XiaoMi-AI文件搜索系统
World File Search SystemBends
加州大学戴维斯分校
掺杂剂诱导溶解度控制 (DISC) 聚合物半导体图案化技术的最新进展已使聚-3-己基噻吩 (P3HT) 的直接写入光学图案化成为可能，且分辨率达到衍射极限。在这里，我们将光学 DISC 图案化技术应用于最简单的电路元件——导线。我们展示了 P3HT 和掺杂有分子掺杂剂 2,3,5,6-四氟-7,7,8,8-四氰基醌二甲烷 (F4TCNQ) 导线的 P3HT 的光学图案化，尺寸为厚度 20-70 nm、宽度 200-900 nm 和长度 40 µ m。此外，我们还展示了“L”形弯曲和“T”形结等导线图案的光学图案化，而无需改变结处导线的直径或厚度。经过连续掺杂后，导线本身的电导率高达 0.034 S/cm。我们还证明了 P3HT 纳米线可以在溶液中掺杂、去掺杂和再掺杂，而不会改变导线的尺寸。光学图案化和可逆掺杂聚合物半导体的综合能力代表了一套完整的图案化步骤，相当于无机半导体的光刻技术。
vax推出了HomePro，这是有史以来最好的无绳真空范围
地板专家VAX介绍了新的Vax HomePro，这是他们迄今为止最具创新性的无绳真空范围。具有高吸力和易于使用的功能，旨在使吸尘器在每种类型的地面表面和房屋周围更容易，更方便。有四个Vax HomePro无绳真空吸尘器可供选择，所有这些都有五年的保证[1]，有一个模型可以满足每种生活方式的需求。每个人都结合了一系列抢先的功能，包括新的Vax发束抗性，该抗性会停止长，短而宠物的头发在刷子卷中缠结。新的Flexiclean技术还提高了Vax HomePro的可操作性；简单地解锁，然后弯曲的杆子弯曲，这样您就可以轻松地在沙发，椅子和家具的下方和周围清洁，这可能很难移动。清空Vax HomePro也是令人愉悦的卫生，具有创新的垃圾箱设计，它以一种无混乱，简单的动作将污垢弹入您的家用垃圾箱。对过敏患者来说也是个好消息，因为Vax HomePro具有两阶段过滤，可捕获并捕获99.9％的灰尘和过敏原降低至0.3微米，因此在吸尘器时将清洁空气[2]驱逐到房间。不仅是为了地板，Vax HomePro提供了灵活性和多功能性，同时高高，低调并进入房屋周围的每个角落。切换到手持式模式，并使用包含的工具范围清洁各种表面，从地毯，硬地板到楼梯，室内装饰，宠物床和汽车内部。加上可移动的VAX OnePwr电池的慷慨运行时间为45分钟[3]，有足够的时间来解决房屋的所有区域。新的Vax HomePro无绳真空吸尘器的功能包括：强大的清洁 - 使用Vax HomePro，您可以在不损害性能的情况下处理每项清洁工作。对于较重的交通和更艰难的工作，可以激活增强模式以从地毯和硬地板上抬起顽固的污垢。抗发束 - 特殊设计的刷子卷会停止长或短的人和宠物头发在刷子上缠绕。也很容易删除常规清洁。柔性清洁 - 带有新的Flexiclean，这是一个弯曲的柔性杆，使您不必需要并启用Vax HomePro便利地到达可能隐藏在家具下的污垢和灰尘。超卫生性 - 清空0.7升污垢垃圾箱很容易，凌乱且更卫生，具有新的垃圾箱设计，以一种简单的运动将污垢弹出。只需滑动杠杆即可每次完全清空垃圾箱。改进的灰尘处理 - 两阶段的过滤捕获和陷阱99.9％的灰尘和过敏原降低至0.3微米，并排出更清洁的空气[4]，这对那些对灰尘和其他空气传播污染物敏感的人有帮助。
朝完全印刷的软执行器：液晶弹性体和双相液体金属导体的UV辅助印刷
柔软和兼容的执行器的开发引起了极大的关注，因为它们在软机器人，可穿戴设备，触觉和辅助设备中的使用。尽管进步了数十年，但完全数字印刷的执行器的目标尚未得到充分证明。数字打印允许快速自定义执行器的几何形状，尺寸和变形程序，并且是朝着大规模定制用户特异性可穿戴设备和软机器人系统的一步。在这里，证明了一组材料和方法，用于快速制造3D打印的液晶弹性体执行器，这些液晶弹性体执行器通过由液体金属（LM）组成的印刷焦耳加热器进行电刺激 - 填充的弹性弹性体复合材料。与其他基于Ag的墨水不同，该LM弹性体复合材料不含烧结，可以使室温打印，并且可以拉伸，可以循环驱动，而无需导体的电气或机械故障。通过优化打印参数，并改善光聚合设置，这是一种弯曲到320°角的印刷执行器，比以前的LCE执行器低功耗。我们还展示了一种自定义的UV聚合设置，该设置允许在≈90S中对LCE执行器进行照片保存，即与以前的作品相比快> 500倍。快速的光聚合能够迈向多层执行器的3D打印，并且是朝着全数字打印的机器人和可穿戴设备进行大规模定制的一步。
