XiaoMi-AI文件搜索系统
World File Search Systemdefect
通过缺陷控制在SNTE中实现可调的费米级
在拓扑结晶绝缘子锡尿酸罐中对费米水平的调整对于访问其独特的表面状态并优化其电子性能（例如Spintronics和Quantum Computing）至关重要。在这项研究中，我们证明了尿尿酸罐中的费米水平可以通过控制化学蒸气沉积合成过程中的锡浓度来有效调节。通过引入富含锡的条件，我们观察到X射线光电学光谱型锡和泰瑟列的核心水平峰值，表明费米水平的向上移动。通过紫外线光谱法测量的工作函数值的下降证实了这种转移，从而证实了SN空位的抑制。我们的发现提供了一种低成本，可扩展的方法，可以在锡尿酸罐中实现可调节的费米水平，从而在具有量身定制的电子特性的材料开发方面取得了重大进步，用于下一代技术应用。
AI引导的缺陷检测技术，以建模单晶
摘要。从过程发展的角度来看，通过化学蒸气沉积的钻石生长取得了显着的进步。但是，挑战在实现高质量和大区域材料生产方面持续存在。这些困难包括控制整个生长表面的均匀生长速率的控制条件。随着生长的进展，出现了各种因素或缺陷状态，改变了统一条件。这些变化会影响生长速率，并导致微观尺度上的晶体缺陷形成。但是，使用生长过程中拍摄的图像鉴定这些缺陷状态及其几何形状存在明显的方法。本文使用现场光学图像详细介绍了缺陷分割管道的开创性工作，以识别指示宏观上可见的有缺陷状态的特征。使用以前工作中应用的语义分割方法，这些缺陷状态和相应的导数特征是由其像素掩码隔离和分类的。使用注释以注释的人体软件体系结构来生成培训数据集，并使用主动学习，数据增强和模型辅助标记的模块进行选择性数据标记，我们的方法可实现有效的注释准确性，并大大降低了按幅度降低标签的时间和成本。在模型开发方面，我们发现基于深度学习的算法是最有效的。他们可以准确地从功能丰富的数据集中学习复杂的表示。基于Yolov3和DeepLabv3plus体系结构，我们表现最佳的模型为特定的特定特征实现了出色的精度。具体来说，中心缺陷的精度为93.35％，多晶缺陷的92.83％，边缘缺陷达到91.98％。
用于 EUV 光刻的光化图案掩模缺陷检测
随着极紫外 (EUV) 光刻技术进入大批量生产，半导体行业已将光刻波长匹配的光化图案化掩模检测 (APMI) 工具视为 EUV 掩模基础设施的主要空白。现在，已经开发出一种光化图案化掩模检测系统来填补这一空白。结合开发和商业化 13.5nm 波长光化空白检测 (ABI) 系统的经验以及数十年的深紫外 (DUV) 图案化掩模缺陷检测系统制造经验，我们推出了世界上第一个高灵敏度光化图案化掩模检测和审查系统 ACTIS A150（ACTinic 检测系统）。生产此 APMI 系统需要开发和实施新技术，包括高强度 EUV 源和高数值孔径 EUV 光学器件。APMI 系统具有高分辨率、低噪声成像，对缺陷具有极高的灵敏度。它已证明能够检测出印刷晶圆上估计光刻影响为 10% CD 偏差的掩模缺陷。
开发柔性液晶缺陷模式激光器
本文解决了与柔性缺陷模式液晶（LC）激光相关的挑战。首先，我们讨论了使用各种表面对齐层（例如聚乙烯基醇，硫酸硫磺偶氮-DYE和摩擦聚酰亚胺）创建手性列表LC的良好光聚糖膜的过程。单个模式柔性缺陷模式激光器以60j /cm 2 /脉冲的激发阈值通量进行证明。根据先前的研究，基于4×4贝尔曼模型的模拟结果表明，激光模式的波长和数量取决于缺陷层的厚度。所提出的柔性激光器可用于形成可以集成到合格平台中的激光器，并且可用于控制光束方向而无需其他光学组件。
针对靶向NIR -II的缺陷工程纳米酶... -Dr -ntu
©2022 Wiley -VCH GMBH。保留所有权利。本文只能下载供个人使用。任何其他用途都需要事先获得版权持有人的许可。记录版本可在线在http://doi.org/10.1002/adma.202206401获得。
TsanKit：用于焊球枕头缺陷检测的人工智能
