elec

课程班级需求和分配报告研究生课程，选修课程（第 2 轮）第 2 学期，2024/2025 学年

备注：1.本报告中的空缺、需求和成功/不成功分配数据显示的是当前轮次中主列表下选定的课程类别，除非另有说明。2.同一门课程可能在不同的“选择课程”轮次中提供给不同的学生。检查课程是否在特定轮次中可用的一般指南如下： • “选择课程”第 1 轮是针对课程要求、限制/直接辅修要求和 CELC 英语要求的受保护轮次。• “选择课程”第 2 轮及以后包括针对大学水平要求和不受限制的选修课要求的课程选择。3.“空缺”栏显示当前轮次选择课程分配时的配额（按学生职业）。可能会发生变化，例如管理员在为符合条件的学生运行分配流程之前分配了课程。在处理选择课程（第 3 轮）和提交课程请求的课程分配时，课程班级的所有可用空缺将被合并。当课程班级达到其最大容量时，它将更新为“-”。在这种情况下，学生不允许选择课程或提交上诉。4.“其他”列包括课程已经提前分配、课程被取消或学生的课程状态不再有效等原因。5.请注意，大多数法律选修课程（涵盖所有学术职业）的总配额为 50。截至 2025 年 1 月 8 日，第 1 页，共 51 页

烃类环境对Ge-As-Se-S硫系玻璃电学特性的影响

对现有科学文献的比较分析表明，基于陶瓷（Al 2 O 3 、TiO 2 、SiO 2 ）及其主轴连接制成的传感器既有优点，也有缺点。采用特殊工艺方法制造的SiO2多孔材料成本高，对SO 2 、CO 2 、CO、NH 3 、CH 4 等有毒气体的灵敏度低，等效逆反应时间<10秒[1]。研究表明，由薄非晶态片状硫属玻璃（As 2 (Se 0.9 Te 0.1 ) 3 、As 2 Se 3 ）制成的传感器的灵敏度取决于它们的成分，其惰性极低。主要原因是作为电子过程的体电导率变化发生得相当快[2]。另一方面，硫属化物玻璃传感器（As 4 S 3 和 As-Ge-Te）体积小、成本低、能耗低，灵敏度高 [3]。基于硫属化物 As 4 S 3 和 As-Ge-Te 玻璃薄层的电阻式传感器对丙胺 (C 3 H 7 NH 2 ) 和二氧化氮 (NO 2 ) 介质高度敏感，可成功用于监测这些介质，因为它们具有对湿度的动态响应、高恢复性和可逆性的特点 [3]。硫化物硫系玻璃（例如As-S）的波长主要在0.6~7微米范围内，而含锗（Ge）、硒（Se）、硫（S）和碲（Te）的硫系玻璃（Ge-S、Ge-Se、Ge-As-S、Ge-As-Se、Ge-As-Se）的波长更宽，光学透明度高（2~12微米），可以在相对较宽的温度范围内（200~300℃）作为更有效的光纤材料应用[4.5]。

基于热电冷却器（TEC）用于空间应用的热控制系统：数值研究

本研究设计并数值研究了一个新的热控制系统，用于用于航天器系统光学有效载荷的检测器。系统使用热电冷却器（TEC）作为维护冷手指在所需的设定点保持探测器温度的活性元件，使其在整个操作过程中保持在所需的范围内。该系统没有使用任何热管网络，而是使用附着在TEC热侧的辐射器将热负载耗散到环境空间环境中。使用有效属性的系统级建模用于对TEC的性能进行建模，而无需对任何内部复杂的几何形状进行建模。与温度相关的电流轮廓用作TEC的输入条件，因此TEC仅消耗所需的外部功率。研究了散热器的TEC设定点和几何参数的效果，并观察到，通过使用较大的设定点或具有较大尺寸的散热器，获得了功耗或提高性能系数的大幅度降低。该系统将进一步研究不同的热载荷和占空比（在100分钟的轨道周期内高达50％），以评估其在不同操作条件下的功效。还研究了该系统的连续操作周期，可以观察到，连续循环之间的循环误差最终将其变为零至零，因此表明在整个系统的整个生命中，都满足了连续的循环的温度控制要求。

