XiaoMi-AI文件搜索系统
World File Search SystemDeformation
CorticalFlow：用于皮质表面重建的微分同胚网格变形模块
在本文中，我们介绍了一种新的几何深度学习模型 CorticalFlow，该模型通过给定一张三维图像来学习将参考模板变形为目标对象。为了保留模板网格的拓扑属性，我们通过一组微分同胚变换来训练我们的模型。这种新的流常微分方程 (ODE) 框架实现受益于小型 GPU 内存占用，可以生成具有数十万个顶点的曲面。为了减少由其离散分辨率引入的拓扑误差，我们推导出可改善预测三角网格流形性的数值条件。为了展示 CorticalFlow 的实用性，我们展示了它在大脑皮层表面重建这一具有挑战性的任务中的表现。与目前最先进的技术相比，CorticalFlow 可以生成更优质的曲面，同时将计算时间从 9 分半钟缩短到 1 秒。更重要的是，CorticalFlow 强制生成解剖学上合理的曲面；它的缺失一直是限制此类表面重建方法临床意义的主要障碍。
在光反应式聚合物中依赖于极化的变形，由二分色染料掺杂
光代表一种非常通用的刺激，它用于控制变形聚合物中变形的用途可以利用要探索的多个参数（例如波长，功率和极化）来获得区分响应。聚合物，而依赖偏振的控制则可以利用二苯甲苯二异构化。随着由光热效应驱动的形状变化的聚合物在许多应用领域中越来越关注，探索极化以调节其响应可以扩大调谐参数空间并提供对材料光学特性的见识。在这项工作中，我们证明了光极化对少量推扣偶氮苯掺杂的液晶网络的变形。我们演示了如何增强聚合物基质中染料对齐方式如何导致正交极化的不同变形。这些结果证明了极化是一种方便的进一步自由度，除了光刺激的波长和强度。
最佳基于Cosserat的变形控制线性对象的机器人操纵
摘要 - 可构造的对象操纵是一个充满挑战的研究主题，它引起了对机器人领域的日益兴趣，因为已经出现了解决此问题的新方法。到目前为止，文献中的大多数提出的方法都集中在形状控制上。被忽略了应用于物体的应变，因此排除了操纵脆弱产品的大部分工业应用，例如橡胶和塑料物体的脱胚层或食物的处理。这些应用需要在准确性和仔细操纵之间进行权衡，以保留操纵对象。在本文中，我们提出了一种方法来最佳控制线性和平面变形对象的变形，同时还最大程度地减少对象的变形能。首先，我们修改了最初为线性软机器人控制开发的框架，以使其适应可变形的物体机器人操作。为此，我们将问题重新制定为一个优化问题，其中考虑对象的整体形状，而不是仅专注于对象的位置和方向的尖端。然后，我们在成本函数中包含一个能量项，以找到在达到所需形状的同时最小化操纵物体中潜在的弹性能量的解决方案。对于高非线性问题的解决方案众所周知，很难找到对局部最小值的敏感性。我们定义了连接对象的已知初始和最终配置并顺序解决问题的中间最佳步骤，从而增强了算法的鲁棒性并确保解决方案的最佳性。然后使用中间最佳配置来定义机器人的终端效果轨迹，以使对象从初始配置变形为所需的配置。索引术语 - 可通知的对象操纵，机器人技术，形状控制，优化，轨迹生成
通过不同温度条件下的封装变形建模了解封装脱层
封装脱层是半导体封装中存在的问题之一。了解特定情况下的脱层机理对于找出根本原因和实施稳健解决方案非常重要。在本研究中，进行了封装变形建模，以分析基板或封装在不同热条件下的变形。将建模结果与存在脱层问题的封装的实际封装变形进行了比较。结果发现，通过实际横截面分析观察到的变形与回流温度条件下的建模结果相符。因此，可以得出结论，脱层发生在封装回流期间，而不是在后模固化或先前工艺之后。关键词：封装脱层；变形建模；芯片粘接膜；回流；热条件。1.引言在半导体封装中，界面脱层是一个常见问题。它是不同芯片界面之间的分离
纳米材料的剧烈塑性变形：历史发展回顾和最新进展
Kaveh Edalati，Andrea Bachmaier，Victor A. Beloshenko，Yan Beygelzimer，Vladimir D. Furuta，Thierry Grosdidier，JenőGubicza，Anton Hohenwarter，Zenji Horita，Jacques Huot，Yoshifumi Ikoma，MilošJaneček，Megumi Kawasaki，Megumi Kawasaki，PetrKrál，PetrKrál，Shigeru Kuramoto，Shigeru Kuramoto，Terence G. langdon r. I Mito，Hiroyuki Miyamoto，Terukazu Nishizaki，Reinhard Pippan，Vladimir V. Popov，Elena N. Popova、Gencaga Purcek、Oliver Renk、Ádám Révész、Xavier Sauvage、Vaclav Sklenicka、Werner Skrotzki、Boris B. Straumal、Satyam Suwas、Laszlo S. Toth、Nobuhiro Tsuji、Ruslan Z. Valiev、Gerhard Wilde、Michael J. Zehetbauer 和 Xinkun Zhu
