宾夕法尼亚大学标志为两层圆形,象征着宾夕法尼亚大学毕业生毕业后履行保卫祖国职责的决心和团结精神,以及保卫祖国及其所有战略利益的坚定承诺。标志外层的蓝色象征着和平,也代表着国家捍卫、维护和促进和平的承诺,同时也强调了菲律宾国立大学通过教育支持和平的承诺。马来西亚武装部队(ATM)的重要组成部分被放置在UPNM徽标的中间,背景是马来西亚陆军,马来西亚皇家海军和马来西亚皇家空军的三种服务颜色,这象征着ATM的利益非常主导。同时,黄色的米花圆圈象征着马来西亚肥沃文化的基础和人民永远服从的君主。 NDUM – 大学名称的英文缩写(马来西亚国防大学)显示在顶部,在两朵米花相接处之间。这也象征着这所大学是一所站在国际舞台上的高等学府。大学建校年份的数字 2006 位于徽标下方 NDUM 单词的对面。芙蓉花也是马来西亚的国花,象征着该大学的校花,这所大学因马来西亚而成立。
北马里兰大学 (UPNM) 的徽标由两层圆形组成,象征着北马里兰大学毕业生毕业后履行保卫祖国职责的决心和团结精神,以及保卫祖国及其所有战略利益的坚定承诺。标志外层的蓝色象征着和平,也代表着国家捍卫、维护和促进和平的承诺,同时也强调了 UPNM 大学通过教育支持和平的承诺。马来西亚武装部队 (ATM) 的重要组成部分位于 UPNM 徽标的中间,背景为马来西亚陆军、马来西亚皇家海军和马来西亚皇家空军的三种服务颜色,这意味着马来西亚武装部队 (ATM) 的利益ATM 机非常占主导地位。同时,黄色的米花圆圈象征着马来西亚肥沃文化的基础和人民始终服从的君主。NDUM – 大学名称的英文缩写(马来西亚国防大学),显示在顶部两朵米花之间。这也象征着这所大学是一所站在国际舞台上的高等学府。数字 2006(大学建校年份)位于徽标下方 NDUM 单词的对面。芙蓉花也是马来西亚的国花,象征着该大学的校花,这所大学因马来西亚而成立。
MohammadMahdi Ariannejad 博士目前是厦门大学马来西亚分校的讲师。他是马来西亚工程委员会 (BEM) 的注册毕业工程师、马来西亚工程师学会 (IEM) 的毕业会员、MIET 会员、马来西亚技术委员会会员和电气与电子工程学会会员。他于 2010 年获得伊朗大学电气工程-电子工程学士学位。他于 2013 年获得马来西亚国立大学理学硕士学位 (微电子学),并于 2019 年获得马来西亚马来亚大学光子工程博士学位。他于 2015 年在马来亚大学光子研究中心担任研究助理。他在光孤子通信、激光物理、光子学、非线性光纤和纳米技术领域发表了 30 多篇期刊/会议论文和书籍/章节。他于 2020 年 3 月加入厦门大学马来西亚分校,担任电气与电子工程系讲师。 研究兴趣 超快激光、多波长激光、光调制器、基于光子学的微波、波导设计、镜像谐振器、非线性光学、微纳米制造(MEMS 和 NEMS)、硅和聚合物波导制造、太阳能电池制造、CPU 架构、物联网和通信系统。 教育背景 博士学位(光子工程),马来亚大学(UM),马来西亚(2019 年)。 硕士学位(微电子工程),马来西亚国立大学(UKM),马来西亚(2013 年) 学士学位(电气工程-电子学),伊朗 Azad 大学(2010 年) 工作经历 博士后研究员,马来亚大学(UM)光子学研究中心实验室,马来西亚 (2019-2020)。 讲师,厦门大学马来西亚分校,马来西亚 (2020 年至今)。研究经历/资助 硅微环谐振器作为折射率传感器与 THz 生成应用 – 首席研究员 利用螺旋谐振器研究无电池鼠标的电磁功率传输效率 – 联合研究员