实习飞行软件、计算机视觉和人工智能 瑞士苏黎世 公司：Daedalean 是一家总部位于苏黎世的初创公司，由前谷歌和 SpaceX 工程师创立，他们希望在未来十年内彻底改变城市航空旅行。我们结合计算机视觉、深度学习和机器人技术，为飞机开发最高级别的自主性（5 级），特别是您可能在媒体上看到的电动垂直起降飞机。如果您加入我们的实习，您将有机会与经验丰富的工程师一起工作，他们来自 CERN、NVIDIA、伦敦帝国理工学院或……自治系统实验室本身。您将构建塑造我们未来的尖端技术。最重要的是，我们还提供在瑞士阿尔卑斯山试飞期间与我们的飞行员一起飞行的机会。项目：不同的团队都提供机会。我们希望更多地了解您，以及我们如何让您的实习成为双方宝贵的经历。告诉我们您一直在做什么，以及您想在我们的团队中从事什么工作。它与深度学习有关吗？状态估计？运动规划？计算机视觉？或者其他什么？向我们展示您的热情所在。如果我们可以在您想要从事的领域提供指导和有趣的机会，我们将一起敲定细节。资格：强大的动手 C++ 经过验证的解决问题的能力如何申请：将您的简历/履历发送至 careers@daedalean.ai 。电话

实习飞行软件、计算机视觉和人工智能瑞士苏黎世公司：Daedalean 是一家总部位于苏黎世的初创公司，由前谷歌和 SpaceX 工程师创立，他们希望在未来十年内彻底改变城市航空旅行。我们结合计算机视觉、深度学习和机器人技术，为飞机开发最高级别的自主性（5 级），特别是您可能在媒体上看到的电动垂直起降飞机。如果您加入我们的实习，您将有机会与经验丰富的工程师一起工作，他们来自 CERN、NVIDIA、伦敦帝国理工学院或……自治系统实验室本身。您将构建塑造我们未来的尖端技术。最重要的是，我们还提供在瑞士阿尔卑斯山试飞期间加入我们飞行员的机会。项目：不同团队提供机会。我们想更多地了解您，以及如何让您的实习成为双方宝贵的经历。告诉我们你一直在做什么，以及你想在我们的团队中从事什么工作。它与深度学习有关吗？状态估计？运动规划？计算机视觉？或者别的什么？向我们展示你的热情所在。如果我们可以在你想从事的领域提供指导和有趣的机会，我们将一起敲定细节。资格： 强大的动手 C++ 证明解决问题的能力 如何申请： 将您的简历/履历发送至 careers@daedalean.ai 。请告诉我们一些关于您自己的信息，为什么您认为自己适合我们以及为什么我们适合您。

电信业务中的抽象竞争...

电信业务中的竞争尤其是光纤租赁提供商（FLP）服务提供商在印度尼西亚的纤维化服务提供商，随着各种新参与者的出现以及客户对互联网速度和稳定性的需求的增加，越来越艰难。本竞赛鼓励公司继续创新和开发有效的业务模式。pt Ifote Infotek需要评估和发展其业务模式，以保持竞争力并实现可持续增长。

b'MSC植物学是一项为期两年的课程，有助于对生物学主题有更好，更深入的了解。该课程具有实用和理论结构。在实验室中为学生提供课程，以更好地了解植物的生活。该课程旨在涵盖诸如微生物学，植物学，植物解剖学，分子生物学等诸如MSC Botony课程等选修和核心主题。

b'MSC植物学是一项为期两年的课程，有助于对生物学主题有更好，更深入的了解。该课程具有实用性和理论结构。在实验室中给学生提供课程，以更好地了解植物生活。该课程旨在涵盖诸如微生物学，植物学，植物解剖学，分子生物学等的选修和核心主题。追求硕士学位植物学的过程还可以帮助学生在诸如兽医，农艺学，细胞学，林业等学科方面进行专业化。

