XiaoMi-AI文件搜索系统
World File Search Systembinary
从密度泛函理论系统地调整二元 III-V 半导体的应变诱导带隙
III-V 半导体带隙性质和大小的改变对于光电应用具有重要意义。应变可用于系统地在很宽的范围内调整带隙，并引起间接到直接 (IDT)、直接到间接 (DIT) 和其他带隙性质的变化。在这里，我们建立了一种基于密度泛函理论的预测从头算方法来分析单轴、双轴和各向同性应变对带隙的影响。我们表明系统性变化是可能的。对于 GaAs，在 1.52% 各向同性压缩应变和 3.52% 拉伸应变下观察到 DIT，而对于 GaP，在 2.63 各向同性拉伸应变下发现 IDT。我们还提出了一种通过将双轴应变与单轴应变相结合来实现直接-间接转变的策略。确定了应变 GaSb、InP、InAs 和 InSb 的进一步转变点，并与元素半导体硅进行了比较。因此，我们的分析为二元 III-V 半导体中的应变诱导带隙调整提供了一种系统且可预测的方法。
一种用于实现随机二进制尖峰时间相关可塑性的 CMOS-忆阻器混合系统
本文介绍了一个完全实验性的混合系统，其中使用定制的高阻态忆阻器和采用 180 nm CMOS 技术制造的模拟 CMOS 神经元组装了一个 4 × 4 忆阻交叉脉冲神经网络 (SNN)。定制忆阻器使用 NMOS 选择晶体管，该晶体管位于第二个 180 nm CMOS 芯片上。一个缺点是忆阻器的工作电流在微安范围内，而模拟 CMOS 神经元可能需要的工作电流在皮安范围内。一种可能的解决方案是使用紧凑电路将忆阻器域电流缩小到模拟 CMOS 神经元域电流至少 5-6 个数量级。在这里，我们建议使用基于 MOS 阶梯的片上紧凑电流分配器电路，将电流大幅衰减 5 个数量级以上。每个神经元之前都添加了这个电路。本文介绍了使用 4 × 4 1T1R 突触交叉开关和四个突触后 CMOS 电路的 SNN 电路的正确实验操作，每个电路都有一个 5 个十进制电流衰减器和一个积分激发神经元。它还演示了使用此小型系统进行的一次性赢家通吃训练和随机二进制脉冲时间依赖可塑性学习。
用于二元模式分类的量子神经网络的负对称性
尽管量子神经网络 (QNN) 近期在解决简单的机器学习任务方面表现出良好的效果，但 QNN 在二元模式分类中的行为仍未得到充分探索。在这项工作中，我们发现 QNN 在二元模式分类中有一个致命弱点。为了说明这一点，我们通过展示和分析嵌入在具有完全纠缠的 QNN 系列中的一种新对称形式（我们称之为负对称），从理论上洞察了 QNN 的属性。由于负对称性，QNN 无法区分量子二进制信号及其负对应信号。我们使用 Google 的量子计算框架，通过实证评估了 QNN 在二元模式分类任务中的负对称性。理论和实验结果均表明，负对称性是 QNN 的基本属性，而经典模型并不具备这种属性。我们的研究结果还表明，负对称性在实际量子应用中是一把双刃剑。
肉豆蔻酸 - paraffin蜡的热性能和可靠性作为太阳能存储的相变材料
化石燃料已在社会各个方面广泛使用。然而，近年来，由于世界化石能源在世界范围内的不足供应，太阳能的有效使用和新的储能材料的准备已成为全球问题。1 - 4全球经济发展和人口增长将导致持续的能源危机。太阳能是世界上最有希望的可再生能源之一，但其应用受到许多特征，例如间歇性和无法控制的特征。幸运的是，相变材料（PCM）可以通过改变相位状态来存储潜热，并在需要时释放能量，5,6和太阳能和PCM的组合创建了一个非常适合增加太阳能利用率的潜热存储系统。当温度达到PCM的熔点时，PCM可以融化以潜热的形式储存热量，当温度低于熔点以下时，PCM可以凝固以将潜热释放回热量存储层。既可以在白天和夜间之间降低热存储系统的最高温度差异，又可以增加太阳能热储存系统的热量存储能力。因此，已广泛研究了适合太阳能的相变材料。7 - 11
通过量子电路表示具有二元特征的二元分类树
