本研究通过采用高介电常数电介质材料来提高19nm单栅极MOSFET的性能。通过采用高K电介质材料代替SiO2,可以满足MOSFET器件尺寸缩小趋势的要求。因此,实现了具有不同高K电介质材料的19nm n沟道MOSFET器件,并分析了其性能改进。通过Silvaco TCAD工具中的ATHENA模块进行虚拟制造。同时,使用ATLAS模块利用器件特性。还对上述材料进行了模拟,并与相同结构的传统栅极氧化物SiO2进行了比较。最后,结果证明,氧化钛(TiO2)器件是金属栅极钨硅化物(WSix)组合的最佳介电材料。该器件 (WSix/TiO2) 的驱动电流 (ION) 在阈值电压 (VTH) 为 0.534 V 时为 587.6 µA/um,而预测的目标值为 0.530 V,并且 IOFF 相对较低,为 1.92 pA/µm。该 ION 值符合国际半导体技术路线图 (ITRS) 2013 年对低性能 (LP) 技术预测的最低要求。
摘要:考虑到洪水对人们的影响,每年在尼日利亚的一些州,洪水有时会导致生命、动物、农作物、土地、建筑物等的损失,研究预测洪水的新兴技术方法变得非常必要,以便制定适当的规划并采取必要的措施,防止任何损失或将影响降至最低。因此,这项工作旨在研究人工智能这种新兴技术可用于使用遥感和 GIS 数据预测洪水的各种方式。这项研究采用回顾和解释性研究方法进行,数据是二手数据,包括教科书、在线发表的研究成果和图书馆资料。从研究结果可以看出,人工智能算法可用于通过洪水范围测绘、卫星图像分析、洪水脆弱性评估、变化检测分析等利用遥感和 GIS 技术预测洪水。结论是,人工智能是一种强大的工具,可用于遥感和地理信息系统 (GIS) 中的洪水预测。建议由于洪水难以控制,在未来的工作中应研究使用人工智能进行洪水预测,因为结果将为救援机构及其类似机构提供重要信息。
摘要:聚合物和聚合物复合材料受到环境老化的负面影响,从而缩短了它们的使用寿命。材料与环境相互作用的不确定性损害了它们的优异强度和刚度。新型复合材料和结构的验证通常涉及冗长而昂贵的测试程序。因此,建模是一种经济实惠的替代方案,可以部分替代大量测试,从而降低验证成本。耐久性预测模型通常会受到多功能性和验证所需的最少实验工作量之间相互冲突的要求。基于对复合材料宏观性能的物理观察,工程和现象学模型提供了复杂机械模型的可管理表示。本综述系统地概述了用于预测聚合物和聚合物复合材料长期机械性能的最新模型和加速测试方法。概述了在环境因素的单一或耦合影响下预测各种聚合物和聚合物复合材料的静态、蠕变和疲劳寿命的加速测试方法。通过降解率模型、叠加原理和参数化技术预测使用寿命。本综述是作者关于聚合物复合材料环境老化建模工作的延续:综述的第一部分涵盖了环境降解的多尺度和模块化建模方法。本研究的重点是工程机械性能建模。
技术预测研究是掌握技术发展趋势、为科研管理提供决策支持不可或缺的手段。对于专利文献而言,其并未提供关键词信息,使得基于关键词的技术预测方法在揭示特定领域的研究内容和隐藏主题方面存在一定的局限性。为了更好地体现专利中的技术信息,本文结合主题分析与社会网络分析对基因编辑技术的发展趋势进行了研究。首先,从Derwent Innovations Index中收集基因编辑技术专利数据。其次,采用文本挖掘软件绘制主题词网络图,结合逆文档频率(IDF)构建加权邻接矩阵,并利用社会网络分析获得技术主题词的中心度。最后,通过识别基因编辑的核心主题、凸显主题和新兴主题,探究基因编辑技术的技术趋势,并得到一些有意义的结论。基于分析结果,本研究发现基因编辑技术的发展受到伦理、法律、细胞污染等因素的制约。此外,未来的研究方向将更加倾向于优化基因编辑技术的安全性和效率。
摘要。每种蛋白质都由一个由 20 个字母/氨基酸组成的线性序列组成。该序列通过二级(局部折叠)、三级(键)和四级(不相交的多重)结构在三维空间中展开。我们之前发表的两篇论文中,利用有限群 G n := Z n ⋊ 2 O(n = 5 或 7,2 O 为二元八面体群)的(信息完整)不可约特征,可以预测线性链的 20 个字母的遗传密码的存在。事实证明,一些蛋白质复合物的四级结构表现出 n 重对称性。我们提出了一种基于自由群理论的二级结构方法。将我们的结果与其他根据 α 螺旋、β 片层和卷曲或更精细的技术预测蛋白质二级结构的方法进行了比较。结果表明,蛋白质的二级结构与某些双曲 3 流形的结构相似。体积最小的双曲 3 流形(Gieseking 流形)、其他一些 3 流形和定向超制图群被选为此类二级结构的暂定模型。对于四级结构,存在与 Kummer 表面的联系。
