽然模拟时间转换器已被证明消耗更少的能量，但除了简单的最小值、最大值和延迟操作之外，对时间编码信号进行算术操作以前是不可能的，这意味着卷积等操作已经遥不可及。在本文中，我们展示了时间编码信号的算术操作是可行的、实用的，并且极其节能。这种新方法的核心是将传统数字空间负对数变换为“延迟空间”，其中缩放（乘法）变为延迟（时间上的加法）。挑战在于处理加法和减法。我们展示了这些操作也可以直接在这个负对数延迟空间中完成，结合和交换性质仍然适用于变换后的运算，并且可以使用延迟元件和基本 CMOS 逻辑元件在硬件中高效地构建精确的近似值。此外，我们展示了这些操作可以在空间中链接在一起或在时间上循环操作。这种方法自然适合分阶段 ADC 读出