1自动化与电视学院,俄罗斯科学院的西伯利亚分支,1 AC。Koptyug Ave.,630090 Novosibirsk,俄罗斯; ksyna_98@mail.ru(K.V.P. ); golikov.inc@mail.ru(e.v.g。 ); dostovalov@iae.nsk.su(A.V.D。 ); wolf@iae.nsk.su(a.a.w. ); z.munkueva@g.nsu.ru(Z.E.M. ); abdullinasr@iae.nsk.su(s.r.a. ); terentyev@iae.nsk.su(v.s.t. ); babin@iae.nsk.su(s.a.b。) 2诺华州立大学物理系,皮罗戈娃2,630090俄罗斯诺瓦西比尔斯克3俄罗斯科学院普罗克霍罗夫通用物理研究所,38 Vavilov St.,1199991莫斯科,俄罗斯,俄罗斯, egorova@nsc.gpi.ru 4 Dianov光纤研究中心,俄罗斯科学院普罗夫洛夫通用物理研究所,俄罗斯莫斯科119991瓦维洛夫街38号; sls@fo.gpi.ru *通信:skvorczov@iae.nsk.suKoptyug Ave.,630090 Novosibirsk,俄罗斯; ksyna_98@mail.ru(K.V.P.); golikov.inc@mail.ru(e.v.g。); dostovalov@iae.nsk.su(A.V.D。); wolf@iae.nsk.su(a.a.w.); z.munkueva@g.nsu.ru(Z.E.M.); abdullinasr@iae.nsk.su(s.r.a.); terentyev@iae.nsk.su(v.s.t.); babin@iae.nsk.su(s.a.b。)2诺华州立大学物理系,皮罗戈娃2,630090俄罗斯诺瓦西比尔斯克3俄罗斯科学院普罗克霍罗夫通用物理研究所,38 Vavilov St.,1199991莫斯科,俄罗斯,俄罗斯, egorova@nsc.gpi.ru 4 Dianov光纤研究中心,俄罗斯科学院普罗夫洛夫通用物理研究所,俄罗斯莫斯科119991瓦维洛夫街38号; sls@fo.gpi.ru *通信:skvorczov@iae.nsk.su
2024 年 2 月 16 日至 17 日 由印度科学技术部牵头、与贾瓦哈拉尔·尼赫鲁高级科学研究中心 (JNCASR) 合作的纳米任务计划与英国科学技术设施委员会 (STFC) 签署了一项协议。此次合作旨在促进英国和印度科学家在中子散射和介子光谱方面的共同努力。重点将放在利用 ISIS 卢瑟福阿普尔顿实验室 (RAL) 的实验设施进行纳米技术和先进材料研究。有关更多详细信息,请访问我们的网站。
摘要:使用吸附的单链DNA(ssDNA)的单壁碳纳米管(SWCNT)作为传感器进行研究,以研究生物系统,其潜在应用从临床诊断到农业生物技术。唯一的ssDNA序列使SWCNT有选择地响应靶向分析物,例如识别神经调节剂多巴胺等(GT)N -SWCNT。尚不清楚SWCNT表面上的ssDNA构象如何有助于功能,因为观察结果仅限于脱水条件下的计算模型或实验,这与应用纳米传感器的水性生物环境有很大不同。我们通过X射线散射干涉测量法(XSI)来展示一种直接测量SSDNA几何形状的模式,该模式利用了AuNP标签产生的干扰模式,该模式由AuNP标记在SWCNT表面上与SSDNA结合在一起。我们使用XSI来量化两个(GT)N ssDNA低聚物长度(n = 6,15)的不同表面吸附的形态(n = 6,15),它们在多巴胺感应的背景下用于SWCNT,并测量SSDNA构象变化作为离子强度和多巴胺相互作用的功能。我们表明,与更长的(GT)15低聚物相比,较短的低聚物(GT)6沿SWCNT轴(SSDNA间距离为8.6±0.3 nm)采用更周期性的有序环结构(SSDNA间距离为8.6±0.3 nm)(最有可能的5'-5'-5'至14.3±1.1 nm)。在分子识别期间,XSI揭示了多巴胺在SWCNT表面同时引起吸附ssDNA的轴向伸长和径向收缩。■简介我们使用XSI探测聚合物功能化SWCNT的溶液 - 相形态的方法可以应用于感应机制的见解,并为基于纳米粒子的传感器提供了未来的设计策略。
1 Riken Spring-8 Center,1-1-1 Kouto,Sayo,Sayo,YOOGO 679-5148,日本2日本2精确科学与技术系,大阪大学工程研究生院,2-1 Yamada-Oka,Osaka,Osaka,Osaka 565-0871,日本565-0871,日本3日本3 UniwersytetupoznaðSkiego2,PL-61614 POZNA或波兰4自由电子激光科学中心CFEL,DEUTSCHES ELEKTRONEN-SYNCHROTRON DESY,NOTKERSTER,NOTKERSTER。85,22607德国汉堡5欧洲XFEL GMBH,HOLZKOPPEL 4,22869德国Schenefeld,德国6核物理研究所6,波兰科学院核物理学院,Radzikowskiego 152,152,152,31-342 KRAKOW,波兰克拉克夫,波兰7材料材料部7材料,材料部7材料部 Nagoya, 464-8603, Japan 8 Japan Synchrotron Radiation Research Institute, Kouto 1-1-1, Sayo, Hyogo 679-5198, Japan 9 Center for Ultra-Precision Science and Technology, Graduate School of Engineering, Osaka University, 2-1 Yamada-oka, Suita, Osaka 565-0871, Japan