设备性能评估或预测通常是使用常规方法进行的。组织通常太忙了,无法专注于设备性能的改进机会。机会识别的机会在很大程度上依赖于专家意见,而使用的方法通常会因其所拥有的知识而异。简单和现实的设备性能预测的好处将有明显的提高维护成本,因此可以帮助降低资产的总运营成本。在这项研究工作中,将表面冷凝器用作案例研究。本研究工作中提出的解决方案是将机器学习方法应用于用于表面冷凝器监视的内联仪器数据,并预测表面冷凝器的性能以及表面冷凝器操作中涉及的过程的消耗率,而无需复杂的工程方法或解决方案。时间序列预测(TSF)分析用于性能预测,而深度学习神经网络用于消费率预测。从技术预测中获得的结果将转化为较高的设备性能与设备性能较低之间的成本节省。该方法将帮助资产工作团队确定表面冷凝器维护的经济方法。
简介:心血管疾病(CVD)是全球死亡的最常见原因,其患病率在低资源环境中以及收入较低的人中正在上升。目标:机器学习(ML)算法正在迅速发展并在CVD诊断和治疗决策的医疗程序中实施。每天,医疗保健业务都会创建大量数据。但是,大多数使用不足。从这些数据集中提取知识或其他用途的有效技术很少。方法:ML正在全世界的医疗保健行业应用。在健康数据集中,ML方法可用于预防运动障碍和心脏病。结果:此类重要信息的启示使研究人员可以对如何使用适当的治疗和诊断来获得特定患者的重大见解。研究人员使用各种ML方法研究了大量复杂的医疗保健数据,从而改善了疾病预测中的医疗保健专业人员。结论:这项研究的目的是总结使用机器学习和数据挖掘技术预测心脏病的一些当前研究,分析所采用的各种采矿算法组合,并确定哪些技术是有用且有效的。还考虑了预测系统中未来的方向。
篮球运动是高校热门运动之一,篮球运动损伤是常有的事,利用机器学习等技术可以有效减少篮球运动损伤,而篮球运动损伤的发生要从预防开始。篮球动作不规范、身体协调性不足不仅会降低运动员的运动效率,还会增加受伤的概率,因此有效减少和有针对性地预防不规范动作对高校篮球运动意义重大。随着科技的发展,人工智能技术离我们的生活越来越近。本文基于机器学习平台,从体育与医学融合的角度对篮球运动损伤进行研究,研究哪些方面导致了大学生篮球运动损伤是未来需要研究的重点,有效预防大学生在篮球运动中受伤是运动医学领域亟待解决的问题。为了找到最适合高校篮球运动损伤研究的机器学习平台,本文将介绍三种不同的方法进行比较分析。本文实验采用的技术为传统的BP神经网络技术、SCG神经网络技术、RBF神经网络技术,通过实验得知,RBF神经网络技术预测准确率高达95.4%,是研究大学生篮球失利较为优秀的神经网络算法。
近来,使用机器学习模型和技术预测经济变量的情况越来越多,其动机是它们比线性模型具有更好的性能。尽管线性模型具有相当大的解释能力的优势,但近年来,人们加大了努力,使机器学习模型更具解释性。本文进行了测试,以确定基于机器学习算法的模型在预测非正规经济规模方面是否比线性模型具有更好的性能。本文还探讨了机器学习模型检测到的最重要的这种规模的决定因素是否与文献中基于传统线性模型检测到的因素相同。为此,从 2004 年到 2014 年,收集并处理了 122 个国家的观测数据。接下来,使用 11 个模型(四个线性模型和七个基于机器学习算法的模型)来预测这些国家非正规经济的规模。使用 Shapley 值计算了预测变量在确定机器学习算法产生的结果中的相对重要性。结果表明:(i)基于机器学习算法的模型比线性模型具有更好的预测性能;(ii)通过 Shapley 值检测到的主要决定因素与文献中使用传统线性模型检测到的主要决定因素一致。
近海风力涡轮机的安装已在全球范围内取得了迅速而实质性的进步,并且通过增强的技术预测,将降低成本并增加服务时间。应用于主要结构的二级结构,因为单极的过渡片可以是例如电缆支撑,船着陆或阳极系统。这些结构通常是焊接的,这会导致有问题的缺口效应和氢化,尤其是对于水下应用。也将技术设备作为水下焊接的水下电流或人工住房处理也很具有挑战性。粘合键将导致成本降低,因为可以避免上述负面方面。腐蚀保护涂层和主要结构将不再损坏,因此不需要随后的涂层。本文重点介绍了永久暴露于水的区域。关键点是如何形成粘附和内聚力的能力如何受水下的施用过程影响。因此,设计了螺柱粘结固定器,以便将粘合剂注入水下的粘结区域。研究了通过暴露于人造海水的不同粘合剂,表面预处理和降解的负载能力。粘附是通过两种不同的粘合剂来实现的,这些粘合剂能够治愈并在水下实现合理的强度。此外,两个选定的涂层系统能够改善粘合键的性能。