摘要 本文提出了一种针对焊球HIP（Head-In-Pillow）缺陷检测的AI（人工智能）解决方案。HIP缺陷会影响焊球的导电性，导致间歇性故障。由于HIP缺陷的位置和形状多变，传统的机器视觉算法无法完全解决该问题。近年来，卷积神经网络（CNN）在图像识别和分类方面表现优异，但由于数据不足，容易引起过拟合问题。因此，我们结合CNN和机器学习算法支持向量机（SVM）来设计我们的检测流程。参考几种最新模型的优点，我们提出了3D CNN模型，并采用焦点损失和三重态损失来解决由稀有缺陷数据引起的数据不平衡问题。与几种经典的CNN模型和深度学习检测软件SuaKIT相比，我们的检测方法具有最佳性能和快速的测试速度。
基于人工智能的软件缺陷预测器：案例研究中的应用和优势
Ayse Tosun 1、Ayse Bener 2、Resat Kale 3 1,2 博阿齐奇大学计算机工程系软件研究实验室（SoftLab），邮编 34342，伊斯坦布尔，土耳其 3 Turkcell 技术公司，盖布泽，伊斯坦布尔，土耳其 1 ayse.tosun@boun.edu.tr，2 bener@boun.edu.tr，3 resat.kale@turkcellteknoloji.com.tr 摘要 软件缺陷预测旨在通过引导测试人员完成软件系统中易出现缺陷的部分来减少软件测试工作量。缺陷预测器被广泛用于组织中以预测缺陷，从而节省时间和精力，作为手动代码审查等其他技术的替代方案。在现实环境中应用缺陷预测模型很困难，因为它需要来自过去项目的软件度量和缺陷数据来预测新项目的缺陷倾向。另一方面，它非常实用，因为它易于应用，可以用更少的时间检测出缺陷并减少测试工作量。我们在一年的时间内为一家电信公司建立了一个基于学习的缺陷预测模型。在这项研究中，我们简要解释了我们的模型，展示了它的收益并描述了我们如何在公司中实施该模型。此外，我们将我们的模型的性能与试点项目中应用的另一种测试策略的性能进行了比较，该项目实施了一种名为团队软件流程 (TSP) 的新流程。我们的结果表明，缺陷预测器可用作新流程实施过程中的支持工具，预测 75% 的代码缺陷，并减少测试时间，而通过代码审查和正式检查表等更耗费劳动力的策略检测到的代码缺陷率为 25%。
将陶瓷中的远距离平衡缺陷结构与电磁驱动力联系起来
很重要。特定的，详细的信息，这些信息表征了应用如何影响局部原子结构，如何改变效果的相位稳定性以及诱导结构性变化的效果效果的效果效果仍然未知。使用低温微波辐射（MWR）的早期工作，使用低能量EMELDS 2.4 - 2.5 GHz的辅助合成，发现相对于常规水热合成，MWR生长的材料中仍然存在其他结构性疾病。14最近，X射线同步加速器研究表明，MWR辅助的Ag纳米颗粒的反应动力学在没有MWR暴露的情况下与动力学显着，这表明EMELDS具有改变相变的能力。15此外，在氧化物纳米颗粒合成过程中，MWR暴露在uence极性键和离子物种中可以表明结构的ELD驱动的变化可能有助于促进观察到的快速，低温相的形成。16在电动ELD辅助烧结（灰）实验中，在该体验中，DC或AC电动eLD在陶瓷材料上施加，各向异性晶格的扩展为3 mol％yttria stria-stria-stabilized Zro 2和CEO 2和CEO 2与缺陷产生一致。17,18电动ELD的应用还导致高氧原子位移参数归因于氧缺陷的存在，在TiO 2、20中向下质量宏观巨质阶段的19期转变，并改善了由于tio 2的改善，这是由于Eld诱导的堆叠缺陷所致。21这些研究代表了越来越多的文献报道，报告了对材料的多尺度效应，但它们并未将外部参数直接连接到局部原子结构和相位稳定性的变化。
带边工程消除钙钛矿闪烁体中的辐射诱导缺陷态
免责声明：洛斯阿拉莫斯国家实验室是一家采取平权行动/提供平等机会的雇主，由 Triad National Security, LLC 为美国能源部国家核安全局运营，合同编号为 89233218CNA000001。通过批准本文，出版商承认美国政府保留非独占、免版税的许可，可以出于美国政府目的出版或复制本文的已发表形式，或允许他人这样做。洛斯阿拉莫斯国家实验室要求出版商将本文注明为在美国能源部的支持下完成的工作。洛斯阿拉莫斯国家实验室坚决支持学术自由和研究人员的发表权利；但是，作为一个机构，实验室并不认可出版物的观点，也不保证其技术上的正确性。