XiaoMi-AI文件搜索系统
World File Search SystemWRAP
基于Wrap-plictic-Flow基于式 - teTection-tracking-moving-objects ...
手稿版本：作者接受的手稿包装中呈现的版本是作者接受的手稿，可能与已发布的版本或记录的版本有所不同。持续的包裹URL：http：//wrap.warwick.ac.uk/184584如何引用：有关最新的书目引用信息，请参阅发布版本。如果已知已发布的版本，则链接到上面的存储库项目页面将包含有关访问它的详细信息。版权所有和重复使用：沃里克研究档案门户（WARAP）使沃里克大学的研究人员在以下条件下可用开放访问权限。版权所有©以及此处介绍的论文版本的所有道德权利属于单个作者和/或其他版权所有者。在合理且可行的范围内，已在可用的情况下检查了包装中可用的材料是否有资格。未经事先许可或收费，可以将完整项目的副本用于个人研究或研究，教育或非营利目的。前提是作者，标题和完整的书目细节被认为是针对原始元数据页面提供的超链接和/或URL，并且内容不会以任何方式更改。发布者的声明：请参阅“存储库”页面，发布者的语句部分，以获取更多信息。有关更多信息，请通过以下网络与WARP团队联系：wrap@warwick.ac.uk。
材料进展已接受手稿 - WRAP：沃里克
在室温下制备 p 型氧化锡 (SnO) 薄膜对传统方法提出了重大挑战，这主要是由于 SnO 的电各向异性和亚稳态。由于这种各向异性，在 SnO 中产生具有最佳迁移率的有效空穴载流子需要细致的热退火，但这受到 SnO 亚稳态的制约。在这项工作中，我们采用离子束辅助沉积 (IBAD) 在室温下制备 p 型 SnO 薄膜。这些薄膜具有纳米晶结构，表现出良好的电学性能，霍尔迁移率为 2.67 cm2V-1s-1，空穴浓度为 5.94×1017cm-3，尤其是无需退火处理。我们的研究揭示了霍尔迁移率和载流子浓度随 IBAD 过程中氩气流量变化而呈现的独特火山形趋势。这种关系与薄膜的光学性质、结构相和化学状态的变化相关，对于理解室温制备的 SnO 薄膜中 p 型导电性的起源至关重要——这一主题在当前文献中仍未得到解决。我们观察到迁移率增强与晶格无序性降低之间存在直接相关性，而空穴载流子浓度增加与氧间隙形成之间存在很强的相关性。我们还强调，中间相组成在确定 SnO 薄膜的无序程度方面起着至关重要的作用，这对于创建传输路径和空穴载流子形成所需的氧环境至关重要。这些见解有助于指导室温制备的 p 型 SnO 薄膜的设计和表征，从而推动大面积柔性电子领域的进步。
生物医学信号处理和控制 - 包裹：沃里克
随着现代数字技术的出现，正在从便携式可穿戴设备中获取生理信号（例如心电图），这些设备用于非侵入性慢性疾病管理（例如1型糖尿病）。糖尿病管理需要对血糖进行实时评估，这对于临床复杂性和侵入性而导致小儿人群繁琐。因此，实时非侵入性血糖估计现在对于有效的糖尿病管理是关键的。在本文中，我们提出了一个自动提取的BEAT形态的小儿种群实时非侵入性血糖估计的自我发作的深神网络回归。第一阶段基于由卷积神经网络驱动的基于自我注意的长短期记忆的形态学提取器，以根据时间上下文突出局部特征。第二阶段基于由多层感知器驱动的形态回归剂，并具有辍学和批准化，以避免过度拟合。我们通过logit模型进行了特征选择，然后是Spearman在功能之间的相关性，以避免功能冗余。我们对我们的模型进行了培训，该模型是从T1D儿科人群中获得的公开可用的MIT/BIH-PHYSIONET数据库和生理信号。我们通过Clarke的网格误差进行了评估，以分析不同血糖条件下血值范围的估计精度。结果表明，在临床上可接受的范围内，我们的工具以89％的精度优于现有的回归模型。基于BEAT形态的建议模型显着超过了基于HRV特征的模型。
基于包装可验证的可授权 - 可靠性...
