动态环境中的量子发射器的能级可能会随着波动的浴液而不受控制地漂移。这会导致发射和/或吸收光谱分布在很宽的频率范围内,并对各种应用构成挑战。我们考虑一个量子发射器,它处于一个能级改变的环境中,因此发射频率由给定平均值周围的高斯随机分布表示,给定标准差和相关时间。我们研究了该系统在受到周期性有限宽度π脉冲序列影响时的发射光谱。我们表明,这种外部场协议可以通过将大部分发射光谱重新聚焦到脉冲载波频率上来有效克服该系统中的光谱扩散。我们进一步考虑了不同噪声环境中的两个这样的发射器,发现通过在两个系统上应用有限宽度脉冲序列可以使双光子干涉操作变得高效。最后,我们展示了一组名义上相似的发射器,每个发射器都有不同的环境,因此发射频率会随机偏移,其整体发射光谱可以重新聚焦到具有明确中心峰的线形上,该峰的线宽与单个孤立无噪声发射器的线宽相同,而这些发射器各自具有不同的环境,因此发射频率会随机偏移,其整体发射光谱本来会根据随机分布不均匀地加宽。这些结果表明,对于这种特定的噪声环境模型,外部控制协议可以保护光谱特性,这里用有限宽度脉冲的周期性序列来表示。
1 英国布里斯托大学 HH Wills 物理实验室器件热成像与可靠性中心 (CDTR),Tyndall Avenue,布里斯托 BS8 1TL,英国。2 中国科学院半导体研究所超晶格与微结构国家重点实验室,北京 100083,中国。3 中国科学技术大学纳米科学与技术研究所,合肥 230026,中国。4 上海高压科学与技术先进研究中心,上海 201203,中国。5 哈尔滨工业大学理学院,深圳 518055,中国。 6 北京工业大学光电子技术教育部重点实验室,北京 100124,中国 7 大阪市立大学电子信息系统系,大阪住吉杉本 3-3-138,日本 558-8585 8 大阪都立大学工程研究生院,大阪住吉杉本 3-3-138,日本 558-8585
摘要:脑癌在老年人和年轻人中最为常见,并且对老年人和年轻人都可能是致命的。如果能迅速诊断和治疗,脑肿瘤可以更好地治愈。在处理医学图像时,深度学习方法对于帮助人类诊断各种疾病至关重要。对脑肿瘤进行分类是一个必不可少的步骤,它在很大程度上依赖于医生的经验和培训。一个用于检测和分类这些肿瘤的智能系统对于使用 MRI(磁共振成像)图像进行脑肿瘤的非侵入性诊断至关重要。这项工作提出了一种基于 CNN 的新型混合深度学习结构,通过 MRI 扫描区分三种不同类型的人脑肿瘤。本文提出了一种使用深度学习和 CNN 进行分类的双重方法。第一种方法将用于模式分类的 SVM 无监督分类与用于特征提取的预训练 CNN(即 SqueezeNet)相结合。第二种方法将监督式软最大分类器与精细调整的 SqueezeNet 相结合。为了评估所提方法的有效性,使用脑部 MRI 扫描分析了总共 1937 张胶质瘤肿瘤图像、926 张脑膜瘤肿瘤图像、926 张垂体肿瘤图像和 396 张正常脑部图像。根据实验结果,精细调整的 SqueezeNet 模型的准确率为 96.5%。然而,当使用 SqueezeNet 作为特征提取器并应用 SVM 分类器时,识别准确率提高到 98.7%。
摘要 — 在先进的集成电路设计中,与电子设计自动化 (EDA) 工具相关的物理设计流程起着至关重要的作用。大多数情况下,输入物理设计工具的参数主要是基于专家的领域知识手动挑选的。然而,由于技术节点的不断缩小以及参数组合所跨越的设计空间的复杂性,甚至再加上耗时的仿真过程,这种对物理设计工具参数配置的手动探索变得极其费力。在设计流程参数调整领域存在一些工作。然而,非常有限的现有技术探索了多个感兴趣的结果质量 (QoR) 指标(例如延迟、功率和面积)之间的复杂相关性并同时明确优化这些目标。为了克服这些弱点并寻求物理设计工具的有效参数设置,在本文中,我们提出了一个多目标贝叶斯优化 (BO) 框架,以多任务高斯模型作为替代模型。采用基于信息增益的获取函数依次选择工具模拟候选对象,以有效逼近帕累托最优参数配置。在 7 纳米技术节点下的三个工业基准上的实验结果证明了所提出的框架相对于前沿作品的优越性。
