XiaoMi-AI文件搜索系统
World File Search SystemHFO
HFC-152A，HFO-1234YF和HFC/HFO
摘要：京都协议强调了需要更换HFC制冷剂，因为它们的高GWP值会导致环境污染。因此，在本文中，制冷剂R1234YF，R152A和HFOS/HFCS混合物的R134A/R152A/R1234YF（例如ARM42）（例如8.5/14/14/14/14/14/14/14/14/14/77.5），ARM42A的比率为7/11/82的比率）理论上对家用冰箱中的HFC-134A进行了分析。体积冷却能力，压缩机排放温度，性能系数，压缩机能量消耗和制冷能力是估计冰箱性能的主要参数。结果表明，与HFC-134A相比，HFC-152A在COP以及相等的冷却和体积冷却能力方面的性能优于性能。但是，制冷剂HFC-152A是易燃的，并且以高压缩机出口温度运行，这可能会限制其使用情况。与HFC-134A相比，HFO制冷剂R1234YF显示出几乎相等的容量冷却能力，压缩机能耗，冷藏效果和COP。在制冷剂ARM42和ARM42A中，制冷剂ARM42A被选为HFC-134A的好选择，因为体积冷却能力和ARM42A的COP几乎等于HFC-134A。因此，当采用相应的安全要求时，ARM42A可以更好地选择家庭冰箱中HFC-134A的直接替代品。因此，在对制冷剂的每一个物业的总体比较中，我们可以得出结论，可以将R1234YF视为家用冰箱中HFC-134A的最佳替代品。
用于实时检测颅内脑电图中高频振荡 (HFO) 的电子神经形态系统
嵌入式设备可以在本地实时处理生物医学信号，因此临床研究和治疗应用的生物医学信号分析可以受益匪浅。一个例子是分析癫痫患者的颅内脑电图 (iEEG) 以检测高频振荡 (HFO)，这是致痫脑组织的生物标志物。混合信号神经形态电路提供了构建紧凑、低功耗神经网络处理系统的可能性，该系统可以实时在线分析数据。在这里，我们介绍了一种神经形态系统，该系统在同一芯片上结合了神经记录头端和脉冲神经网络 (SNN) 处理核心来处理 iEEG，并展示了它如何可靠地检测 HFO，从而实现最先进的准确性、灵敏度和特异性。这是首次使用混合信号神经形态计算技术实时识别 iEEG 中相关特征的可行性研究。
表征超薄原子层中沉积的氧化物半导体MOS电容器中的界面和块状陷阱，< /div> < /div>
氧化物半导体吸引了对互补金属 - 氧化金属 - 半导体（CMOS）后端（BEOL）兼容设备的兴趣，用于整体3维（3D）集成。要获得高质量的氧化物/半导体界面和大量半导体，至关重要的是增强氧化物半导体晶体管的性能。原子层沉积（ALD）氧化二颗粒（在2 O 3中）的性能卓越，例如高驱动电流，高迁移率，陡峭的亚阈值斜坡和超薄通道。在这项工作中，使用C – V和电导方法系统地研究了ALD的MOS栅极堆栈中ALD的MOS栅极堆栈中的界面和块状陷阱。直接从C – V测量中的累积电容直接实现了0.93 nm的低EOT，表明高质量的门氧化物和氧化物/半导体界面。在2 O 3中的批量缺陷确定了子量的能级，可以通过TCAD模拟C – V和G - V特性来负责G p /ω与ω曲线的电导峰值。从C - V测量中提取1×10 20 /cm 3的高N型掺杂。使用电导法实现了3.3×10 cm-3 ev-1的状态（DOS）的高尺寸（DOS），这有助于高N型掺杂和高电子密度。高N型掺杂进一步确定通道厚度缩放的能力，因为电荷中性水平在导带中深入对齐。
用 HfO 2 /In 2 O 3 栅极堆栈表征超薄原子层沉积氧化物半导体 MOS 电容器中的界面和体陷阱
氧化物半导体重新引起了人们对用于单片三维 (3D) 集成的互补金属氧化物半导体 (CMOS) 后端 (BEOL) 兼容器件的兴趣。为了获得高质量的氧化物/半导体界面和体半导体，提高氧化物半导体晶体管的性能至关重要。据报道，原子层沉积 (ALD) 氧化铟 (In 2 O 3 ) 具有优异的性能，例如高驱动电流、高迁移率、陡亚阈值斜率和超薄沟道。在本文中，使用 C – V 和电导方法系统地研究了 ALD In 2 O 3 晶体管的 MOS 栅极堆栈中的界面和体陷阱。从 C – V 测量中的积累电容直接获得了 0.93 nm 的低 EOT，表明高质量的栅极氧化物和氧化物/半导体界面。通过 TCAD 对 C – V 和 G – V 特性的模拟，证实了 In 2 O 3 块体中亚带隙能级的缺陷是造成 GP / ω 与 ω 曲线中电导峰的原因。从 C – V 测量中提取了 1×10 20 /cm 3 的高 n 型掺杂。使用电导方法实现了 3.3×10 20 cm − 3 eV − 1 的高亚带隙态密度 (DOS)，这有助于实现高 n 型掺杂和高电子密度。高 n 型掺杂进一步证实了通道厚度缩放的能力，因为电荷中性水平在导带内部深度对齐。