手稿版本：作者接受的手稿包装中呈现的版本是作者接受的手稿，可能与已发布的版本或记录的版本有所不同。持续的包裹网址：http：//wrap.warwick.ac.uk/182959如何引用：有关最新的书目引用信息，请参考发布版本。如果已知已发布的版本，则链接到上面的存储库项目页面将包含有关访问它的详细信息。版权所有和重复使用：沃里克研究档案门户（WARAP）使沃里克大学的研究人员在以下条件下可用开放访问权限。版权所有©以及此处介绍的论文版本的所有道德权利属于单个作者和/或其他版权所有者。在合理且可行的范围内，已在可用的情况下检查了包装中可用的材料是否有资格。未经事先许可或收费，可以将完整项目的副本用于个人研究或研究，教育或非营利目的。前提是作者，标题和完整的书目细节被认为是针对原始元数据页面提供的超链接和/或URL，并且内容不会以任何方式更改。发布者的声明：请参阅“存储库”页面，发布者的语句部分，以获取更多信息。有关更多信息，请通过以下网络与WARP团队联系：wrap@warwick.ac.uk。
模拟量子模拟器的认证 - WRAP：华威大学
量子模拟正迅速成为量子技术的主要应用（1）。模拟模拟是一种关键方法，即在严格控制的环境中设计多体量子系统，并简单地允许其动态发生。随着这些系统规模的扩大和性能的提高，它们的计算能力开始超越现有的经典计算机（2-4）。尽管有所改进，但它们仍然受到错误的影响。因此，人们普遍认为，在模拟量子模拟器能够解决实际或基本重要问题之前，必须开发出定量保证容易出错的模拟量子模拟器输出正确性的方法（5）。模拟量子模拟器的验证通常依赖于包含错误和缺陷的可处理理论模型（1）。另一种方法是将动态正向和反向运行相同的时间，使系统返回到其初始状态——如果没有错误的话。这种方法通常被称为 Loschmidt 回声，它可以检测到一些错误和缺陷，但不能提供输出正确性的定量保证。已经开发出更复杂的变体，使模拟器从某个已知的初始状态通过状态空间中的闭环演化，最终返回到其初始状态 (6)。这些提供了模拟器如何忠实地实现目标汉密尔顿量的某种衡量标准。汉密尔顿学习 (7、8) 也服务于类似的目标，它正在为模拟模拟器开发。通过实验将目标汉密尔顿量应用于其近似稳定状态并估计一系列结果状态的预期值，汉密尔顿学习提供了实际应用的汉密尔顿量系数的估计值。虽然它将状态准备和测量中的错误错误地归因于汉密尔顿量中的错误，但它确实为实验实现的实际汉密尔顿量提供了一些信心。还为模拟量子模拟器开发了随机基准测试等方法来量化其组件的性能 (9)。然而，这些方法都无法对模拟器输出的正确性提供定量保证。最近还提出了一种用于估计量子模拟保真度的基准测试协议，但该协议需要指数级的经典资源，因此不可扩展（10）。在本文中，我们提出了一种可扩展且实用的认证协议，该协议为模拟量子模拟器输出的正确性提供了上限。由于所有量子模拟器的输出都是经典概率分布，因此我们的协议对错误和无错误的模拟量子模拟器生成的概率分布之间的变化距离设置了上限。我们将这项任务称为量子认证。实验上，我们的量子认证协议可以在现有的模拟模拟器上实现，特别是那些使用里德堡原子的模拟器。这些系统可以根据 XY 相互作用 (11) 以及交错单量子比特门 (12) 实现模拟汉密尔顿演化。因此，我们的工作可以解释为通过利用可编程性的进步来解决验证模拟量子模拟器输出的未决问题 (1，第 V 节)。
睡眠和心血管疾病 - 包裹：沃里克
本综述围绕检查睡眠与心血管疾病（CVD）的相交的最新证据。在本综述中的睡眠将进一步细分，以确定睡眠数量和质量，还将考虑在CVD的背景下，一些更常见的睡眠障碍，例如失眠和阻塞性睡眠呼吸暂停。睡眠障碍已在有睡眠障碍和CVD风险的几个特定种群中进一步探讨。其次，审查将介绍受睡眠和睡眠障碍影响的CVD的一些风险因素，包括高血压，糖尿病和肥胖。它还将检查潜在的基础机械机械，包括炎症，食欲控制，内分泌和遗传过程，这些过程受睡眠和睡眠障碍影响，导致CVD发展的风险增加。此外，我们将考虑睡眠和心血管危险因素之间观察到的双向关系。例如，肥胖症，CVD的危险因素可能会受到睡眠的影响，但反过来又可以增加某些睡眠障碍发育的风险，而睡眠障碍会破坏睡眠，从而导致肥胖发展的进一步风险和CVD风险增加。最后，审查将探讨围绕包括睡眠部分的生活方式干预措施以及如何影响CVD风险因素的管理。将讨论对睡眠不良和睡眠障碍健康影响的认识的需求，以及需要进行政策干预以改善睡眠以促进改善健康和福祉的必要性。
Wrap-forecasting-Global-Climate-drivers-gaussian-processes ...