抽象引入酵母β-葡聚糖(YBG)通过激活巨噬细胞增强免疫系统而被认可,这是一种关键的防御机制。鉴于上呼吸道感染(URTI)对生产力和医疗保健成本的全球患病率和影响,YBG已将有望作为反复呼吸道感染的潜在治疗和预防策略。然而,关于YBG在较低剂量下与URTI,疲劳,免疫反应和它们如何影响肠道菌群组成的不确定性有关的YBG的疗效知之甚少。方法和分析这个为期12周的随机,双盲,安慰剂控制,平行组临床试验旨在评估YBG 1,3/1,6对呼吸道感染,疲劳,免疫标记和肠道健康的疗效。这项研究涉及198名18-59岁年龄的成年人,其应力量表10(评分14-26)和患者健康问卷9(得分≥9)进行了评估;在过去的6个月中,使用杰克逊冷量表评估了普通感冒的症状。这些参与者将被随机分为三组,以120 mg,204 mg或安慰剂接收YBG 1,3/1,6。结果措施包括呼吸道感染症状,疲劳,情绪状态和使用威斯康星州上呼吸道症状量表评估的生活质量,多维疲劳清单,情绪状态的概况和Short Form Form 36健康调查调查问卷。此外,还将进行全血分析和免疫,炎症和氧化应激生物标志物的评估。次要结果包括使用16S rRNA测序的粪便样品进行肠道菌群分析。伦理和传播该研究的研究方案已由马来西亚大学研究伦理委员会审查和批准(UKM/PPI/111/8/JEP-2023-211)。这些发现将被传播给参与者,医疗保健专业人员
大学生更容易受到计算机视觉综合征(CVS)的症状,这是由于数字设备(例如计算机,平板电脑和智能手机)在学习过程中的大幅增加而引起的,尤其是在Covid-19-19大流行期间。进行了这项研究是为了确定CVS综合征的患病率和在3年级学生和4年级学生中采取的预防措施的患病率,在马来西亚马来西亚校园吉隆坡(UKMKL)中。通过在线调查表的分布随机分配给80位受访者进行采样的横截面研究已被使用。分析发现,有90%的学生将智能手机用作学习过程中的主要数字设备,其中41.3%的人报告使用设备超过8小时。调查结果还表明,超过65%的受访者患有头痛和颈部疼痛(73.8%),背痛和眼痛(66.3%),以及发痒和水的眼睛(65.0%)。只有视力模糊和双视力的症状与数字设备的使用时间段有显着关系(p <0.05)。分析结果发现,有90%的学生采取了有效的预防措施,例如使用20-20-20规则在数字设备之间放松措施,以防止或缓解CVS症状。但是,这种预防措施与经历的简历症状没有发现显着的关系。这项研究的发现对于制定步骤的建议非常有用,作为学生的常规实践,可减少使用数字设备对视觉健康的负面影响。
Cmos 小型化:现在、过去和未来 Siti Sarah BintiMdSallah、Habibah Mohamed、Md. Mamun、Md. Syedul Amin 马来西亚国立大学电气、电子与系统工程系,43600 UKM Bangi,雪兰莪,马来西亚。 摘要 互补金属氧化物半导体 (CMOS) 的演变过程对于现代技术非常重要。22nm 以后和 7nm 的 CMOS 在设计上面临许多挑战和机遇。从缩放理论以及限制问题等方面回顾了小型化的发展,重点关注性能、功耗、经济、技术和可靠性问题。预计 2018 年将通过使用高 k 材料突破 CMOS 物理栅极长度 7nm 的尺寸限制。此外,高 k 电介质材料可以减少电流泄漏问题。在晶体管小型化的背后,光刻技术是关键的重要工艺之一。在性能、功耗、材料、经济和技术限制方面,人们正在重点讨论和探讨几个问题。关键词:7nm 栅极长度、CMOS、小型化、高 k、VLSI。引言将CMOS大规模集成电路(LSI)推进至纳米级别已成为现代人类社会集成电路(IC)领域的一个重大课题(Akter et al. 2008a, b; Reaz et al. 2007a, b; Marufuzzaman et al. 2010; Reaz et al. 2003; Reaz et al. 2005; Iwai, 2012)。如果没有集成电路的最新大规模发展,当今先进的通信和工程技术是不可想象的(Iwai, 2003; Reaz et al. 2006; Reaz and Wei 2004; Mohd-Yasin et al. 2004; Mogaki et al. 2007)。此外,日常生活、制造、商业、交通、医疗、教育等都离不开CMOS技术的支持(Iwai,2008)。因此,CMOS技术的演进过程对于半导体产业和全球经济而言都十分重要。电子电路随元件尺寸的演进如图1所示(Iwai and Ohmi,2002)。