用于检测术中ECOG中高频振荡（HFO）的尖峰神经网络（SNN）
要获得癫痫发作的自由，癫痫手术需要完全切除癫痫脑组织。在术中电视学（ECOG）记录中，癫痫组织产生的高频振荡（HFO）可用于量身定制切除缘。但是，实时自动检测HFO仍然是一个开放的挑战。在这里，我们提出了一个尖峰神经网络（SNN），用于自动HFO检测，最适合神经形态硬件实现。我们使用独立标记的数据集（58分钟，16个记录），训练了SNN，以检测从术中ECOG测量的HFO信号。我们针对快速连锁频率范围（250-500 Hz）中HFO的检测，并将网络结果与标记的HFO数据进行了比较。我们赋予了SNN新型的伪影排斥机制，以抑制尖锐的瞬变并证明其在ECOG数据集中的有效性。该SNN检测到的HFO速率（中位数为6.6 HFO/ min）与数据集中发布的HFO率（Spearman'sρ= 0.81）相当。所有8例患者的术后癫痫发作结果被“预测”为100％（CI [63 100％]）的精度。这些结果为建造实时便携式电池式HFO检测系统提供了进一步的一步，该检测系统可在癫痫手术期间使用，以指导癫痫发作区的切除。
文章结构，氮化钛电极的氧气含量和电性能X /LA：HFO 2 /TIN X堆叠在Sio 2 /si 2 /si < /div>
TRON能量损失光谱被彻底考虑。研究表明，在底部电极中的氧气浓度较高（约14.2±0.1 at。％）与顶部电极相比（约11.4±0.5 at。％）。以下平均化学计量公式为锡0。52 o 0。20上衣和锡0。54 O 0。 26底部和底部电极的底部。 由于血浆中的氧杂质与SIO 2和HFO 2的扩散相比，血浆中的氧气量不足。 这种不对称性，以及在Si底物上生长的样品的结果表明，与从SIO 2底物和PEALD生长过程中从SIO 2底物和HFO 2介电介质的扩散相比，与血浆本身的氧杂质相比是一个较小的部分。 我们观察到HF氧化物层和Ti nitride Electrodes以及SIO 2界面之间的界面上的TIO 2存在。 EELS分析导致底部锡X O Y的带隙范围为2.2至2.5 eV，而顶部锡X O Y的带隙范围为1.7-2.2 eV，使用光吸收光谱与顶部Tin X电极（1.6±01 eV）上的结果公平吻合。 测量板电阻，电阻率和温度系数通过在20到100°C的顶部锡x o y电极上的四点探头的电阻系数对应于半导体的典型值。54 O 0。26底部和底部电极的底部。由于血浆中的氧杂质与SIO 2和HFO 2的扩散相比，血浆中的氧气量不足。这种不对称性，以及在Si底物上生长的样品的结果表明，与从SIO 2底物和PEALD生长过程中从SIO 2底物和HFO 2介电介质的扩散相比，与血浆本身的氧杂质相比是一个较小的部分。我们观察到HF氧化物层和Ti nitride Electrodes以及SIO 2界面之间的界面上的TIO 2存在。EELS分析导致底部锡X O Y的带隙范围为2.2至2.5 eV，而顶部锡X O Y的带隙范围为1.7-2.2 eV，使用光吸收光谱与顶部Tin X电极（1.6±01 eV）上的结果公平吻合。测量板电阻，电阻率和温度系数通过在20到100°C的顶部锡x o y电极上的四点探头的电阻系数对应于半导体的典型值。
使用时频图和计算机视觉进行高频振荡的无监督检测
大于 80 Hz 的高频振荡 (HFO) 具有独特的特征，可将其与时频表示中可以充分证明的尖峰和伪影成分区分开来。我们引入了一种无监督的 HFO 检测器，它使用计算机视觉算法在二维 (2D) 时频图上检测 HFO 标志。为了验证检测器，我们引入了一个基于具有高斯包络的正弦波的 HFO 分析模型，可以推导出时频空间中的解析方程，这使我们能够在时域中常见的 HFO 检测标准与计算机视觉检测算法使用的频域标准之间建立直接对应关系。检测器在时频表示上识别潜在的 HFO 事件，如果满足有关 HFO 频率、振幅和持续时间的标准，则将其归类为真正的 HFO。