我们报告了量子和经典机器学习技术之间的一致比较,这些技术应用于对矢量玻色子散射过程的信号和背景事件进行分类,该过程在欧洲核子研究中心实验室安装的大型强子对撞机上进行研究。基于变分量子电路的量子机器学习算法在免费提供的量子计算硬件上运行,与在经典计算设施上运行的深度神经网络相比,表现出非常好的性能。特别是,我们表明这种量子神经网络能够正确地对信号进行分类,其特征曲线下面积 (AUC) 非常接近使用相应的经典神经网络获得的特征曲线下面积 (AUC),但使用的资源数量要少得多,训练集中的可变数据也较少。尽管这项工作是在有限的量子计算资源下给出原理证明的演示,但它代表了
具有高拓扑保护的光子晶体波导的实现,可以防止缺陷引起的散射。应该通过通过低损失和反射的尖锐弯曲来利用引导来设计非常紧凑的设备。在这项工作中,我们使用山谷拓扑三角谐振器耦合到输入波导,以评估在尖锐弯曲或拆分器(如拆分器之类的路由元件)之间具有相反螺旋性的螺旋拓扑边缘模式之间的转换。为此,我们首先通过数值模拟在腔角处的向后散射或在输入波导和腔之间的分离器上的螺旋转换而传播的向后散射存在。我们显示了这种过程发生的证据,尤其是在尖锐的角落,从而导致传输最小值和分裂共振,否则不存在。为了评估与此效应相关的小耦合系数,然后引入了基于散射矩阵在分裂器和谐振器的角落的精确参数化的现象学模型。通过与数值模拟进行比较,我们能够量化尖锐的弯曲和分裂器处的螺旋度转换。最后,我们使用获得的现象学参数集与基于Sierpi´nski Triangle构造的分形型腔的完整数值模拟将模型的预测与完整的数值模拟进行比较。我们表明,该协议总体上是好的,但在最小的三角形组成的腔中显示出更多的差异。我们的结果表明,即使在免于几何和结构缺陷的系统中,在拐角,尖锐的弯曲和裂缝方面,螺旋性转化也不可以忽略不计。但是,可以通过一种现象学方法来实现更简单但预测的计算,从而可以模拟超出标准数值方法的非常大的设备,这对于光子设备的设计至关重要,这些光子设备通过电磁波的拓扑传导来收集紧凑性和低损失。
摘要:近年来,基于深度学习的方法已被应用于合成孔径雷达(SAR)图像的目标检测。然而,由于SAR的成像机制和低信杂噪比(SCNR),利用SAR图像进行飞机检测仍然是一项具有挑战性的任务。针对这一问题,提出了一种基于相干散射增强和融合注意机制的低SCNR SAR图像飞机检测新方法。考虑到人造目标与自然背景之间的散射特性差异,引入相干散射增强技术来增强飞机散射信息并抑制杂波和斑点噪声。这有利于深度神经网络后续提取有关飞机的准确和有判别力的语义信息的能力。此外,开发了一种改进的Faster R-CNN,该网络具有一种融合局部和上下文注意的新型金字塔网络。局部注意通过增强重要对象的可区分特征来自适应地突出显示重要对象,而上下文注意则有助于网络提取图像的不同上下文信息。融合局部注意力和上下文注意力可以保证飞机被尽可能完整地检测到。在TerraSAR-X SAR数据集上进行了广泛的实验以与基准进行比较。实验结果表明,所提出的飞机检测方法在低SCNR下可以达到高达91.7%的平均精度,显示出有效性和优于许多基准。
摘要。康普顿散射一直是原子和分子物理学,材料科学,冷凝物理学和其他领域的关键概念,因为它最初是由Arthur H. Compton在1923年发现的。此外,康普顿摄像机是康普顿散射的应用之一,可以收集有关500 KEV高能量的光子的足够数据和信息,这对于对天文学,医学成像和可视化放射性材料的科学研究很重要。游离电子近似,脉冲近似和散射矩阵是到达康普顿公式和康普顿效应的基本原理的一些方法。在本文中,将包括康普顿公式的完整推导,以及自由电子近似的扣除,这显示了康普顿散射与汤姆森散射之间的关系,当光子能量比粒子的质量能小得多时,前者的低能极限。此外,本文将讨论康普顿散射的几种想法,包括检查波长与相对强度之间的联系,保护法和虚拟光子吸收之间的联系。
基于连续脑电图 (cEEG) 的视觉频谱表示的患者独立癫痫活动检测已广泛用于诊断癫痫。然而,由于不同受试者、通道和时间点的细微变化,精确检测仍然是一项相当大的挑战。因此,捕获与高频纹理信息相关的脑电图模式的细粒度、判别性特征尚未解决。在这项工作中,我们提出了散射变压器 (ScatterFormer),这是一种基于不变散射变换的分层变压器,它特别关注细微特征。特别是,解缠结的频率感知注意力 (FAA) 使变压器能够捕获具有临床信息的高频成分,基于多通道脑电图信号的视觉编码提供了一种新的临床可解释性。在两个不同的癫痫样检测任务上的评估证明了我们方法的有效性。我们提出的模型在 Rolandic 癫痫患者中实现了 98.14% 和 96.39% 的中位 AUCROC 和准确率。在新生儿癫痫发作检测基准上,其平均 AUCROC 比最先进的方法高出 9%。