专业领域:VLSI 设计(模拟/数字 IC 设计、RFID IC 设计、FPGA 上的 DSP 硬件实现)、生物医学工程(生物医学信号分析、生物医学应用 IC)。 教学 1) 自 2023 年 5 月起隶属于孟加拉国独立大学 (IUB)。 2) 2008 年 12 月至 2023 年 8 月隶属于马来西亚国立大学 (UKM)。 3) 2006 年 8 月至 2008 年 12 月隶属于马来西亚国际伊斯兰大学 (IIUM)。 4) 2001 年 3 月至 2006 年 7 月隶属于马来西亚多媒体大学 (MMU)。 监督 1) 指导 1 名博士后。 2) 指导 25 名博士生(22 名已完成)。 3) 指导 41 名硕士生(40 名已完成)。 4) 指导 56 名本科生的最后一年项目。出版物 1) h 指数 - 38,SCOPUS 总引用次数 - 9,586。 2) h 指数 - 45,GOOGLE 总引用次数 - 16,594。 3) 出版了 7 本研究书籍。 4) 编辑了 3 本研究书籍。 5) 在国际期刊上发表了 271 篇文章(ISI 列出并有影响力 - 167(Q1:63,Q2:30,Q3:29,Q4:45)。 6) 在会议论文集中发表了 171 篇文章(国际-161,国家-9)。 7) 发表了 9 本书的章节。 8) 编写了 17 份技术报告和文摘。 9) 制作了 11 份研究公报。 研究活动 1) 37 个研究项目的项目负责人,总资助额为 140 万美元(约)。 2) 37 个研究项目的共同研究员,总资助额为 200 万美元(约)。 3) 与意大利国际理论物理中心、日本茨城大学、卡塔尔大学、印度 Ram Manohar Lohia Avadh 大学、马来西亚 MIMOS Berhad、马来西亚 Emerald System Sdn. Bhd.、马来西亚 Linear DMS Sdn. Bhd.、马来西亚槟城 Globetronics、马来西亚 Silterra、孟加拉国 Adorsho Pranisheba Ltd.、孟加拉国拉杰沙希工程技术大学、孟加拉国拉杰沙希大学进行研究合作和交流。 知识产权 1) 已授予两项专利和一项版权,并已提交和正在申请八 (8) 项专利(专利编号:Pl 2017000536/MY-173110-A 和 US20240120097A1,美国,版权编号:CRLY00004751) 网络和服务 1) 国际中心组织的 5 门课程的联合主任
,美国加利福尼亚州旧金山,美国b莫罗贝发展基金会(通过联合国志愿计划),莱,00411,00411,巴布亚新几内亚C埃利奥特国际事务,乔治华盛顿大学,华盛顿,华盛顿,华盛顿特区基督城,8011,新西兰F利物浦大学,利物浦大学,利物浦大学,利物浦大学,英国G工程学院,Fundaci。莱达大学的工程,25198年,西班牙莱利达,J气候与生态系统科学系,劳伦斯·伯克利国家实验室,加利福尼亚州伯克利,美国伯克利,美国森林,渔业和地理科学学院,佛罗里达大学,佛罗里达州佛罗里达州佛罗里达州佛罗里达州佛罗里达州佛罗里达州佛罗里达州佛罗里达州佛罗里达州佛罗里达州佛罗里达州佛罗里达州佛罗里达州佛罗里达州弗洛伊州自然人和环境,佛罗里萨国家发展计划,布鲁塞尔,比利时N森林科学技术中心(CTFC),25280 Solsona,西班牙O森林消防实验室(Labif)。 森林工程部。 框63,buea,喀麦隆,美国加利福尼亚州旧金山,美国b莫罗贝发展基金会(通过联合国志愿计划),莱,00411,00411,巴布亚新几内亚C埃利奥特国际事务,乔治华盛顿大学,华盛顿,华盛顿,华盛顿特区基督城,8011,新西兰F利物浦大学,利物浦大学,利物浦大学,利物浦大学,英国G工程学院,Fundaci。