XiaoMi-AI文件搜索系统
World File Search System近红外
有机近红外光电探测器的内在探测限
近红外（NIR）光检测是对应用程序，例如监视系统，面部识别，工业排序和检查，脉搏氧化，光学相干性层析成像和成像等应用中对技术解决方案不断增长的需求的关键。[1-10]无机半导体（例如GE，INGAAS，PBS和HGCDTE）允许宽带光检测从0.8至10 µm，在10 10 Jones附近或更高范围内具有特定的检测（D *）。[11]同时，其中一些传统材料含有有毒的重金属，总体生产成本相当高。此外，商业NIR成像传感器的分辨率有限，这与光活性层通过电线键入电气连接安装到硅读出的集成电路（ROIC）的事实有关。[12]这将最小的像素螺距限制在大约10 µm上，因为需要ROIC和活动层之间非常精确的对齐。为了允许像素大小的缩放，一项持续的努力集中在ROIC上直接生长光活性层。然而，由于活性层与ROIC或电气互连之间的热膨胀系数的差异，经常观察到温度波动时的设备分解。[13]调用半导体的另一个限制是它们的宽带吸收。这只能通过增加设备复合度来实现波长的选择性，例如通过其他光学滤镜和二分色棱镜，并对空间分辨率提出了额外的限制。[14]
基于超肉带近红外等离子电子光检测
摘要。窄带光进行是用于材料分析和传感的重要测量技术，例如非分散红外传感技术。已经探索了光活性材料工程和纳米光子过滤方案，以实现波长选择的光电检测，而大多数设备的响应性带宽大于操作波长的2％，从而限制了感知性能。在Au/Si Schottky纳米结中，通过实验证明了带宽小于0.2％的近红外照相检测。通过仔细尾随纳米结构中的吸收性和辐射损失，在1550 nm的波长下获得了光电响应的最小线宽。使用波纹的AU膜在芯片上实现了多个功能，包括窄带共振，用于传感和光电检测的光收集以及用于热电子发射的电极。受益于与原位光电传感信号和超核会共振的原位光电转换，通过简单的强度询问进行了独立的芯片生物传感，在Glucose解决方案的浓度下降至0.0047％，用于Glucose解决方案和150 ng ng ml for Rabbit Bitbit Igg。在现场传感，光谱，光谱成像等中应用的这种技术的有希望的潜力。
二维材料的光电探测器，用于近红外检测
摘要：将新材料作为硅在光子设备中的应用一直是科学界的关注中心。二维（2D）材料表现出很大的能力，可以替代这种障碍。石墨烯由于其独特的特性（例如高迁移率和光学透明度），除了灵活性，稳健性和环境稳定性外，还具有光子学和光电子学发光的2D材料之一。据报道，有几种基于石墨烯的光电探测器，具有与各种能量热电，电磁和压电设备集成的能力。但是，由于其带隙限制，原始石墨烯不适合在红外区域检测合理信号。在这项工作中，使用石墨烯/金属插入的石墨烯光电探测器证明了基于石墨烯的近红外检测。使用化学蒸气沉积（CVD）在Cu底物上生长插烯石墨烯，并将层湿转移到Si/SiO2底物上。已将锥形铝微电极用于电触点，以改善照明过程中光生载体的检测。证明了红外检测，在室温下测试了反应性和量子效率，并解释了光生的机理。
使用近红外光检测颅内血肿的蒙特卡罗模拟
颅内血肿（ICH）是指头部受伤或脑血管破裂时，血液在脑内或脑与颅骨之间积聚，可导致脑部受压，引起头痛、呕吐、精神错乱，甚至癫痫或昏迷。若不及时治疗，血肿会导致颅内压升高，导致脑损伤或脑疝，严重者可危及生命。快速诊断和干预可大大降低风险，较大的血肿通常需要手术治疗，以避免严重的后遗症。检测血肿是快速诊断血肿的基础，通过准确及时的检测，医生可以快速做出诊断并制定合适的治疗方案，因此，血肿的检测非常重要。
吸引学习者与功能近红外光谱的游戏 - 参与率
