XiaoMi-AI文件搜索系统
World File Search SystemEntropy
物理学中的熵：定义概述和...
在现代物理学中，熵是一个众所周知的重要数量。在其核心上，熵是分布的概率的函数，该概率旨在描述由该分布表示的随机过程的不确定性。但是，它已用于许多不同的领域，因此有许多解释。此外，许多不同的功能都以熵的名称进行了分组，所有功能都具有自己的用途和解释。在这项工作中，我们讨论了许多这些功能的定义，起源和解释以及它们如何结合在一起。我们还将明确介绍熵在物理学中发现的某些应用，尤其是在量子物理学中。这些应用包括热力学，量子力学的测量不确定性，密度矩阵形式主义的混合性测量，相位空间形式主义，纠缠量的测量以及QCD中的Parton分布。
脑网络近似熵在半球差异研究中的应用
摘要：人脑是一个动态复杂系统，可以用不同的方法进行研究，包括线性和非线性方法。脑电图 (EEG) 分析中广泛使用的非线性方法之一是熵，即系统无序性的测量值。本研究调查了大脑网络，应用近似熵 (ApEn) 测量来评估半球脑电图差异；评估了不同记录会话中 ApEn 数据的可重复性和稳定性。20 名健康成年志愿者接受了 80 次闭眼静息脑电图记录。枕骨区域存在显著差异，左半球的熵值高于右半球，表明根据执行的功能，半球以不同的强度变得活跃。此外，事实证明，在相对较短的 EEG 时期以及 36 名受试者的 1 周间隔时间内，本方法都是可重复且稳定的。非线性方法是研究大脑网络动态的有趣探索。ApEn 技术可能为了解与年龄相关的大脑断开的病理生理过程提供更多见解，并可用于监测药物和康复治疗的影响。
新型的质子导电材料 - 高熵氧化物
摘要：在这里，在第一次，我们介绍了有关高室，单相钙晶的质子电导率的数据。bazr 0.2 sn 0.2 ti 0.2 hf 0.2 ce 0.2 o 3 - δ，bazr 0.2 sn 0.2 sn 0.2 ti 0.2 ti 0.2 hf 0.2 hf 0.2 hf 0.2 -y 0.2 o 3 -δ，bazr 1/7 sn 1/7 sn 1/7 ti 1/7 ti 1/7 ti 1/7 hf 1/7 hf 1/7 hf 1/7 hf 1/7 nb 1/7 nb 1/7 y 1/7 y 1/7 y 1/7 o 3 0.15 0.15 ti 0.15 ti 0.15 haz and bazr and bazr and bazr and bazr CE 0.15 NB 0.15 Y 0.10 O 3-δ单相蛋白酶合成。在电测量之前，使用X射线差异（XRD），扫描电子显微镜（SEM），X射线光电光谱（XPS）和热重分析（TGA）表征材料。以下实验结果表明，研究的高渗透钙晶是质子导体：（1）从干燥到潮湿的气氛转换后观察到的质量增加，将水掺入材料结构中。（2）电化学阻抗光谱（EIS）表明，在大气中存在水蒸气的情况下，总电导率增加，而其激活能量降低。（3）用H 2 O和D 2 O彼此之间的大气中的电导率彼此之间存在，显示了质子导体典型的同位素在高渗透氧化物中的效应。o
Alcocrfeni高熵合金作为可能的核材料
可以观察到每种合金的特定元素是指相的形态，而微观结构的一般外观是树突状的。因此，在x = 1和x = 0.6的情况下，树突的外观相对圆形，而对于x = 0.8的accicular地层，则观察到以不同方向定向的accicular地层。在较高的放大功能下，突出显示了每种合金的特定特性。因此，在x = 1的情况下，微结构由在金属基质中整齐排列的相组成，周围是直线晶界。x = 0.8样品的微观结构显示出形成的卵形相的趋势，晶界的范围更宽。在x = 0.6样本的情况下，微结构与x = 0.8的微观结构相似，这两个阶段的存在更好地突出显示。
在海洋环境室中进行生态毒性的综合测试策略（ITS -ECO）评估
摘要：早期脑肿瘤检测可以增加患者治疗后康复的机会。在过去的十年中，我们注意到医学成像技术的实质性发展，现在它们已成为诊断和治疗过程中不可或缺的一部分。在这项研究中，我们概括了根据Marsaglia公式定义的熵差异概念（通常用于描述两个不同的图，雕像等）使用量子积分。然后，我们采用结果来扩展局部二进制图案（LBP）以获取量子熵LBP（QELBP）。拟议的研究包括两种特征MRI脑扫描提取的方法，即QELBP和深度学习DL特征。通过利用MRI脑扫描中大脑的出色表现，可以提高MRI脑扫描的分类。将所有提取的特征组合起来，将长期记忆网络用作脑肿瘤分类器时，会提高长期记忆网络的分类精度。分类包含154次MRI脑扫描的数据集的最大准确性为98.80％。实验结果表明，将提取的特征组合起来可以提高MRI脑肿瘤分类的性能。
通过原子随机性计算碳化物的熵