燃气船舶指南 - KR e-class
(1) 包括安全泄压阀或类似管道的通风管线在内的燃气管道的图纸和规格 (2) 燃气管道中的偏移、环路、弯头和机械膨胀接头（如波纹管、滑动接头（仅在储罐内）或类似装置）的图纸和规格 (3) 燃气管道系统中的法兰、阀门和其他配件的图纸和规格。对于设计温度低于-55°C的管道系统的阀门，需要提供设计温度下的泄漏试验和功能试验（型式试验）的文件 (4) 当设计温度低于-110°C时，对管道系统进行完整的应力分析 (5) 燃气管道系统中膨胀部件的型式试验文件。(6) 天然气管道的材料、焊接、焊后热处理和无损检测规范 (7) 天然气管道的压力试验（结构和密封性试验）规范 (8) 所有管道系统（包括用于处理气体（液体或蒸汽）的阀门、配件和相关设备）功能测试程序 (9) 安装有低温管道绝缘材料的图纸和规范 (10) 管道电气接地规范 (11) 在断开岸上连接之前从加油管道中清除液体内容物的手段规范 (12) 与气体燃料系统连接的冷却或加热水系统（如果安装）。
燃气船舶指南 - KR e-class
(1) 包括安全泄压阀或类似管道的通风管线在内的燃气管道的图纸和规格 (2) 燃气管道中的偏移、环路、弯头和机械膨胀接头（如波纹管、滑动接头（仅在储罐内）或类似装置）的图纸和规格 (3) 燃气管道系统中的法兰、阀门和其他配件的图纸和规格。对于设计温度低于-55°C的管道系统的阀门，需要提供设计温度下的泄漏试验和功能试验（型式试验）的文件 (4) 当设计温度低于-110°C时，对管道系统进行完整的应力分析 (5) 燃气管道系统中膨胀部件的型式试验文件。(6) 天然气管道的材料、焊接、焊后热处理和无损检测规范 (7) 天然气管道的压力试验（结构和密封性试验）规范 (8) 所有管道系统（包括用于处理气体（液体或蒸汽）的阀门、配件和相关设备）功能测试程序 (9) 安装有低温管道绝缘材料的图纸和规范 (10) 管道电气接地规范 (11) 在断开岸上连接之前从加油管道中清除液体内容物的手段规范 (12) 与气体燃料系统连接的冷却或加热水系统（如果安装）。
自动驾驶汽车赛车的平衡奖励启发的增强学习
自动驾驶汽车赛车引起了广泛的兴趣，因为它在极限的自动驾驶中具有巨大的潜力。基于模型和基于学习的方法已被广泛用于自主赛车。但是，基于模型的方法在仅可用局部感知时无法应对动态环境。作为比较，基于学习的方法可以在本地感知下处理复杂的环境。最近，深度强化学习（DRL）在自主赛车上越来越受欢迎。DRL通过处理复杂情况并利用本地信息来优于传统的基于学习的方法。DRL算法，例如近端政策算法，可以在自动驾驶竞争中的执行时间和安全性之间达到良好的平衡。但是，传统DRL方法的训练结果在决策中表现出不一致的正确性。决策中的不稳定引入了自动驾驶汽车赛车的安全问题，例如碰撞到轨道边界中。所提出的算法能够避免碰撞并提高训练质量。在物理发动机上的仿真结果表明，所提出的算法在避免碰撞中的其他DRL算法优于其他DRL算法，在急剧弯曲期间实现更安全的控制以及多个轨道之间的较高训练质量。关键字：自动驾驶汽车赛车，本地规划，近端政策优化，平衡奖励功能。
低损坏硅方向耦合器，基于弯曲的波导
摘要 - 我们为满足宽带耦合的基本要求，任意耦合率的支持，超低损失，高损坏，高制造公差和紧凑的足迹的支持，展示了一个高性能2×2分离器的设计。这是基于对弯曲方向耦合器（DC）的宽带响应的严格耦合模式理论分析来实现的，并通过演示完整的耦合模型，该模型的宽带值为0.4、0.5、0.6和0.7。作为基准，我们演示了一个0.5：0.5的分离器，可显着将耦合变化从传统DC中的0.391降低到80 nm波长跨度的0.051。这代表了耦合变化的显着降低7.67倍。此外，在提出的设计中使用了新发明的低损失弯曲，导致超低损坏设计，并具有可忽略的多余损失（0。003±0。013 dB）。拟议的0.5：0.5硅条波导的设计具有耐受性，并且在完整的300 mm晶圆上显示出持续的较低量变化，在80 nm波长范围内显示了最大的交叉耦合变化，在晶片的极端边缘处。futhermore，我们通过波导宽度耐受耐受性研究增强了晶圆映射，并确定了该设备在80 nm波长范围内的波导宽度偏差仅为±20 nm的最大耦合变化的设备的耐受性。这些规格使提出的分离器成为具有质量生产的实际应用的有吸引力的组成部分。