莱达大学的工程,25198年,西班牙莱利达,J气候与生态系统科学系,劳伦斯·伯克利国家实验室,加利福尼亚州伯克利,美国伯克利,美国森林,渔业和地理科学学院,佛罗里达大学,佛罗里达州佛罗里达州佛罗里达州佛罗里达州佛罗里达州佛罗里达州佛罗里达州佛罗里达州佛罗里达州佛罗里达州佛罗里达州佛罗里达州佛罗里达州佛罗里达州弗洛伊州自然人和环境,佛罗里萨国家发展计划,布鲁塞尔,比利时N森林科学技术中心(CTFC),25280 Solsona,西班牙O森林消防实验室(Labif)。 森林工程部。 框63,buea,喀麦隆,美国加利福尼亚州旧金山,美国b莫罗贝发展基金会(通过联合国志愿计划),莱,00411,00411,巴布亚新几内亚C埃利奥特国际事务,乔治华盛顿大学,华盛顿,华盛顿,华盛顿特区基督城,8011,新西兰F利物浦大学,利物浦大学,利物浦大学,利物浦大学,英国G工程学院,Fundaci。莱达大学的工程,25198年,西班牙莱利达,J气候与生态系统科学系,劳伦斯·伯克利国家实验室,加利福尼亚州伯克利,美国伯克利,美国森林,渔业和地理科学学院,佛罗里达大学,佛罗里达州佛罗里达州佛罗里达州佛罗里达州佛罗里达州佛罗里达州佛罗里达州佛罗里达州佛罗里达州佛罗里达州佛罗里达州佛罗里达州佛罗里达州佛罗里达州弗洛伊州自然人和环境,佛罗里萨国家发展计划,布鲁塞尔,比利时N森林科学技术中心(CTFC),25280 Solsona,西班牙O森林消防实验室(Labif)。森林工程部。框63,buea,喀麦隆University of Cordoba, 14071, Cordoba, Spain p Department of Geography, Sultan Qaboos University, Muscat, Oman q Department of Ecology and Conservation Biology, Texas A & M University, College Station, TX, United States of America r Earth Observation Centre, Institute of Climate Change, Universiti Kebangsaan Malaysia, 43600, Bangi, Selangor, Malaysia s Forest Biometrics and Remote Sensing Lab (Silva Lab) - School of Forest Resources and Conservation, University of Florida, Gainesville, FL, 32611, United States of America t Tecnosylva, S.L Parque Tecnol ´ ogico de Le ´ on, 24004, Le ´ on, Spain u Department of Civil Engineering, Papua New Guinea University of Technology, Lae, 00411, Papua New Guinea v Department of Geography, BUEA大学,P.O。社会与管理科学学院
1马来西亚登龙加州海洋科学与环境学院,21030吉隆坡,马来西亚孟生部孟生部2号,马来西亚2化学科学系,科学与技术系,马来西亚43600 UKM BANGI,MALAYSIA 33600 MALAYSIA 33600 MALAYSIA 33600 MALAYSIA MALAYS MALAYS IKIAL SCICOCYIA,ICTILTICIA,INFORITIAL SCICOCHIA,INFORITIA,INSCICEN,INSCICIA,INCUSICIA,INCUSICIA,INSCICEN,INCUSICIE,INCUSICIE,INCUSICITY 33 Skudai,Johor,Malays IA *通讯作者:Farhanini@umt.edu.my收到:2024年8月13日;修订:2024年11月17日;接受:2024年11月18日;发表:2025年2月10日,本研究在无情追求清洁能源的突破性进步中摘要,推出了一种电催化剂,它还原了与磁铁矿纳米颗粒(RGO-MNP)集成的氧化石墨烯(RGO-MNP),该氧化石化是为了彻底改变氧气减少反应(ORR)。