XiaoMi-AI文件搜索系统
World File Search SystemSasaki
钙钛矿薄膜中的能带反转特征......
合金 BaSn_{1–x}Pb_{x}O_{3} Junichi Shiogai、Takumaru Chida、Kenichiro Hashimoto、Kohei Fujiwara、Takahiko Sasaki、
工资和价格：过去，现在和未来
2在这种情况下，Sasaki，Yamamoto和Nakajima（2023）发现，在日本，企业对CPI通胀率的投入成本增加的影响（通行证）是非线性的，取决于成本增加的大小。此外，Ikeda等人使用Tankan（日本企业的短期经济调查）的微型数据。（2023）表明，即使竞争对手不提高价格时，企业即使成本上涨也不会提高售价。Sasaki，T.，Yamamoto，H。和Nakajima，J。，“非线性投入成本传递到消费者价格：一种门槛方法”，日本银行工作文件系列，第1期。 23-E-9（2023年5月）。 ikeda，S。等人，“公司最近的价格设定的立场：Tankan的证据”，《日本银行评论》系列，第1期。 23-E-2（2023年2月）。Sasaki，T.，Yamamoto，H。和Nakajima，J。，“非线性投入成本传递到消费者价格：一种门槛方法”，日本银行工作文件系列，第1期。23-E-9（2023年5月）。ikeda，S。等人，“公司最近的价格设定的立场：Tankan的证据”，《日本银行评论》系列，第1期。23-E-2（2023年2月）。23-E-2（2023年2月）。
遗传改善农业的重要性
来自Konishi，S.，Izawa，T.，Lin，S.Y.，Ebana，K.，Fukuta，Y.，Sasaki，T。和Yano，M。（2006）。SNP在水稻驯化过程中导致种子破碎的损失。科学312：1392-1396。经AAAS许可转载。
具有铁电结构相变和奇怪的超导过渡的拓扑...
这项研究的结果于12月20日发表在12月20日的《英国杂志NPJ量子材料》上。标题：“铁电式拓扑半学Sraubi中的超导性”作者：hidefumi takahasi，Tomohiro Sasaki，Akitoshi Nakano，Nakano，Kazuto Akiba，Masayuki Akiba，Masayuki takahashi，Takahashi https://doi.org/10.1038/s41535-023-00612-4
基因组编辑开辟了生命科学的新途径
Michael BASSIK 高彩霞 Pietro GENOVESE 星野淳 秋津堀田 许爱龙 柯亨范 Henry KIM Silvana KONERMANN 智二 真尾圭二 西田宏 西濱修 濕木司 大森秀之 冈野秀之 Leopold PARTS 秦文宁 斋藤弘英 斋藤诚 佐佐木惠梨香 佐藤森敏 Virginijus SIKSNYS 矢千江望 山本隆 游佐耕介
SAMPAN - VICKY CHONG
Anisha Ralhan • Azhari Jasman • Bryce W. Merkl Sasaki 陈翠芬 • Gabriel Oh • Gerrie Kow • Hanis Husin 吴先俊 • Jocelyn Low • Ken Lye Kevin Nicholas Wong • Mandakini Arora Saleem Hadi • Nadia Ayesha • Peter Morgan Phong Huynh • 萨拉·帕特里夏·凯利 Sarah Soh Sarah Tan Shu Ling • Seema Punwani Sharon Solomon • Subhransu Behera • Vicky Chong
![利用人工智能（AI）技术和电磁学的优化设计[II/完整]](/simg/9\9387ec6c0b051bb435b36d1f49766d3c18604346.png)
利用人工智能（AI）技术和电磁学的优化设计[II/完整]
(1) R. Gómez-Bombarelli, J.N.魏，D. Duvenaud，J.M.Hernandez-Lobato、B. Sanchez-Lengeling、D. Sheberla、J. Aguilera-Iparraguirre、T.D.希泽尔 R.P.亚当斯和 A.Aspuru-Guzik.，“使用数据驱动的分子连续表示进行自动化学设计”，ACS Central Science，卷。4，没有。2，第268-276，2018 年 2 月。(2) T.Guo, D.J.Lohan 和 J.T.Allisony，“使用变分自动编码器和风格迁移进行拓扑优化的间接设计表示”，AIAA 2018-0804。https://doi.org/10.2514 / 6.2018-0804，2018年。(3) S. Oh、Y. Jung、S. Kim、I. Lee 和 N. Kang，“深度生成设计：拓扑优化与生成模型的集成，”J.机械设计，卷。141，号。11, 111405, 2019.(4) 五十岚一，伊藤桂一，《人工知能(AI)技术と电磁気学を用いた最适设计［I］──トポロジー最适化──，》信学志，卷．105，没有。1. 页2022 年 33-38 日。(5) H. Sasaki 和 H. Igarashi，“深度学习加速拓扑优化”，IEEE Trans。Magn.，卷。55，没有。6，7401305，2019。(6) J. Asanuma、S. Doi 和 H. Igarashi，“通过深度学习进行迁移学习：应用于电动机拓扑优化, ” IEEE Trans.Magn., 卷。56, no.3, 7512404, 2020.(7 ) T. Aoyagi、Y. Otomo、H. Igarashi1、H. Sasaki、Y. Hidaka 和 H. Arita，“使用深度学习进行拓扑优化预测电流相关电机扭矩特性”，将在 COMPUMAG2021 上发表。(8) R.R.Selvaraju、M. Cogswell、A. Das、R. Vedantam、D. Parikh 和 D. Batra，“Grad-CAM：来自深层的视觉解释网络通过基于梯度的定位，” Proc.IEEE Int.Conf.计算机视觉 ( ICCV )，第< div> 618-626，2017 年。(9) H. Sasaki、Y. Hidaka 和 H. Igarashi，“用于电动机设计的可解释深度神经网络”，IEEE Trans。Magn.，卷57，号6，8203504，2021。(10) X.Y.Kou，G.T.Parks，和 S.T.< div> Tana，“功能优化设计
岛屿和偏远沿海地区的海洋能量
海洋仍然是可再生能源最不可忽视的来源。波和潮汐存储可以转化为电能的动能，而海水也可以用作太阳能收集器并从太阳中捕获热能（Melikoglu，2018）。潮汐电流或波发电机可以收集代表可预测的可再生能量来源的动能，鉴于潮汐的周期性和波浪的可预测性（Sasaki，2017； Setis，2014）。渗透发电厂和热电发电机可以从盐度和热梯度中产生电力，或从深海中吸收能量进行加热和冷却（Khan，Kalair，Abas和Haider，2017年）。