课程需求及分配报告 研究生课程，选修课程（第 3 轮）2024/2025 学年第 2 学期

备注：1. 除非另有说明，本报告中的空缺、需求和成功/不成功分配数据显示的是当前轮次中在主列表下选定的课程类别。2. 同一门课程可能在不同的“选择课程”轮次中提供给不同的学生。检查课程是否在特定轮次中可用的一般指南如下：•“选择课程”第 1 轮是针对课程要求、限制/直接辅修要求和 CELC 英语要求的受保护轮次。•“选择课程”第 2 轮及以后包括大学水平要求和无限制选修要求的课程选择。3.“空缺”栏显示当前轮次选择课程分配时的配额（按学生职业）。可能会发生变化，例如管理员在为符合条件的学生运行分配过程之前分配的课程。在处理选择课程（第 3 轮）的课程分配和提交课程请求时，课程类别的所有可用空缺将合并。当课程班级已达到最大容量时，它将更新为“-”。在这种情况下，学生不得选择课程或提出申诉。4.“其他”栏包括课程已提前分配、课程被取消或学生课程状态不再有效等原因。5.请注意，大多数法律选修课程（涵盖所有学术职业）的总配额为 50。第 1 页，共 45 页截至 2025 年 1 月 11 日

引用本文：Gerbrich Ferdinands (2021) 人工智能辅助系统评价：选择研究比较小样本量的贝叶斯与频率 SEM，多元行为研究，56:1，153-154，DOI：10.1080/00273171.2020.1853501

Smid 等人（2020 年）进行了一项系统评价，以表征贝叶斯和频率估计在小样本量 SEM 中的表现。在手动筛选 5050 项研究后，仅选定 27 项来回答他们的研究问题。进行系统评价需要付出巨大的筛选努力。这种筛选工作使证据综合成为一项极具挑战性的任务。开源 AI 辅助筛选工具可以潜在地减少工作量：系统评价的主动学习（ASReview；van de Schoot 等人，2020 年）。在 ASReview 中，研究人员与主动学习模型交互筛选摘要。根据研究人员的决策（相关与不相关），该模型会迭代更新其对剩余摘要的相关性预测。通过优先考虑最有可能相关的文章（即基于确定性的主动学习），ASReview 最大限度地减少了研究人员需要筛选的文章数量，同时仍能识别出大多数相关文章。手动筛选和自动优先排序出版物的过程会产生一组相关出版物。作为一个例子，ASReview 被应用于 Smid 等人（2020 年）确定的 5050 篇研究的全部集合。理想的表现被定义为最大限度地识别 Smid 等人最初确定的 27 篇相关文章，同时最大限度地减少研究人员需要筛选的文章数量。相关性预测由主动学习模型进行，该模型使用朴素贝叶斯或逻辑回归作为分类器。对于第一个预测，ASReview 需要一些示例文章。对每个分类器应用了 27 次 ASReview，使用每篇相关文章作为示例文章一次，并与一篇随机的不相关文章配对。如图 1 所示，贝叶斯和逻辑回归模型都发现超过 80%

附件 2 附件 3 - 选定功能代码列表...

使用高密度微电极阵列对脑器官进行功能成像

研究已提供证据表明，人类脑类器官 (hCO) 重现了早期大脑发育的基本里程碑，但关于其功能和电生理特性的许多重要问题仍然存在。高密度微电极阵列 (HD-MEA) 是一种有吸引力的分析平台，可用于在细胞和网络规模上进行神经元网络的功能研究。在这里，我们使用 HD-MEA 从切片 hCO 中获取大规模电生理记录。我们记录了几周内 hCO 切片的活动，并从药理学角度探究观察到的神经元动态。此外，我们还展示了如何对获得的记录进行尖峰分类并随后进行跨尺度研究的结果。例如，我们展示了如何在 HD-MEA 上跟踪几天内的单个神经元以及如何推断轴突动作电位速度。我们还从 hCO 记录中推断出假定的功能连接。引入的方法将有助于更好地理解脑类器官中正在发育的神经元网络，并为它们的功能表征提供新方法。