XiaoMi-AI文件搜索系统
World File Search SystemStack
铁磁体堆栈和过渡金属二硫族化合物 NbSe2 中的太赫兹自旋到电荷电流转换
过渡金属二硫属化物 [1] (TMDC) 是一类具有 C-TM-C 堆积结构的新兴材料，其中 C 和 TM 分别表示硫属原子（例如 Se 或 S）和过渡金属原子（例如 Nb、W 或 Mo）。在过去十年中，TMDC 单层由于其独特的电子和光学特性而引起了广泛关注 [2–12]。此类准二维材料的六方晶体结构意味着其电子能带结构中存在不等价的 K 谷，从而产生了谷自由度和基于谷的电子功能（谷电子学）。[13] TM 原子提供大的自旋轨道耦合 (SOC)，[14] 从而导致其他独特特性，例如自旋谷锁定、[15]
铁磁体堆栈和过渡金属二硫族化物 NbSe 2中的太赫兹自旋到电荷电流转换
过渡金属二硫属化物 [1] (TMDC) 是一类具有 C-TM-C 堆积结构的新兴材料，其中 C 和 TM 分别表示硫属原子（例如 Se 或 S）和过渡金属原子（例如 Nb、W 或 Mo）。在过去十年中，TMDC 单层由于其独特的电子和光学特性而引起了广泛关注 [2–12]。此类准二维材料的六方晶体结构意味着其电子能带结构中存在不等价的 K 谷，从而产生了谷自由度和基于谷的电子功能（谷电子学）。[13] TM 原子提供大的自旋轨道耦合 (SOC)，[14] 从而导致其他独特特性，例如自旋谷锁定、[15]
铁磁体堆栈和过渡金属二硫族化合物 NbSe2 中的太赫兹自旋到电荷电流转换
过渡金属二硫属化物 [1] (TMDC) 是一类具有 C-TM-C 堆积结构的新兴材料，其中 C 和 TM 分别表示硫属原子（例如 Se 或 S）和过渡金属原子（例如 Nb、W 或 Mo）。在过去十年中，TMDC 单层由于其独特的电子和光学特性而引起了广泛关注 [2–12]。此类准二维材料的六方晶体结构意味着其电子能带结构中存在不等价的 K 谷，从而产生了谷自由度和基于谷的电子功能（谷电子学）。[13] TM 原子提供大的自旋轨道耦合 (SOC)，[14] 从而导致其他独特特性，例如自旋谷锁定、[15]
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。
电堆压力和温度对无阳极锂金属电池的化学机械影响
使用可充电锂金属阳极的电化学电池对工作温度和电堆压力很敏感。目前的理解通常假设温度驱动锂金属表面化学的变化，而电堆压力影响阳极形态。在本研究中，我们为这些假设提供了量化证据，并提出了指导理解温度和压力对锂金属电池动力学影响的机制。除了压力与力学、温度与动力学的直接耦合之外，我们还探讨了温度对电池力学和电堆压力对电池化学的可能影响。我们使用一系列原位和非原位技术研究了基于 LiDFOB 盐的电解质成分。温度和压力依赖性电池行为的机理映射将有助于开发改进的锂金属电池。© 2022 作者。由 IOP Publishing Limited 代表电化学学会出版。这是一篇开放获取的文章，根据知识共享署名 4.0 许可证（CC BY，http://creativecommons.org/licenses/by/4.0/）的条款发布，允许在任何媒体中不受限制地重复使用作品，只要对原始作品进行适当的引用。[DOI：10.1149/1945-7111/ac91a9]
文章 可解释的人工智能：神经启发的决策堆栈框架
两架波音 737-Max 商用客机最近坠毁，引发了人们对嵌入式计算系统 (MCAS) 的重要质疑，该系统的安装是为了让新的 737 机型在人类飞行员眼中更像旧机型 [ 1 ]。提出的关键问题之一是，人类飞行员并不知道该系统的存在，而且该系统的“智能”容易出现单点故障（迎角传感器）[ 1 ]。人工智能 (AI) 将在这种系统中发挥越来越重要的作用，尤其是当自主机器在太空或深海等遥远而恶劣的环境中运行时 [ 2 ]。在这种恶劣的环境下，当发生故障时，准确评估问题所在至关重要，这样设计人员才能从故障中吸取教训。同时，当此类系统做出基于证据的决策时，解释为什么以及如何做出某个决策至关重要。