成骨前头部胚胎大脑与周围头皮之间发育相互依赖的拉伸压缩关系
内上皮片上的图案形成。4-8 在这些例子中，外部或浅层的约束或限制是使更深层结构（在生理压缩下）继续正常发育的关键机械因素。9,10 通过结合实验和计算数据的“形态力学”方法，Taber 等人 11,12 发现鸡视杯形成过程中的内陷是由外胚层和细胞外基质等外部限制因素驱动的。在发育中的脊椎动物大脑中，最近已经探索了壁内细胞和组织力学。13,14 已经讨论了成长中的大脑对周围颅骨或颅腔形成的可能生物力学影响（在成骨细胞增殖和骨化等事件中，通过拉伸经历这些事件的细胞）。 15 相反，有人提出，骨化的头骨（作为硬囊）调节大脑形态，包括大脑皮层的脑回形成，16 尽管实验和数学研究表明脑回形成可能通过大脑固有的机制进行物理处理。17-19 先前关于哺乳动物大脑-头骨机械关系的研究主要集中在骨化/矿化发生后的阶段。在早期（即成骨前）阶段，对鸡胚进行的研究提出了一个模型，其中早期神经管弯曲的出现（最前端的前脑向腹侧弯曲的现象）可能是由腹侧底层脊索或前肠施加的可能物理限制来解释的，这些结构向前延伸的程度小于前脑，20,21
结菌株直观的物理推理
尽管数十年的研究已经在物理推理中分类了惊人的错误，但对直觉物理的兴趣复兴揭示了人类成功预测物理场景展开的非凡能力。旨在解决这些相反结果的主要解释是，物理推理招募了一种通用机制，可可靠地对身体场景进行建模（解释最近的成功），但过度人为的任务或贫穷而生态无效的刺激可以产生较差的绩效（核算早期失败）。但是，即使在自然主义背景下，也可能会有一些任务会持续构成身体的理解？在这里，我们通过引入一项新的直觉物理任务来探讨这个问题：评估结和缠结的强度。结之间无处不在的文化和时间周期，并且正确评估它们通常会拼写出安全性和危险之间的差异。尽管如此，5个实验表明，观察者在结之间的强度差异也很大。在一系列两种两种强制选择的任务中，观察者查看了各种简单的“弯曲”（结着两条线的结），并决定这需要更多的力才能撤消。尽管这些结的强度是有据可查的，但观察者的判断完全无法反映这些区别，在自然主义照片（E1），理想化的效果图（E2），动态视频（E3）中，甚至伴随着结的策划图（E3）。这些结果在物理推理中暴露了一个盲点，对场景理解的通用理论施加了新的约束。此外，尽管有准确地识别结之间的拓扑差异（E5），但这些失败仍然存在。换句话说，即使观察者正确地感知了结的基础结构，他们也无法正确判断其力量。
弯曲以近似脑皮层电图 (ECoG) 阵列施加的皮质力
摘要 目的。脑皮层电图 (ECoG) 阵列对大脑施加的力在弯曲以匹配颅骨和大脑皮层的曲率时表现出来。这种力量会对患者的短期和长期结果产生负面影响。在这里，我们提供了一种新型液晶聚合物 (LCP) ECoG 阵列原型的机械特性，以证明其更薄的几何形状可以减少可能施加到大脑皮层的力。方法。我们构建了一台低力弯曲试验机来测量 ECoG 阵列弯曲力，计算其有效弯曲模量，并近似计算它们可以对人脑施加的最大力。主要结果。经测试，LCP ECoG 原型的最大力比任何市售 ECoG 阵列的最大力小 20%。然而，作为一种材料，LCP 的刚性比传统上用于 ECoG 阵列的硅胶高出 24 倍。这表明较低的最大力是由于原型的轮廓较薄（2.9 × –3.25 ×）。重要性。虽然降低材料刚度可以降低 ECoG 阵列表现出的力，但我们的 LCP ECoG 阵列原型表明，柔性电路制造技术也可以通过减小 ECoG 阵列厚度来降低这些力。必须对 ECoG 阵列进行弯曲测试才能准确评估这些力，因为聚合物和层压板的材料特性通常与尺度有关。由于所用的聚合物是各向异性的，因此弹性模量不能用于预测 ECoG 弯曲行为。考虑到这些因素，我们使用了四点弯曲测试程序来量化 ECoG 阵列弯曲对大脑施加的力。通过这种实验方法，可以设计 ECoG 阵列以最大限度地减少对大脑施加的力，从而可能改善急性和慢性临床效用。