通过机器学习生成设计一直是计算机辅助设计领域的一项持续挑战。最近,深度学习方法已被用于随机生成时尚、家具和产品设计中的图像。然而,这种深度生成方法通常需要大量的训练图像,并且在设计过程中没有考虑到人为因素。在这项工作中,我们寻求一种方法,通过脑电图测量 (EEG) 指示的大脑活动将人类认知因素纳入生成过程。我们提出了一种受神经科学启发的机器学习设计方法,其中使用 EEG 来捕获首选的设计特征。此类信号用作生成对抗网络 (GAN) 中的条件。首先,我们使用循环神经网络 (LSTM - 长短期记忆) 作为编码器,从原始 EEG 信号中提取 EEG 特征;这些数据是从受试者观看 ImageNet 中的几类图像时记录下来的。其次,我们训练一个以编码的 EEG 特征为条件的 GAN 模型来生成设计图像。第三,我们使用该模型从受试者的 EEG 测量大脑活动生成设计图像。
如今,可再生能源 (RES) 在生产大量电力和减少二氧化碳及其他温室气体排放方面发挥着重要作用。最重要的 RES 之一是光伏 (PV) 技术:事实上,它需要的安装和维护成本较低,并且由于结构的模块化和有限的安装空间,最适合城市一体化 [1]。在此背景下,近零能耗建筑 (nZEB) 的概念得到了充分构建。欧盟委员会通过 2010/31/EU 指令 [2] 引入了这一术语,并在国家层面定义了增加 nZEB 数量的适当措施。特别是,在 nZEB 中,能源消耗必须主要由位于现场或附近的 RES 覆盖。此外,欧盟成员国确保到 2020 年 12 月 31 日,所有新建建筑都将成为 nZEB。首先,大学应该积极参与 nZEB 框架,因为它们具有相关的社会经济影响 [3-4]。事实上,一些大学已经朝着这个方向发展,重点研究可能的改造以降低现有学术建筑的能耗 [5-7]。莱里达大学(西班牙)、欧柏林学院(美国俄亥俄州)和澳大利亚联邦科学与工业研究组织能源中心(纽卡斯尔,澳大利亚)都已实现现有建筑的样本。[8] 中报告了其他 nZEB 学校和用于学术目的的可持续建筑的例子。[9] 分析了瑞典住宅建筑的自给自足率,重点关注用于此目的的最佳电池技术。相反,[10] 讨论了配备电池储能系统的德国商业建筑的自消耗和自给自足。[11] 和 [12] 几项基于国内 nZEB 的研究,重点研究了取决于电池大小的自给自足率。
对长期意识障碍 (pDOC) 患者提供准确的预后仍然是一个临床挑战。大型横断面研究已经证明了使用高密度脑电图 (hdEEG) 测量的功能性大脑网络的诊断和预后价值。尽管如此,这些神经测量的预后价值尚未通过纵向随访进行评估。我们通过评估 hdEEG 预测长期行为结果的效用来解决这一差距,采用从一组患者中收集的纵向数据,这些患者在两年的时间内通过床边的静息 hdEEG 和昏迷恢复量表修订版 (CRS-R) 进行系统评估。我们使用典型相关分析将临床(包括 CRS-R 评分与人口统计变量相结合)和 hdEEG 变量相互关联。该分析显示,患者的年龄、hdEEG θ 波段功率和 alpha 波段连接对 hdEEG 与临床变量之间的关系贡献最为显著。此外,我们发现,评估时记录的 hdEEG 测量结果增强了临床测量结果,有助于预测下次评估时的 CRS-R 分数。此外,hdEEG 变化率不仅可以预测 CRS-R 分数的后续变化,而且在预测能力方面也优于临床测量结果。总之,这些发现表明,功能性大脑网络的改善先于 pDOC 的行为意识变化。我们在此证明,在专科护理院进行的床边 hdEEG 评估是可行的,具有临床实用性,并且可以补充临床知识和系统性行为评估,以指导预后和护理。
无线和移动通信技术的进步促进了移动医疗 (m-health) 系统的发展,以寻找获取、处理、传输和保护医疗数据的新方法。移动医疗系统提供了应对日益增多的需要持续监测的老年人和慢性病患者所需的可扩展性。然而,设计和运行带有体域传感器网络 (BASN) 的此类系统面临双重挑战。首先,传感器节点的能量、计算和存储资源有限。其次,需要保证应用级服务质量 (QoS)。在本文中,我们整合了无线网络组件和应用层特性,为移动医疗系统提供可持续、节能和高质量的服务。特别是,我们提出了一种能量成本扭曲 (ECD) 解决方案,它利用网络内处理和医疗数据自适应的优势来优化传输能耗和使用网络服务的成本。此外,我们提出了一种分布式跨层解决方案,适用于网络规模可变的异构无线移动医疗系统。我们的方案利用拉格朗日对偶理论,在能源消耗、网络成本和生命体征失真之间找到有效的平衡,以实现对延迟敏感的医疗数据传输。仿真结果表明,与基于均等带宽分配的解决方案相比,所提出的方案实现了能源效率和 QoS 要求之间的最佳平衡,同时在目标函数(即 ECD 效用函数)中节省了 15%。