在学习任务中使用游戏元素可以促进情感和行为反应以及学习者的参与。到目前为止，对基于游戏的学习的基本神经机制知之甚少。在当前的研究中，我们将游戏元素添加到数字估算任务中，以评估分数理解并将大脑激活模式与非游戏的任务版本进行比较。四十一个参与者以平衡的顺序构成了两个任务版本，而额脑激活模式则使用近红外光谱法（受试者内部，横断面研究设计）评估。此外，还记录了心率，主观用户体验和任务性能。任务性能，情绪，流量经验以及心率之间的任务版本之间没有差异。然而，与非基于游戏的任务版本相比，基于游戏的任务交易被评为更具吸引力，刺激性和新颖性。此外，完成基于游戏的任务版本与通常涉及情感和奖励处理以及注意力过程的额骨区域的激活相关。这些结果提供了新的神经功能证据，证明了学习任务中的游戏要素似乎通过情感和认知参与促进了学习。
基于近红外波长的透明导电氧化物基于透明的导电氧化物
抽象的片上光电探测器是光学通信中必不可少的组件，因为它们将光转换为电信号。光压计是光电探测器的类型，它通过在光吸收时由电子温度波动引起的电阻变化起作用。它们被广泛用于从紫外线到mir的宽波长范围，并且可以在宽大的材料平台上运行。在这项工作中，我引入了一种新型的波导集成剂量计，该重点在标准材料平台上从NIR到MIR以透明的导电氧化物（TCO）作为活性材料运行。此材料平台可以使用相同的材料同时构建调制器和光电探测器，该材料完全兼容CMO，并易于与被动芯片组件集成。此处提出的光压计由放置在肋光子波导内部的薄质TCO层组成，以增强光吸收，然后将TCO中的电子加热至高于1000 K的温度。电子温度的升高导致电子迁移率降低电子迁移率和导致的电阻变化。因此，只需几乎没有光学输入功率的微量流量，就可以达到超过10 A/W的响应率。计算表明，通过较低的TCO掺杂，可以预期进一步改进，从而在片上光电探测器中打开新的门。
纳入早期和晚期光子，以改善由时间分辨的近红外
另一种策略是使用时间分辨的NIR（TRNIRS）增强测量的深度灵敏度，该时间使用时间脉冲（TRNIRS），该nirs使用皮秒脉冲脉冲和快速检测器来记录扩散反射的光子的飞行时间（DTOF）分布。9作为DTOF包含时间和强度信息，由于光子到达时间与路径长度成正比，因此可以解决不同深度的吸收变化。最流行的深度增强方法是基于计算DTOF 10、11的统计矩或在时间Windows/门内集成光子计数的统计矩。12，13在这两种情况下，目标是将重点放在晚期的光子上，因为它们具有询问大脑的最大可能性。先前使用层状组织模拟幻像，动物模型和人类受试者的研究表明，与常规的CW NIR相比，TRNIRS对脑血动力学的敏感性具有较高的敏感性。13 - 17
硅中近红外单光子发射器的广泛多样性
硅在半导体技术中的蓬勃发展与控制其晶格缺陷密度的能力密切相关 [1]。在 20 世纪上半叶，点缺陷被视为对晶体质量的危害 [2]，如今它已成为调节这种半导体电学性质的重要工具，从而推动了硅工业的蓬勃发展 [1]。进入 21 世纪，硅制造和注入工艺的进步引发了根本性变革，使人们能够在单个层面上控制这些缺陷 [3]。这种范式转变将硅带入了量子时代，如今单个掺杂剂被用作可靠的量子比特来编码和处理量子信息 [4]。这些单个量子比特可以通过全电方式有效控制和检测 [4]，但其缺点是要么与光耦合较弱 [5]，要么发射中红外波段的辐射 [6]，不适合光纤传播。为了分离具有光学接口的物质量子比特，从而实现量子信息的长距离交换，同时又能从先进的硅集成光子学中获益 [7]，一种策略是研究在近红外电信波段具有光学活性的硅缺陷 [8, 9]。
操纵层间激子产生近红外量子光
洛斯阿拉莫斯国家实验室是一家采取平权行动/提供平等机会的雇主，由 Triad National Security, LLC 为美国能源部国家核安全局运营，合同编号为 89233218CNA000001。通过批准本文，出版商承认美国政府保留非独占的、免版税的许可，可以为了美国政府的目的出版或复制本文的已发表形式，或允许他人这样做。洛斯阿拉莫斯国家实验室要求出版商将本文注明为在美国能源部的支持下完成的工作。洛斯阿拉莫斯国家实验室坚决支持学术自由和研究人员的发表权利；但是，作为一个机构，实验室并不认可出版物的观点，也不保证其技术上的正确性。