根据分析模型，在存在噪声的情况下，对检测器进行了模拟 HFO 的验证，信噪比 (SNR) 范围从 -9 到 0 dB。检测器的灵敏度在 SNR 为 -9 dB 时为 0.64，在 -6 dB 时为 0.98，在 -3 dB 和 0 dB 时 > 0.99，而其阳性预测值均 > 0.95，无论 SNR 如何。使用相同的模拟数据集，我们的检测器与四个之前发布的 HFO 检测器进行了对比。F 度量是一种同时考虑灵敏度和阳性预测值的组合指标，用于比较检测算法。我们的检测器在 -6、-3 和 0 dB 时超越其他检测器，在 -9 dB SNR 时拥有仅次于 MNI 检测器的第二好 F 分数（0.77 对 0.83）。研究人员在 6 名患者的一组 36 个颅内脑电图 (EEG) 通道上测试了在临床记录中检测 HFO 的能力，其中 89% 的检测结果由两名独立审阅者验证。结果表明，基于时频图中的 2D 特征对 HFO 进行无监督检测是可行的，并且其性能与最常用的 HFO 检测器相当或更好。
在铁电体Hf0.5Zr0.5O2上插入Al2O3中间层扩大Si沟道FeFET存储窗口
基于AFNIA（HfO 2 ）的硅通道铁电场效应晶体管（HfO 2 Si-FeFET）在非挥发性存储器领域得到了广泛的研究[1-7]，这得益于掺杂HfO 2 中铁电性的发现[8]。文献报道中HfO 2 Si-FeFET的存储窗口（MW）大多在1-2 V左右[9-12]，不能满足其在多位存储单元应用的要求。为了提高MW，当前的措施主要通过降低掺杂HfO 2 铁电体与Si通道之间底部SiO x 夹层的电场，从而抑制掺杂HfO 2 /SiO x 界面处的电荷捕获[13-16]，同时增加SiO x 的数量。最近，有报道称MIFIS结构可以有效提高MW，并使用SiO 2 作为顶部夹层[17-21]。然而，Al 2 O 3 作为顶层尚未见报道。因此，我们报道 Al 2 O 3 层作为顶层中间层，以及 MW 对 Al 2 O 3 厚度的依赖性。
氧空位对铁电氧化铪电场循环行为的影响
摘要 —基于密度泛函理论（DFT）计算，提出了一种关于HfO 2 基铁电器件中氧空位（Vo）的新机制。在该机制中，除了已知的o相HfO 2 之外，m相HfO 2 中的Vo不仅作为电子陷阱而且也表现出铁电性。而“唤醒”过程中剩余极化的增加主要归因于这部分Vo-m相HfO 2 铁电单元。基于新机制，开发了动力学蒙特卡罗（KMC）模拟器来量化在HfO 2 基铁电器件中观察到的典型电场循环行为，包括唤醒、疲劳、分裂和击穿效应。这种新的认识建立了Vo与循环行为之间的关系，并进一步揭示了掺杂剂与HfO 2 基铁电器件唤醒特性之间的联系。
高 - ...
摘要：近几十年来，基于侵入性临床研究的大量证据表明，高频振荡（HFOS）是癫痫发作区（SOZ）定位的有希望的生物标志物，因此，有可能改善术后外的癫痫病患者。新兴的临床文献表明，可以使用诸如头皮电解学（EEG）和磁脑摄影（MEG）之类的方法对HFO进行无创记录。不仅HFO被认为是SOZ的有用生物标志物，而且还具有衡量疾病严重程度，监测治疗和评估前进结果的潜力。在本文中，我们回顾了有关人脑中非侵入性检测到的HFO的最新临床研究，重点是癫痫。 无创检测到的头皮HFO已在各种类型的癫痫病中进行了研究。 HFO也在其他病理性脑部疾病（例如偏头痛和自闭症）中进行了无创研究。 在此，我们讨论了非侵入性HFO研究中报告的挑战，包括在临床环境中MEG和高密度EEG设备缺乏，低信号比率，缺乏临床批准的自动检测方法，以及在物理和病理HFOS之间区分的难度。 需要有关HFO的非侵入性记录方法的其他研究，尤其是前瞻性多中心研究。 进一步的研究是基本的，在临床环境中经常评估HFO之前，需要进行大量工作；但是，未来似乎很有希望。在本文中，我们回顾了有关人脑中非侵入性检测到的HFO的最新临床研究，重点是癫痫。无创检测到的头皮HFO已在各种类型的癫痫病中进行了研究。HFO也在其他病理性脑部疾病（例如偏头痛和自闭症）中进行了无创研究。在此，我们讨论了非侵入性HFO研究中报告的挑战，包括在临床环境中MEG和高密度EEG设备缺乏，低信号比率，缺乏临床批准的自动检测方法，以及在物理和病理HFOS之间区分的难度。需要有关HFO的非侵入性记录方法的其他研究，尤其是前瞻性多中心研究。进一步的研究是基本的，在临床环境中经常评估HFO之前，需要进行大量工作；但是，未来似乎很有希望。