机器学习（ML）方法已成为建模和预测复杂的高维时空数据集的重要工具，例如在环境和气候建模应用程序中发现的数据集。mL方法可以提供短期预测的快速，低成本替代方案，而不是昂贵的数值相似，同时通过能够坚固，动态地量化预测性不确定性，从而解决了数值建模的显着杰出限制。对高级气候变量的低成本和近乎遗传的预测在预警系统，象征和参数性小规模的本地相关模拟中具有明确的应用。本文通过将数据驱动的自动编码器与高斯工艺（GP）相结合以产生基于概率张量的回归模型，从而提出了一种多任务时空回归的新方法。提出了该方法，以同时预测全球尺度上的一步温度和压力。通过在学习的潜在空间中进行概率回归，可以将样品传播回原始特征空间，以大大降低的计算成本产生不确定性估计。复合GP-AutoEncoder模型能够同时预测全球温度和压力值，平均误差分别为3.82℃和638 HPA。此外，平均而言，真实值在所提出的后验分布范围内95.6％的时间说明该模型会产生良好的预测后验分布。
Wrap-Recent-Progress-Future-directions-plasma辅助...
手稿版本：作者接受的手稿包装中呈现的版本是作者接受的手稿，可能与已发布的版本或记录的版本有所不同。持续的包裹网址：http：//wrap.warwick.ac.uk/180589如何引用：有关最新的书目引用信息，请参考发布版本。如果已知已发布的版本，则链接到上面的存储库项目页面将包含有关访问它的详细信息。版权所有和重复使用：沃里克研究档案门户（WARAP）使沃里克大学的研究人员在以下条件下可用开放访问权限。©2023 Elsevier。在创意共享属性下获得许可 - noncmercial- noderivatives 4.0国际http://creativecommons.org/licenses/by-nc-nc-nd/4.0/。
基于阳极潜在估计的电池模块的无电镀充电方案，以防止锂电池
摘要：锂 - 离子电池在清洁运输系统中起着至关重要的作用，包括电动汽车，飞机和电动微型。电池电池的设计及其生产过程与它们的表征，监测和控制技术一样重要，以改善行业的运输和可持续性。近几十年来，解决所有提到的方面的数据驱动方法都以有希望的结果进行了大规模发展，尤其是通过人工智能和机器学习。本文介绍了可解释的机器学习中的最新开发，称为XML及其在锂离子电池中的应用。它包括对制造和生产阶段中XML的批判性审查，然后在使用电池时进行状态估计和控制。前者专注于XML，以优化电池结构，特性和制造过程，而后者则考虑了与健康状况，充电和能源状态相关的监测方面。本文通过对现有技术的理论方面进行全面审查并讨论各种案例研究，是为了告知该地区最先进的XML方法的堆栈持有人，并鼓励他们在过渡到Netzero的未来中从ML转向XML。这项工作还强调了电池社区的研究差距和潜在的未来研究方向。