高熵碳化物 (HEC) 备受关注，因为它们是超高温和高硬度应用的有希望的材料。为了发现具有增强屈服强度和硬度的碳化物，需要基于机制的设计方法。在本研究中，提出了位错核原子随机性作为提高硬度的机制，其中位错核处不同元素之间的随机相互作用使位错更难滑移。基于密度泛函理论计算了 a ∕ 2 ⟨ 1 ̄ 10 ⟩ {110} 刃位错的 Peierls 应力，其中通过增加位错核处的元素数量来增加原子的随机性。结果表明，Peierls 应力在统计上随着元素数量的增加而增加，表明加入更多元素可能会产生更高的硬度。基于这一指导原则，我们制备了三种八阳离子 HEC（Ti、Zr、Hf、V、Nb、Ta、X、Y）C（X、Y = Mo、W、Cr、Mo 或 Cr、W），其成分由从头计算的形成焓和熵形成能力决定。单相致密陶瓷均表现出约 40 GPa 的高纳米压痕硬度。位错核心处不同元素之间的随机相互作用为提高结构陶瓷的硬度提供了一种机制。
强耦合等离子体中原子态的香农信息熵特征
纠缠保真度和香农信息熵的研究受到了广泛关注，因为关联效应在理解物理系统中的量子测量和信息处理中起着重要作用[1,2]。探索量子态和等离子体密度之间的耦合影响也很有意义，因为关联效应会改变复杂等离子体系统中量子信息的传递。在强耦合等离子体中，基于德拜-休克尔模型的德拜屏蔽物理概念不适用，因为在德拜球中发现等离子体粒子的概率几乎可以忽略不计，德拜数（即等离子体参数）小于 1 [3]。在强耦合等离子体系统中，基于离子球模型的相互作用势的范围受到离子球半径定义的约束区域的强烈影响，因为当势能超过由单个离子及其周围负电荷球组成的离子球半径的大小时，它就会消失 [ 4 ]。然后，原子香农信息熵预计由强耦合等离子体中的局部屏蔽域决定。然而，强耦合等离子体中原子数据的香农信息熵尚未被研究过。结果表明，统计熵与关联强度的量子测量有关，而关联强度是许多体系统的一种破坏性质 [ 5 , 6 ]。此外，原子态的香农信息熵有望提供电子关联与统计关联的联系 [ 7 ]。因此，在本研究中，我们使用具有有效关联距离的离子球模型研究了局部关联对强耦合等离子体中原子状态香农信息熵的影响。然后，我们研究了强耦合等离子体中基态和第一激发态原子香农信息熵的径向和角度部分随离子球半径（包括电子关联）的变化。
具有对称性的量子态的一般纠缠熵
摘要：当从希尔伯特空间均匀随机地抽取量子纯态时，该状态通常是高度纠缠的。随机状态的这种特性被称为量子态的一般纠缠，长期以来一直从黑洞科学到量子信息科学等多个角度对其进行研究。在本文中，我们探讨了量子态的对称性如何改变一般纠缠的性质。更具体地说，我们研究从给定对称性的不变子空间均匀随机抽取的量子态的二分纠缠熵。我们首先将众所周知的浓度公式扩展到适用于任何子空间的公式，然后表明：1. 与轴对称相关的子空间中的量子态仍然高度纠缠，尽管它比没有对称性的量子态的纠缠程度要低；2. 与置换对称相关的量子态的纠缠程度明显较低；3. 具有平移对称性的量子态与一般量子态一样纠缠。我们还用数字方式研究了一般纠缠分布的相变行为，这表明即使随机状态具有对称性，相变似乎仍然存在。
新型高熵合金的合成及其在能源转换与储存中的应用
为探索节约能源、促进能源再生的途径，本文介绍了新型高熵合金材料的合成及其在能源转换与储存方面的应用。通过分析其高强度、抗回火、抗软化等性能，制备了一种新型高熵合金材料。根据其微观组织和铸态组织，研究了新型高熵合金的电化学性能。实验结果表明，与FeSn2相比，新型高熵合金材料在循环充电过程中的容量、电化学性能、容量稳定性和倍率均具有较大优势；在较低的退火温度下，实心Co纳米颗粒在纳米尺度上通过kirkentel效应进一步转变为空心Co3O4纳米球。 NC-Co 3 O 4 纳米复合材料作为锌空气电池阴极表现出优异的 OER 和 ORR 性能：低过电位 352 mv、高初始还原电位 0.91 v 和半波电位 0.87 v、高开路电压 1.44 v、电容 387.2 mah/g 和优异的循环稳定性。来自高熵合金-74 的 Nico 双金属磷化物纳米管是有效的水分解电催化剂。
基于熵权法的长期电离层foF2组合预测模型
摘要：准确预报电离层F2层临界频率（foF2）具有十分重要的意义，它极大地限制了通信、雷达和导航系统的效率。本文引入熵权法，建立了澳大利亚达尔文站（12.4 ◦ S，131.5 ◦ E）长期foF2的组合预报模型（CPM）。在完成校准期单个模型的仿真后，利用熵权法确定CPM中各单个模型的权重系数。为验证本研究采用的方法，分析了两组数据：一组是2000年和2009年，属于校准期（1998—2016年），另一组是校准周期之外的数据（1997年和2017年）。为了检验性能，我们将观测到的每月 foF2 中值、所提出的 CPM、国际无线电科学联盟 (URSI) 和国际无线电咨询委员会 (CCIR) 的均方根误差 (RMSE) 进行比较。1997 年、2000 年、2009 年和 2017 年，从 CPM 计算出的年度 RMSE 平均值小于从 URSI 和 CCIR 计算出的年度 RMSE 平均值。2000 年和 2009 年，CPM 与 URSI 之间的平均百分比改进为 9.01%，CPM 与 CCIR 之间的平均百分比改进为 13.04%。在校准期之外，CPM 与 URSI 之间的平均百分比改进为 13.2%，CPM 与 CCIR 之间的平均百分比改进为 12.6%。预测结果表明，无论是在校准期内还是在校准期外，所提出的 CPM 都比 URSI 和 CCIR 具有更高的预测精度和稳定性。