决策树是众所周知的预测模型，常用于数据挖掘和机器学习的广泛应用 [1-3]。一般来说，决策树可以看作是一种流程图结构，可用于查询数据。从根开始，每个内部节点代表对查询数据的测试，每个传出分支代表此测试的可能结果。对于二叉树，测试结果是一个布尔值，因此可以是真也可以是假（即每个内部节点有两个分支）。树的每个叶子都可以与一个决策相关联。因此，从根到叶子的路径意味着一组针对查询数据的决策规则，就像一个顺序决策过程。具体来说，我们考虑二叉分类树，其中叶子的决策决定了数据点对预定义的离散类集的成员资格。从给定数据集推断决策树是一项监督机器学习任务，也称为决策树归纳（或决策树学习）。然而，寻找全局最优解是 NP 难问题 [4, 5]，因此启发式递归算法在实践中更受青睐 [6]。此类算法通常以贪婪的自上而下的方式工作 [7]：从根开始，通过最小化数据不纯度函数来估计每个内部节点的最佳测试。相应地，沿着两个传出分支将数据集分成两个子集。对每个内部节点递归重复此过程，直到停止标准终止树的遍历并产生一个叶子节点，该叶子节点的分类决策基于节点内数据子集中存在的多数类。当所有路径都通向叶子节点时，算法结束。启发式创建的决策树并不能保证全局最优，但可能仍然适合实际用途。在量子计算的背景下，决策树可以被分配到量子机器学习领域 [8]。之前的几篇论文考虑了决策树和量子计算之间的相互作用。在 [9] 中，研究了决策树的遍历速度，并比较了经典方法和量子方法。作者发现两者之间没有优势。[10] 提出了一种启发式算法来诱导量子分类树，其中数据点被编码为量子态，并使用测量来找到最佳分割。然而，部分算法
用于二次二进制优化的更快的量子和经典 SDP 近似
这一问题自然出现在各个科学学科的许多应用中，例如图像压缩 [ 52 ]、潜在语义索引 [ 36 ]、社区检测 [ 48 ]、相关性聚类 [ 17 , 46 ] 和结构化主成分分析，例如参见 [ 38 , 37 ] 及其参考文献。从数学上讲，MaxQP s ( 1 ) 与计算矩阵的 ∞→ 1 范数密切相关。反过来，该范数与割范数密切相关（将 x ∈ {± 1 } n 替换为 x ∈ { 0 , 1 } n ），因为这两个范数之间的差只能为一个常数因子。这些范数是理论计算机科学中的一个重要概念 [ 24 , 3 , 2 ]，因为诸如识别图中最大割（ MaxCut ）之类的问题可以自然地表述为这些范数的实例。这种联系凸显了在最坏的情况下，（1）式的最优解是 NP 难计算的
利用二进制代码提高基于压力的身份验证的可用性
智能手机在日常生活中无处不在。由于许多敏感数据存储在智能手机上，因此访问智能手机需要身份验证。然而，传统的用户名和密码并不适合移动设备，因为智能手机没有触觉键盘，这使得数据输入繁琐且容易出错。因此，有人提出了锁定图案来代替智能手机上的打字，但它容易受到分析油性残留物的反射特性的涂抹攻击（Aviv 等人，2010 年）。此外，用户名/密码和锁定图案都容易受到肩窥攻击。为了解决上述问题，智能手机上已经实现了指纹或人脸识别。然而，这些生物特征认证需要一些专门的传感器/软件，
4位二进制加权电流互感器的设计与实现...
设计并实现了一款 4 位二进制加权电流控制 DAC，该 DAC 采用了适合生物医学应用的各种开关方法。虽然这种架构占用的数字面积和功率较小，但容易出现故障，尤其是在输入转换次数较多时。作者计算了具有各种开关的 4 位二进制电流控制 DAC 的 INL 和 DNL：NMOS、PMOS 和传输门 [9, 12]。DAC 的评估基于各种参数，如分辨率、功耗、稳定时间、动态范围、非线性误差 (INL 和 DNL)。本文重点介绍 INL 和 DNL。差分非线性（缩写 DNL）表示实际步长相对于理想步长的偏差，其中步长是相邻输入值的模拟输出差 [6, 10]。DAC 的 DNL 在数学上表示如下：
羟基,3-甲氧基苯甲醛在二元液相体系中
[1] AS Burghate，RM Kedar，PB Agrawal和ML Narwade，2000.不同浓度和温度下70%二氧六环-水混合物中查尔酮的粘度和热力学研究。东方化学杂志，16（3）：503-506。[2] Y. Srinivasa Rao，2008.聚合物厚膜电阻器电阻温度系数（TCR）研究。微电子国际，25（3）：33-36。[3] ML Zhang和DA Drabold，2012.电阻率温度系数理论：应用于非晶Si和Ge。探索物理前沿快报杂志，98：17005。[4] Georgios E. Papanastasiou和Ioannis I. Ziogas，1992.某些反应介质的物理行为。 3. 甲醇二氧六环混合物在几种温度下的密度、粘度、介电常数和折射率变化，化学与工程数据杂志，37(2): 167-172。