XiaoMi-AI文件搜索系统
World File Search SystemSpE
来自二维材料的可调谐单光子发射器...
量子通信背景：二维材料中的单光子发射器 (SPE) 已成为量子技术和量子通信的有前途的平台。这些发射器能够产生单个光子，这对于安全通信、量子计算和其他需要操纵量子态的应用至关重要。过渡金属二硫属化物 (TMD) 等二维材料由于其原子级薄性质、强激子效应以及与其他量子器件集成的潜力，为实现 SPE 提供了独特的环境。在这些材料中，缺陷、应变和局部激子可以捕获电子和空穴，从而导致单光子的发射。此外，二维材料提供可调的电子和光学特性，可以更好地控制发射特性，例如波长和偏振。此外，基于二维材料的 SPE 的可扩展性和与现有光子和光电器件的集成使其成为未来量子技术的有力候选者。
电动和自动驾驶汽车中的塑料会议
欢迎参加第一届 SPE ® 电动和自动驾驶汽车 (EAV) 塑料年度会议。EAV 会议由塑料工程师协会汽车分部赞助，它是唯一一个将电动或自动驾驶汽车中的各种塑料应用整合到一个活动中的会议。电动和自动驾驶汽车是交通运输的新领域，有许多新的子专业。在过去的几十年里，全球和本地已经举办了许多技术会议，专注于一个子专业，但忽略了汽车的许多其他领域。这对底特律地区渴望知识的汽车工程师来说是痛苦的。EAV 会议于 2021 年 10 月向 SPE 汽车部门董事会成员提出，并获得一致批准，整个董事会全力支持协助规划和实施本次会议。EAV 会议得到了 SPE 汽车部门志愿者成员组成的优秀策划团队的支持。这群志愿者在过去六个月里非常努力地将这次会议变为现实，我们感谢他们的奉献精神。如果您在会议期间看到这些委员会成员中的任何一位，请停下来向他们打招呼，感谢他们为 SPE 和 EAV 会议所做的努力和奉献精神。
chuditch田地：在亚太多产的核心...
1由ERC Equipoise PTE准备的CPR。 Ltd.，2023年2月； SPE PRMS符合标准2 Sundagas管理估算值：资源总资源包括OFF PSC区域，而不是PSC1由ERC Equipoise PTE准备的CPR。Ltd.，2023年2月； SPE PRMS符合标准2 Sundagas管理估算值：资源总资源包括OFF PSC区域，而不是PSC
德米特里·贝德罗夫 2021 年 3 月 3 日
固体聚合物电解质 (SPE) 有可能使锂离子和锂金属电池实现高能量密度、先进的制造能力和增强的安全性。然而，缺乏足够的分子尺度的锂离子传输机制见解和对关键相关性的可靠理解，往往会限制新材料的修改和设计范围。此外，对聚合物化学结构细微变化的敏感性（例如，选择特定的键或化学基团）通常被忽视为潜在的设计参数。在本次演讲中，我们将使用三个示例来展示原子分子动力学 (MD) 模拟如何补充实验研究并揭示聚合物结构变化与 Li+ 传输能力之间重要的分子尺度相关性。对于传统的 SPE，我们证明通过调整聚合物链的化学结构，可以实现从 Li+ 和聚合物链段运动状态之间的强耦合到解耦状态的转变。在单离子导电聚合物凝胶中，我们表明聚合物主链的微小修改显着增强了 Li+ 传输。最后，我们展示了 MD 模拟如何指导由聚轮烷超分子自组装组成的新型 SPE 的设计，其中编织线性链和环状分子的形态允许将 SPE 中的机械和传输特性解耦。
硬件加速器设计具有太阳粒子事件预测的有监督的机器学习
摘要 - 在太阳粒子事件（SPE）的几个小时或几天内，宇宙辐射的强度可能在五个数量级上有所不同，从而增加了多个数量级的空间应用中单事件Upsets（SEU）的概率（SEU）。因此，至关重要的是要尽早检测SEU速率变化，以确保及时激活辐射硬化措施。在本文中，提出了用于预测IN-FIRKIT SEU变化的硬件加速器，以预测SPE。嵌入的片上SRAM用作实时粒子检测器。专用硬件加速器实现了监督的机器学习模型，以预测SRAM SEUS提前一个小时，每小时在SPE和正常条件下对SEU变化进行细粒度的小时跟踪。整个设计旨在用于在空间应用中采用的高度可靠和自适应的多处理系统。因此，目标系统可以在高辐射水平发作之前驱动适当的辐射硬化机制。