功能近红外光谱信号的分形性研究
定位研究 20 – 22 旨在识别大脑对特定刺激的激活模式，以及连接研究（功能性或有效） ，其重点是研究大脑各区域之间的功能相互作用，无论是在大脑处于休息状态还是在执行特定任务时。 23 – 27 然而，现在众所周知，大脑是高度动态的 28 – 32 因此，为了更全面地了解其功能，需要能够提取大脑记录中的时间信息的方法。与空间域相比，考虑时间域进行分析的 fNIRS 研究数量要少得多。 33 – 40 例如，在参考文献 33 中，通过应用 Higuchi 分形维数算法 41 表明 fNIRS 信号具有高度复杂度。将小波变换应用于 fNIRS 信号，并表明小波系数可用于训练分类器。在参考文献38–40中，熵已被用来评估患者群体（如患有阿尔茨海默病、注意力缺陷多动障碍和脑外伤的患者）中 fNIRS 信号的复杂性，表明它携带的信息可能与疾病有关。所有这些研究表明，在 fNIRS 信号的复杂特征中存在与潜在大脑活动相关的信息。在本文中，我们利用可视性图（VG）提出了一种揭示 fNIRS 时间序列分形特性的方法。VG 是一种最近引入的方法，它将时间序列映射到图形（称为 VG）。正如将要讨论的，构建图的拓扑属性与时间序列的分形和复杂性有关。42、43 与传统的分形分析方法相比，42 VG 在计算上不太复杂，并且已经用于各种研究。 44 – 49 例如，江等人利用心电图表明，采用 VG 分析可以揭示由调解训练引起的动态变化，表现为规律的心跳，这与自主神经系统的调整密切相关。44 朱等人将基于 VG 的方法应用于酗酒识别，表明该方法有望将酗酒者与控制饮酒者区分开来。48 在参考文献 47 中，结果表明，将 VG 应用于脑电图 (EEG) 信号可以提供区分自闭症儿童和非自闭症儿童的特征。在参考文献 49 中，我们已经表明，通过 VG 提取的 GCaMP6 小鼠钙记录的时间特征带有可用于解码行为的鉴别信息。这里需要注意的是，VG 与功能连接研究中常用的基于图论的方法之间的区别。50 , 51 在典型的功能连接研究中，图是在空间域中构建的，即图中的节点对应于通道或体素的位置，并且两个节点之间的链接基于与两个节点相关的时间序列的统计相似性形成，通过相关性等度量来量化。另一方面，正如将在第 2 节中讨论的那样，在 VG 中，节点对应于时间序列中的时间点，并且链接基于时间点之间的自然可见性形成（图 1）。一旦为每个时间序列形成图，就可以提取图度量来表示时间序列的不同属性。在本文中，我们使用 VG 研究两种条件下 fNIRS 时间序列的分形性：当大脑处于休息状态时和当大脑从事任务时。在两种静息状态条件和两种任务条件下记录了 9 名健康男性受试者的 fNIRS 时间序列。从每个时间序列为每个通道和每种条件构建 VG。然后提取可视性图的无标度性 (PSVG) 的功率并在不同条件下进行比较。据我们所知，这是第一项使用 VG 揭示 fNIRS 记录时间序列时间特征的研究，证明了其在识别 fNIRS 记录中的特征方面的可行性，这些特征可用于获得有关大脑功能的新见解。本文的其余部分组织如下。第 2 节介绍了本研究中用于分析的方法。实验设置的详细信息在第 3 节中给出。第 4 节介绍了结果，最后，在第 5 节中提供了一些讨论。第 2 节描述了本研究中使用的分析方法。第 3 节给出了实验装置的详细信息。第 4 节介绍了结果，最后，第 5 节进行了一些讨论。第 2 节描述了本研究中使用的分析方法。第 3 节给出了实验装置的详细信息。第 4 节介绍了结果，最后，第 5 节进行了一些讨论。