通过复杂的密度函数理论(DFT)模拟,我们演示了MNP与RGO的杂交如何导致电子性能的深刻修改,从而解锁了催化活性和电子转运的前所未有的增强。复合材料表现出非常稳定的稳定性,这是由-1036.96 kJ/mol的结合能证明的,而其相互作用能为-389.29 kJ/mol,信号是热力学上有利的结构。分子静电电势(MEP)映射揭示了电子致密和不足区域的丰富相互作用,对于优化ORR机制至关重要。此外,0.173 eV的狭窄homo-lumo间隙强调了材料的高反应性和最佳电荷转移动力学。这项工作为开发高效,耐用和可扩展的ORR催化剂建立了强大的基础,为在燃料电池和清洁能源系统中有影响力的应用开辟了途径。这些计算见解肯定了RGO-MNP作为下一代电催化剂,不仅提供了出色的稳定性和效率,而且还具有推动可持续能源技术变革性改进的潜力。关键词:还原反应,氧化石墨烯,磁铁矿纳米颗粒,密度功能理论,电催化剂简介当前的发电系统在满足对清洁和可靠功率的增长需求方面面临重大挑战[1,2]。化石燃料是一致的电力来源,但昂贵。但是,目前的问题不一定是缺乏化石燃料,而是与他们继续使用电力相关的环境和经济负担[3,4,5]。燃料电池是一种可持续且具有成本竞争力的替代方案,可以满足我们不断增长的能源需求[1,2,4,6,7]。还原反应(ORR)是燃料电池等设备中电化学转化的基石[1,7,8]。它们代表了将燃料中存储的化学能转化为可用的电能的过程的核心。一个ORR涉及两个同时的过程:氧化
1 卡塔尔大学电气工程系,卡塔尔多哈 2713 2 达卡大学生物医学物理与技术系,孟加拉国达卡 1000 3 哈马德综合医院胸外科,卡塔尔多哈 3050 4 南北大学数学与物理系,孟加拉国达卡 1229 5 孟加拉国国父谢赫·穆吉布医科大学正畸系,孟加拉国达卡 1000 6 工程技术大学电气工程系(JC),巴基斯坦白沙瓦 25120 7 医疗保健中的人工智能,智能信息处理实验室,工程技术大学国家人工智能中心,白沙瓦,巴基斯坦 8 马来西亚国立大学电气、电子与系统工程系,马来西亚雪兰莪州万宜 43600 mchowdhury@qu.edu.qa,电话:+974-31010775 摘要:冠状病毒病 (COVID-19) 是一种大流行性疾病,已造成数千人死亡,全球数百万人感染。任何能够快速筛查 COVID-19 感染并具有高精度的技术工具都对医疗专业人员至关重要。目前用于诊断 COVID-19 的主要临床工具是逆转录聚合酶链反应 (RT-PCR),它价格昂贵、灵敏度较低且需要专门的医务人员。X 射线成像是一种易于获取的工具,可以成为 COVID-19 诊断的绝佳替代方案。本研究旨在调查人工智能 (AI) 在从胸部 X 光片图像中快速准确地检测 COVID-19 中的效用。本文的目的是提出一种强大的技术,用于应用预先训练的深度学习算法从数字胸部 X 光片图像中自动检测 COVID-19 肺炎,同时最大限度地提高检测精度。作者结合多个公共数据库并收集了最近发表的文章中的图像,创建了一个公共数据库。该数据库包含 423 幅 COVID-19、1485 幅病毒性肺炎和 1579 幅正常胸部 X 光图像。利用图像增强技术,使用迁移学习技术来训练和验证几个预先训练的深度卷积神经网络 (CNN)。训练网络对两种不同的情况进行分类:i) 正常和 COVID-19 肺炎;ii) 有和没有图像增强的正常、病毒性和 COVID-19 肺炎。两种方案的分类准确度、精确度、灵敏度和特异性分别为 99.7%、99.7%、99.7% 和 99.55% 以及 97.9%、97.95%、97.9% 和 98.8%。这种计算机辅助诊断工具的高准确度可以显着提高 COVID-19 诊断的速度和准确性。在这种疾病负担和预防措施需求与现有资源不一致的流行病中,这将非常有用。