XiaoMi-AI文件搜索系统
World File Search System波中
高速相干光子随机记忆在持久的声波中
摘要：近年来，光子计算的显着进步突显了需要光子记忆，尤其是高速和连贯的随机记忆。应对实施光子记忆的持续挑战才能充分利用光子计算的潜力。基于刺激的布里鲁因散射的光子传声记忆是一种可能的解决方案，因为它一致地将光学信息传递到高速下的声波中。这样的光声内存具有巨大的潜力，因为它满足了高性能光随机记忆的关键要求，因为它的相干性，芯片兼容性，频率选择性和高带宽。但是，由于声波的纳秒衰减，到目前为止，迄今为止的存储时间仅限于几纳秒。在这项工作中，我们通过实验增强光声内存的固有存储时间超过1个数量级，并在存储时间为123 ns后连贯地检索光学信息。这是通过在4.2 K处高度非线性纤维中使用光声记忆来实现的，从而使内在的声子寿命增加了6倍。我们通过使用直接和双同性恋检测方案测量初始和读数光学数据脉冲来证明我们的方案能力。最后，我们分析了4.2 - 20 K范围内不同低温温度下光声记忆的动力学，并将发现与连续波测量值进行了比较。关键字：布里渊散射，光子神经形态计算，光学记忆，非线性光学，低温■简介延长的存储时间不仅对光子计算，而且对需要长声子寿命的Brillouin应用程序，例如光声过滤器，真实时延迟网络和微波光子学中的合成器。
电泵浦 GeSn/SiGeSn 多量子阱激光器在连续波中运行
Si 基光子集成电路 (PIC) 将光学活性元件单片集成在芯片上，正在改变下一代信息和通信技术基础设施 1。在寻找基本的直接带隙的过程中，人们对 IV 族半导体合金进行了深入研究，以获得电泵浦连续波 Si 基激光器。沿着这条路径，已经证明可以通过化学计量和应变工程将新开发的 GeSn/SiGeSn 异质结构的电子带结构调整为直接带隙量子结构，从而为激光提供光增益 2。在本文中，我们介绍了一种多功能电泵浦激光器，它在低温下发射近红外波长为 2.35 µm 的低阈值电流为 4 mA（5 kA/cm 2）。它基于 6 周期 SiGeSn/GeSn 多量子阱结构，沉积在具有弛豫 Ge 缓冲层的 Si 衬底上。通过定义一个圆形台面结构来制作小尺寸微盘腔激光器，该结构蚀刻穿过层堆栈直至 Si 衬底。随后，通过去除此区域的 Ge 缓冲层，将盘的边缘蚀刻 900 nm。剩余的 Ge 基座用作 p 接触区以及激光器的散热器（图 1 a、b）。在这个简单的结构中，由于 SiGeSn 的导热性较差，有源区的实际晶格温度比热浴 T b 高约 60K。但是，激光器在 T b =40K 以下以连续波 (CW) 模式工作，但也可以在 T b =77K 时以直接调制模式高效工作至 ns 脉冲。
异质结双层作为电荷传输中间层降低有机短波中的暗电流并增强光电倍增
光电倍增探测器有望克服有机短波红外光电探测器的低响应度。然而，最近的光电倍增探测器通常会同时增加响应度和暗电流，从而抵消对探测率的影响。为了抑制光电倍增装置中的暗电流，我们提出了一种新的夹层结构，即一种克服信号和噪声之间权衡的 pn 结组合。与使用典型单极电荷传输材料的设备相比，我们的双层设计具有降低暗电流和出色外部量子效率的优势。我们将这种新的夹层设计融入上转换成像器中，使上转换效率和图像对比度翻倍。这种夹层可推广到不同的有机半导体，这尤其有用，因为这里的设计将适用于尚未发现的未来红外材料。
水波中的场论自旋和动量
自旋是量子粒子或场的一个基本但非平凡的固有角动量属性，它出现在相对论场论中。波场中的自旋密度由基于正则动量密度和动能动量密度之间差异的理论 Belinfante-Rosenfeld 构造描述。这些量通常被认为是抽象的和不可观察的。在这里，我们从理论和实验上证明，Belinfante-Rosenfeld 构造自然出现在重力（水面）波中。在那里，正则动量与广义斯托克斯漂移现象有关，而自旋是由水粒子的亚波长圆周运动产生的。因此，我们直接将这些基本场论属性观察为经典波系统的微观力学属性。我们的发现揭示了波场中自旋和动量的性质，证明了相对论场论概念的普遍性，并为它们的研究提供了一个新的平台。
Mindid：通过基于注意力的复发神经网络从脑波中识别的人识别
人识别技术通过利用其独特的，可测量的生理和行为特征来认可个人。然而，最先进的人识别系统已被证明是脆弱的，例如，反监视的假体口罩可以阻止脸部识别，隐形眼镜可以欺骗虹膜识别，Vocoder可以损害语音识别，而指纹膜可以欺骗指纹传感器。EEG（脑电图）基于识别，它利用用户的脑电波信号进行识别并提供了更具弹性的解决方案，最近引起了很多关注。但是，准确性仍然需要提高，很少的工作集中在识别系统的鲁棒性和适应性上。我们提出了一种基于脑电图的生物特征识别方法Mindid，可实现更高的准确性和更好的特征。首先，分析了脑电图数据模式，结果表明，增量模式包含用于用户识别的最独特信息。然后，分解的三角形模式被送入基于注意力的编码器decoder rnns（反复的神经网络）结构，该结构根据通道的重要性将注意力重量不同于不同的EEG通道。从基于注意的RNN中学到的判别表示形式用于通过增强分类器来识别用户的标识。在3个数据集（两个本地和一个公众）上评估了建议的方法。另一个本地数据集（EID-S）和公共数据集（EEG-S）分别用于演示鲁棒性和适应性。一个本地数据集（EID-M）用于性能评估，结果表明，我们的模型达到了0.982的准确性，该准确性优于基准和最先进的方法。结果表明，所提出的方法有可能在实践环境中大部分部署。
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。
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。
引力波中量子粒子的 Fisher 信息和弱等效原理
其中 D μ 是弯曲时空中的协变导数。在这种情况下，m 根本不是一个乘法因子，而是克莱因-戈登方程中的特征。在这种背景下，有建议认为量子流体（超导体、超流体、量子霍尔流体、玻色-爱因斯坦凝聚体）的性质可能会增强与引力波的相互作用，从而导致超流体成为引力天线的介质[1-7]，超导电路作为引力波探测器[8]、换能器[9,10]和镜子[11-13]。这些想法并非没有引起争议[14-16]。原因是许多这些想法启发性地应用了量子粒子违反 WEP 的概念。这促使我们为引力波中的量子粒子提供更严格的 WEP 特征。WEP 认为自由落体轨迹应该与质量无关，可以重新表述为自由落体物体的 Fisher 信息与质量不变的陈述 [ 17 ]。在这个信息论框架中，违反 WEP 意味着人们可以提取有关自由落体物体质量的信息。WEP 的这种信息论表述具有以下优势：它可以以明确的方式扩展到量子物体。具体而言，Fisher 信息给出了可观测随机变量提供的有关未知参数的信息量。在我们的例子中，随机变量是粒子 x 的位置，未知参数是其质量 m 。对于具有波函数 ψ( x , t ) 的粒子，Fisher 信息为