欧盟法律要求对此类解释进行解释，这是 2016 年颁布的“解释权”的一部分，主要是在对公民产生不利影响的决策背景下。现代人工智能系统利用嘈杂且通常不确定的数据来代表人类做出决策。当这些系统发挥作用时，它们具有很大的实用性，可用于自动驾驶汽车和在恶劣环境中运行的自主机器人等。除了实用性之外，这些系统还可以采用自学模式，使它们在国际象棋和围棋等游戏中超越人类的能力 [ 3 – 5 ]。然而，与人类智能一样，人工智能有时也未能实现目标。一个众所周知的失败案例是特斯拉 Model S，由于人工智能对白色卡车的特征提取和智能理解不准确，导致汽车在“自动驾驶模式”下发生致命车祸 [6]。人工智能的失败并不令人惊讶。智能是基于不确定性做出决策的行为。这一事实将人工智能与基于流程图设计的非智能决策系统区分开来，就像大多数计算机程序一样 [7]。对于人类来说，在童年和成年时期，许多类型的学习都需要这样的失败。大多数机器学习 (ML) 人工智能算法还依赖于“训练阶段”，在此阶段，工件在人类标记的数据集上进行指导，并从失败中学习，然后才被允许在非标记数据上“野外”运行 [8]。
考虑多功能区域热需求差异的Stackelberg博弈综合能源系统优化调度 李梦湾
冬季热电联产机组运行模式为“以热定电”，导致风电弃风[12]。为此，研究人员引入电热解耦装置来解决该问题。为实现热电联产机组热电解耦，在热电联产机组旁安装电储能装置和热储能装置。电力系统与供热系统协调运行，可以增加风电上网电量，是提高系统运行灵活性的有效途径[13-15]。通过引入电热转换装置，可以有效抑制可再生能源发电的波动，从而减少可再生能源弃风[16,17]。文献[18]提出了一种住宅小区局部尺度储热模型，研究了储热装置大小对持续供暖时间的影响。研究的设备包括电锅炉、储热装置、热泵等，随着设备投入的增加，设备供热能力的增量不再理想。
检查存储堆栈：比较美国电表后储能国家政策堆栈
市场对 BTM 电池储能的兴趣（通常与太阳能或其他分布式发电资产搭配使用）是由经济、对弹性的兴趣和政策因素推动的。首先，经济应用包括电力套利，分布式发电客户可以在发电过剩时（免费或低成本）给电池充电，在需求旺盛时（价格高）放电，从而从分布式发电系统产生更多经济价值（Cook、Ardani 等人，2018 年）。在某些州，例如夏威夷，商业客户还可以使用电池来减少峰值负荷，通过需求电费管理节省成本。在许多州，电池储能资产可以聚合到虚拟发电厂中，以提供各种电网服务，包括负荷响应、电压调节和频率响应（Cook、Ardani 等人，2018 年；Bowen 和 Gokhale-Welch，2021 年）。其次，BTM 储能资产已部署用于各种弹性应用。大多数 BTM 储能设备可以与孤岛控制和太阳能相结合，在电网中断期间提供备用电源，使居民和企业能够继续运营关键设施和应用（Booker，2021 年）。第三，政策驱动因素可以激励 BTM 储能部署。联邦、州和地方政策制定者可以影响 BTM 市场以及跨州的区域电力市场。本报告重点关注州政策，加利福尼亚州（Hart，2017 年；加州能源委员会，2018 年）和马萨诸塞州（Engel，2021 年）等多个州都制定了一系列政策，以支持或鼓励采用 BTM 储能。
自下而上制造和表征用于电子应用的自对准栅极堆叠_最终版
1 S. Datta、S. Dutta、B. Grisafe、J. Smith、S. Srinivasa 和 H. Ye，IEEE Micro 39，8 (2019)。2 T. Bryllert、L.-E. Wernersson、T. Löwgren 和 L. Samuelson，Nanotechnology 17，S227 (2006)。3 D. Akinwande、N. Petrone 和 J. Hone，Nat Commun 5，5678 (2014)。4 R. Chen、H. Kim、PC McIntyre、DW Porter 和 SF Bent，Applied Physics Letters 86 (2005)。