通过可编程序序不稳定性实现软圆柱结构中的复杂变形
超弹性圆柱壳在加压下表现出的显著变形使其成为可编程充气结构的理想平台。如果施加负压，圆柱壳将弯曲，从而产生一系列丰富的变形模式，由于选择了超弹性材料，所有这些变形模式都可以完全恢复。虽然真空下的初始屈曲事件很容易理解，但这里探索了后屈曲状态，并确定了设计空间中发生耦合扭曲收缩变形模式的区域；通过仔细控制我们的均质壳的几何形状，可以控制收缩与扭曲的比例。此外，可以通过改变我们壳的圆周厚度来解锁作为后屈曲变形模式的弯曲。由于这些软壳可以从屈曲引起的显著变形中完全恢复，因此可以利用这些不稳定性驱动的变形来构建能够通过单个驱动输入进行可编程运动序列的软机器。
通过相同粒子波函数的空间变形
摘要：我们通过适当利用相同子系统的空间不可区分的程序来解决纠缠纠缠保护防止周围噪声的问题。为此，我们采用了两个最初分离和纠缠的相同Qubits与两个独立的嘈杂环境相互作用的相同量子。考虑了三种典型的环境模型：振幅阻尼通道，相阻尼通道和去极化通道。在交互后，我们将两个量子位的波函数变形以使它们在执行空间局部操作和经典通信（SLOCC）之前使它们在空间上重叠，并最终计算出所得状态的纠缠。以这种方式，我们表明可以在SLOCC操作框架中使用相同Qubits的空间不可区分性，以部分恢复环境破坏的量子相关性。总体行为出现：通过变形实现的空间不可区分越高，回收纠缠的量就越大。
建模3D心脏收缩和用点云变形网络放松
摘要 - 通常在临床实践中使用的心脏功能的全球单值生物标志物，例如射血分数，提供了对真实3D心脏变形过程的有限见解，因此限制了对健康和病理心脏力学的理解。在这项工作中，我们提出了点云变形网络（PCD-NET），作为一种新型的几何深度学习方法，用于模型3D心脏收缩和心脏周期的极端之间的放松。它在基于点云的深度学习中采用了最新的进步，成为编码器解码器的编码器结构，以实现有效的多尺度特征学习，直接在心脏解剖的多级3D点云表示上。我们在英国生物银行研究的10,000多个案例的大数据集上评估了我们的方法，并在基本图像获取的像素分辨率下方的预测和地面真相解剖结构之间找到平均的倒角差异。此外，我们观察到了预测和地面真理人群之间的类似临床指标，并表明PCD-NET可以成功捕获正常受试者和肌肉拨动梗塞（MI）患者之间的亚群特异性差异。然后，我们证明，在接收器操作特征曲线下，学到的3D变形模式在接收器操作特征曲线下，在Harrell的一致性INDEX进行MI生存分析方面，在接收器操作特征曲线下的面积优于13％和7％。
使用 LF-OCT 表征硅胶凝胶下键合线的电-热-机械变形
摘要：键合线是电力电子模块 (PEM) 中最容易发生故障的部件之一，通常使用硅胶包裹键合线。为了研究硅胶包裹键合线的变形，本文报告了使用线场光学相干断层扫描 (LF-OCT) 技术精确测量键合线的电-热-机械 (ETM) 变形的方法。由于 LF-OCT 系统具有有利的并行检测方案，因此我们开发了一种 LF-OCT 系统，该系统可一次性捕获键合线样品的整个横截面图像 (B 扫描)。结合傅里叶相位自参考技术，可以定量测量键合线的变形，精度可达 0.1 nm。当将相机成像尺寸设置为 1920×200 像素时，实现的变形测量的最大采样率（帧率）为 400 Hz，为监测键合线的 ETM 变形动态提供 2.5 ms 的时间分辨率。我们发现凝胶包裹的键合线的 ETM 变形比裸键合线的 ETM 变形大约小三倍。这些结果首次实验证明，LF-OCT 可成为研究硅凝胶包裹键合线随时间变化的 ETM 变形的有用分析工具。索引术语-键合线可靠性、硅凝胶、电-热-机械变形、线场光学相干断层扫描 (LF-OCT) I. 引言电力电子模块 (PEM) 广泛用作可再生能源发电和运输电气化中的开关半导体器件 [1]。由于 PEM 通常应用于安全和关键任务场景，如电力列车、航空航天和海上风电，因此 PEM 的可靠性受到学术界和工业界的广泛关注 [2-4]。引线键合技术是目前最广泛使用的封装方法