摘要 — 在先进的集成电路设计中,与电子设计自动化 (EDA) 工具相关的物理设计流程起着至关重要的作用。大多数情况下,输入物理设计工具的参数主要是基于专家的领域知识手动挑选的。然而,由于技术节点的不断缩小以及参数组合所跨越的设计空间的复杂性,甚至再加上耗时的仿真过程,这种对物理设计工具参数配置的手动探索变得极其费力。在设计流程参数调整领域存在一些工作。然而,非常有限的现有技术探索了多个感兴趣的结果质量 (QoR) 指标(例如延迟、功率和面积)之间的复杂相关性并同时明确优化这些目标。为了克服这些弱点并寻求物理设计工具的有效参数设置,在本文中,我们提出了一个多目标贝叶斯优化 (BO) 框架,以多任务高斯模型作为替代模型。采用基于信息增益的获取函数依次选择工具模拟候选对象,以有效逼近帕累托最优参数配置。在 7 纳米技术节点下的三个工业基准上的实验结果证明了所提出的框架相对于前沿作品的优越性。
摘要:保护物质中的量子相干性不受环境影响对于在量子技术中使用分子和材料以及开发增强光谱至关重要。本文展示了如何在光学腔的背景下用量子光修饰分子发色团,以产生具有可调相干时间尺度的量子叠加态,这些相干时间尺度比裸分子的相干时间尺度更长,即使在室温和浸入溶剂中的分子中也是如此。为此,我们开发了分子极化态的退相干率理论,并证明涉及这种混合光物质态的量子叠加可以比裸分子存活时间长几个数量级,同时保持光学可控性。此外,通过研究有损腔存在下的这些可调相干增强,我们证明它们可以使用当今的光学腔来实现。该分析提供了一种可行的策略来设计和增加分子中的量子相干寿命。
光学纳米天线能够在纳米尺度上压缩光并增强光与物质的相互作用,因此对光子器件和光谱学具有重要意义。其中,由支持声子极化子的极性晶体制成的纳米天线(声子纳米天线)表现出最高的品质因数。这是因为这些材料固有的低光损耗,然而,由于它们的介电性质,阻碍了纳米天线的光谱调谐。在这里,通过近场纳米显微镜监测,在很宽的光谱范围(≈ 35 cm − 1 ,即共振线宽 ≈ 9 cm − 1 )内实现了声子纳米天线中超窄共振的主动和被动调谐。为此,将由六方氮化硼制成的单个纳米天线放置在不同的极性基底上(例如石英和 4H-碳化硅),或用高折射率范德华晶体 (WSe 2 ) 的层覆盖它,以改变其局部环境。重要的是,通过将纳米天线放置在费米能量变化的门控石墨烯单层顶部,可以实现纳米天线极化子共振的主动调谐。这项工作提出了具有超窄共振的可调极化子纳米天线的实现,可用于主动纳米光学和(生物)传感。
使用光学信号摘要来实现应变信号的传感是触觉传感器的有希望的应用。但是,大多数研究现在都集中在Piezophotronic LED阵列上,这些LED阵列很难纳入基于SI的半导体行业。由于SI间接带隙引起的基于SI的设备的光电性能不佳,因此使用SI构造高密度发光设备一直是一件具有挑战性的。在这里,设计和制造了由P-SI微柱组成的基于SI的量子点发光装置(QLED)阵列,并研究了SI中应变偶联效应对基于SI基QLEDS的电致发光性能的机制。QD的引入很容易提供有效且可调节的光发射,并满足不同实际应用的要求。QLED的发射强度取决于注入的电流密度,并且可以通过应变耦合效应调节载体的运输过程。基于SI的光子设备与压力传感的组合可能会对电子皮肤和人类机器界面的领域产生重大影响。更重要的是,这项技术与主要基于SI的半导体行业完全兼容。因此,它在实现大规模的光子设备并扩展其应用程序场的整合方面表现出了希望。
简单总结:癌细胞系彼此之间差异很大,因为每个细胞系都经历了随机突变的组合。因此,抗癌药物的有效性也因癌细胞系而异。为了了解哪些药物对哪些癌细胞有效,研究人员将培养的细胞系暴露于候选药物中。然而,这些结果并不完全现实,主要是因为培养的细胞生活在二维体外环境中,不会与其他类型的细胞相互作用。有更现实的方法来测试药物的有效性——例如,从肿瘤细胞 3D 打印的类器官——但由于这些过程更复杂,可用的数据要少得多。我们研究了一种方法,其中神经网络首先在大量可用的体外药物敏感性数据上进行训练,然后在较小但更现实的数据库上进行微调。我们发现这种训练过程提高了神经网络预测特定药物对给定肿瘤细胞系的有效性的能力。这样的神经网络可以作为一种工具,既可以用于个性化癌症治疗,也可以用于药物开发。
发现用于光电应用的基于铅的有机无机钙钛矿材料引发了光伏材料研究的革命。尽管它们具有出色的材料,例如强光吸收,长期充电载体寿命与高载流子迁移率结合使用,生产成本较低,长期不稳定以及铅的毒性目前妨碍了他们在工业试验量表中的部署。[1]为了克服这一缺点,已提议将双重钙蛋白酶与一般的For-Mula A 2 1 + M 1 + M'3 + X 6提议为候选材料,可在perovskites的大量扩展研究领域提供无铅替代方案。在钙钛矿目录的该分支中研究的第一批材料之一是CS 2 Agbibr 6,显示了设备[2,3]的高稳定性[2,3]和低有效的载体质量[4],其长载体重组寿命