5 R. Chen、H. Kim、PC McIntyre 和 SF Bent，Applied Physics Letters 84，4017 (2004)。 6 S. Seo、BC Yeo、SS Han、CM Yoon、JY Yang、J. Yoon、C. Yoo、HJ Kim、YB Lee、SJ Lee、JM Myoung、HB Lee、WH Kim、IK Oh 和 H. Kim，ACS Appl Mater Interfaces 9，41607 (2017)。7 KJ Park、JM Doub、T. Gougousi 和 GN Parsons，Applied Physics Letters 86 (2005)。8 FS Minaye Hashemi、C. Prasittichai 和 SF Bent，ACS Nano 9，8710 (2015)。9 WH Kim、HBR Lee、K. Heo、YK Lee、TM Chung、CG Kim、S. Hong、J. Heo 和 H. Kim，Journal of the Electrochemical Society 158，D1 (2011)。 10 H. Kim，ECS Transactions 16, 219 (2008)。11 R. Wojtecki、J. Ma、I. Cordova、N. Arellano、K. Lionti、T. Magbitang、TG Pattison、X. Zhao、E. Delenia 和 N. Lanzillo，ACS applied materials & interface 13, 9081 (2021)。12 E. Färm、M. Kemell、M. Ritala 和 M. Leskelä，The Journal of Physical Chemistry C 112, 15791 (2008)。13 E. Färm、M. Kemell、E. Santala、M. Ritala 和 M. Leskelä，Journal of The Electrochemical Society 157 (2010)。 14 A. Sinha、DW Hess 和 CL Henderson，《真空科学与技术杂志 B：微电子学和纳米结构》24（2006 年）。15 V. Suresh、MS Huang、MP Srinivasan、C. Guan、HJ Fan 和 S. Krishnamoorthy，《物理化学杂志 C 116，23729》（2012 年）。16 A. Sinha、DW Hess 和 CL Henderson，《真空科学与技术杂志 B：微电子学和纳米结构》25（2007 年）。17 TG Pattison、AE Hess、N. Arellano、N. Lanzillo、S. Nguyen、H. Bui、C. Rettner、H. Truong、A. Friz 和 T. Topuria，《ACS nano 14，4276》（2020 年）。 18 M. Fang 和 JC Ho，ACS Nano 9，8651（2015）。19 AJ Mackus、AA Bol 和 WM Kessels，Nanoscale 6，10941（2014）。20 MJ Biercuk、DJ Monsma、CM Marcus、JS Becker 和 RG Gordon，Applied Physics Letters 83，2405（2003）。21 AT Mohabir、G. Tutuncuoglu、T. Weiss、EM Vogel 和 MA Filler，ACS nano（2019）。22 E. Bassous 和 A. Lamberti，Microelectronic Engineering 9，167（1989）。23 C. Ton-That、A. Shard、D. Teare 和 R. Bradley，Polymer 42，1121（2001）。 24 P. Louette、F. Bodino 和 J.-J. Pireaux，表面科学光谱 12，69 (2005)。25 A. Richard，法拉第讨论 98，219 (1994)。