任何计算设备的物理实现,要想真正利用量子理论 [1] 提供的额外能力,都是极其困难的。原则上,我们应该能够在具有明确定义状态空间的系统上执行长相干量子操控(门控)、精确量子态合成以及检测。从一开始,人们就认识到,最大的障碍来自于任何现实量子系统不可避免的开放性。与外部(即非计算)自由度的耦合破坏了量子演化的幺正结构,而这正是量子计算 (QC) 的关键因素。这就是众所周知的退相干问题 [2]。通过量子纠错所追求的主动稳定可以部分克服这一困难,这无疑是理论 QC 的成功 [3]。然而,由于需要低退相干率,目前量子处理器的实验实现方案都是基于量子光学以及原子和分子系统 [1]。事实上,这些领域极其先进的技术已经可以实现简单量子计算机中所需的操作。然而,人们普遍认为,量子信息的未来应用(如果有的话)很难在这样的系统中实现,因为这些系统不允许大规模集成现有的微电子技术。相反,尽管“快速”退相干时间存在严重困难,但固态量子计算机实现似乎是从超快光电子学 [4] 以及纳米结构制造和表征 [5] 的最新进展中获益的唯一途径。为此,主要目标是设计具有“长”退相干时间(与典型的门控时间尺度相比)的量子结构和编码策略。第一个定义明确的基于半导体的量子通信方案 [6] 依赖于量子点 (QD) 中的自旋动力学;它利用了自旋自由度相对于电荷激发的低退相干性。然而,所提出的操纵
过去几年中,量子信息论的最新发展强烈推动了复杂量子现象的表征。在这样的框架中,一个关键概念就是纠缠。纠缠除了被认为是量子计算和通信任务的基本资源 [1] 之外,还被用来更好地表征不同多体量子系统在相关哈密顿量的某些特征参数发生变化时的临界行为;后一种现象被称为量子相变 (QPT) [2]。事实上,人们还没有完全深入理解 QPT 的普遍性质。在这种情况下使用纠缠的特殊之处在于,作为量子关联的单一直接测度,它应该允许对 QPT 进行统一处理;至少,每当发生的 QPT 归因于系统的量子性质时,这总是在 T 0 时,因为不存在热涨落。 [3] 中首次描述了自旋 1=2 链中单自旋或双自旋纠缠与 QPT 之间的关系,其中注意到并发度的导数在 QPT 的对应性上表现出发散,并具有适当的标度指数。随后在 [4] 中研究了 L 自旋块的纠缠及其在表现出临界行为的自旋模型中的标度行为。最近在 [5] 中解决了通过纠缠来表征费米子系统基态相图的问题,其中展示了如何通过研究单点纠缠来重现已知(数值)相图的相关特征。虽然这是一个有希望的起点,但仍需澄清哪些量子关联导致了 QPT 的发生:是两点还是共享点(多部分),是短程还是长程。事实上,要回答上述问题,需要对任何两个子系统之间的纠缠进行详尽的研究。如果子系统只有 2 个自由度,则共生性可以正确量化量子关联 [6]。一个概括
在过去的几十年中,汽车应用对电子系统的强劲需求以及半导体技术工艺的不断发展,推动了专用集成电路 (ASIC) 的设计和制造,包括模拟、数字、电源和射频模块,这些模块在大幅降低生产成本的同时,还提高了系统性能和可靠性。基本上,满足模块级规范的设计问题已经逐渐从印刷电路板 (PCB) 转移到集成电路,因此当前的 IC 设计(尤其是定制 IC)大多是为了满足大多数模块级规范,包括那些涉及电磁兼容性的规范。实际上,电子模块传导和辐射电磁发射的最大限值不能轻易与 IC 级的电气参数相关联,例如直流电流消耗、时钟频率、IC 封装物理尺寸、I/O 电压和电流斜率等。同样,施加到电子模块以检查其对电磁干扰 (EMI) 的敏感性的射频干扰水平不能像任何其他设计规范那样对待。一般来说,IC 的电磁辐射和电磁敏感性与其所处的周围环境密切相关,即 PCB 布局、EMI 滤波器、PCB 接地方案、金属外壳的大小和形状等。然而,在过去的几十年里,一些
蒙特卡洛 (MC) 方法已用于计算半导体中的半经典电荷传输超过 25 年,是微电子器件模拟最强大的数值工具 [1]。然而,当今的技术将器件尺寸推向了极限,传统的半经典传输理论已不再适用,需要更严格的量子传输理论 [2]。为此,人们提出了各种基于格林函数 [3] 或维格纳函数 [4] 方法的电荷传输量子动力学公式。虽然这种量子力学形式允许严格处理相位相干性,但它们通常通过纯现象学模型描述能量弛豫和失相过程。人们还提出了一种用于分析载流子-声子相互作用下的瞬态传输现象的完整量子力学模拟方案 [5]。然而,由于需要大量计算,其适用性仍然仅限于短时间尺度和极其简单的情况。因此,尽管人们付出了很多努力,尽管在研究这些量子动力学公式方面取得了无可置疑的智力进步,但它们在强散射动力学存在下的实际设备中的应用仍然是一个悬而未决的问题。Datta、Lake 和同事的最新成果似乎很有希望 [6]。然而,他们的稳态格林函数公式不能应用于时间相关的非平衡现象的分析,而这种现象在现代光电器件中起着至关重要的作用。在本文中,我们提出了一种广义 MC 方法来分析量子器件中的热载流子传输和弛豫现象。该方法基于控制单粒子密度矩阵时间演化的动力学方程组的 MC 解;它可以被视为对开放系统的扩展