，Fisli，H，NACEF，M，AFFOUNE，AM和PONTIUR，M（2024）用低内容PT – Ni微结构装饰的屏幕打印电极用于敏感检测
In this study, we report for the first time, a method for simultaneous detection of paracetamol (PA) and its toxic impurities, 4-aminophenol (4-AP), as well as commonly co-formulated drugs, ascorbic acid and zinc (AA and Zn (II)), using screen-printed electrodes (SPEs) as a sensing platform.为了改善SPE的电化学性能，使用简单的电极位置技术装饰了铂和镍微结构（PT - Ni）。通过Fe - SEM，TEM，EDX，XRD和AFM测量结果证实了合成的PT - Ni/SPE电极的结构和形态。此外，使用环状伏安法和电化学阻抗光谱法研究了AS制备传感器的电化学表征。在最佳条件下，使用环状体积量，差分脉冲伏安法和方波伏安法技术对4 AP，PA，AA和Zn（II）的含量进行定量。设计的传感器可以提出双重效应，利用Pt的Zn（II）检测效率和PT - Ni检测4-AP，AA和PA。一方面，应准备的PT - Ni/SPE传感器表现出对4-AP和PA的线性响应，两者的范围为0.5至200μm，对于4-AP和
构建深度封闭的环形 - 盖特 - 孔 - 全球...
在作者提交的摘要中包含的信息之后，SPE/IADC计划委员会选择了本文进行演讲。该论文的内容尚未经过石油工程师协会或国际钻探承包商协会的审查，并且作者需要进行更正。材料不一定反映石油工程师协会或国际钻探承包商，其官员或成员的任何立场。电子复制，分发或存储本文的任何部分。允许在印刷中复制的权限仅限于不超过300个单词的摘要；插图可能不会复制。摘要必须包含对SPE/IADC版权的明显确认。
使用超声心动图放射线特征和机器学习算法
由心肌中的铁沉积引起的抽象心力衰竭是β-丘脑贫血患者死亡率的主要原因。心脏磁共振成像（CMRI）T2*是用于检测心肌铁超负荷的主要筛选技术，但固有地存在一些局限性。在这项研究中，我们的目的是根据从超声心动图图像中提取的放射性特征和机器学习（ML）在具有正常左心室放射率（正常左心室放射率（LVEF）正常的左心室放射率（LVEFF> 55％）中提取的放射性特征（LVE> 55％）的患者，基于放射性图像图像和机器学习（ML）提取的放射性特征（ML）基于放射性图像和机器学习（ML）的放射性特征（LVE> 55％）中的放射性特征（由T2*CMRI检测）分开了β-核铁无症患者与没有心肌铁超负荷的患者。在91例病例中，有44例患有正常LVEF（> 55％）和T2*≤20ms的患者，其中包括对照组，其中47例LVEF> 55％和T2*> 20 ms的患者包括在研究组中。放射线特征。然后，使用了三种特征选择（FS）方法和六个不同的分类器。使用各种指标评估模型，包括ROC曲线（AUC）下的面积，准确性（ACC），灵敏度（SEN）和特异性（SPE）。Maximum relevance-minimum redundancy-eXtreme gradient boosting (MRMR-XGB) (AUC = 0.73, ACC = 0.73, SPE = 0.73, SEN = 0.73), ANOVA-MLP (AUC = 0.69, ACC = 0.69, SPE = 0.56, SEN = 0.83), and recursive feature elimination-K-nearest neighbors (RFE-KNN) (AUC = 0.65，ACC = 0.65，SPE = 0.64，SEN = 0.65）是ED，ES和ED＆ES数据集中的最佳模型。使用超声心动图图像和ML提取的放射线特征，可以预测铁超载引起的心脏问题。