XiaoMi-AI文件搜索系统
World File Search Systemsilicon
利用三角碳化硅结构中的光子带隙实现高效的量子纳米光子硬件
碳化硅因其色心缺陷的长自旋相干性和单光子发射特性而成为领先的量子信息材料平台之一。碳化硅在量子网络、计算和传感中的应用依赖于将色心发射有效收集到单一光学模式中。该平台的最新硬件开发专注于角度蚀刻工艺，以保留发射器特性并产生三角形设备。然而，人们对这种几何结构中的光传播知之甚少。我们探索了三角形横截面结构中光子带隙的形成，这可以作为开发碳化硅中高效量子纳米光子硬件的指导原则。此外，我们提出了三个领域的应用：TE 通滤波器、TM 通滤波器和高反射光子晶体镜，可用于高效收集和传播光发射模式选择。
表面反射率对硅锗合金超快速激光熔化的影响
紫外纳秒激光退火 (LA) 是一种强大的工具，需要严格限制的加热和熔化。在半导体技术中，随着所提出的集成方案的复杂性不断增加，LA 的重要性也随之增加。优化 LA 工艺以及实验设计具有挑战性，尤其是当涉及具有各种形状和相的复杂 3D 纳米结构系统时。在这种情况下，需要对激光熔化进行可靠的模拟，以优化工艺参数并减少实验测试次数。这产生了虚拟实验设计 (DoE)。𝑆𝑖 1− 𝑥 𝐺𝑒 𝑥 合金如今因其与硅器件的兼容性而被使用，从而能够设计应变、载流子迁移率和带隙等特性。在这项工作中，用有限元法/相场方法模拟了松弛和应变𝑆𝑖 1− 𝑥 𝐺𝑒 𝑥 的激光熔化过程。具体来说，我们使用实验数据校准了合金结晶相和液相的介电函数。我们强调了重现不同聚集状态下空气与材料界面的精确反射率的重要性，以正确模拟该过程。我们间接发现了熔体硅锗光学行为的有趣特征。
新闻稿 新加坡，2023 年 9 月 7 日 新加坡南洋理工大学科学家开发出新方法，从过期太阳能电池板中回收高纯度硅，用于
新闻稿 新加坡，2023 年 9 月 7 日 新加坡南洋理工大学的科学家开发出一种新方法，从过期的太阳能电池板中回收高纯度硅，以升级改造为锂离子电池 新加坡南洋理工大学 (NTU Singapore) 的科学家设计出一种有效的方法，从过期的太阳能电池板中回收高纯度硅，以生产锂离子电池，这有助于满足全球对电动汽车日益增长的需求。 高纯度硅构成了太阳能电池的大部分，但它们通常在 25 至 30 年后使用寿命结束时被丢弃。 将硅与铝、铜、银、铅和塑料等其他太阳能电池组件分离是一项挑战。 此外，回收的硅有杂质和缺陷，不适合用于其他硅基技术。 现有的回收高纯度硅的方法是能源密集型的，并且涉及剧毒化学品，因此成本高昂，限制了它们在回收商中的广泛采用。 NTU 的研究人员通过使用磷酸（一种常用于食品和饮料行业的物质）的新提取方法克服了这些挑战。 NTU 的方法比目前的硅回收技术具有更高的回收率和纯度。该工艺也更高效，只涉及一种试剂（磷酸），而传统方法至少包括两种化学品（强酸性和强碱性）。这项研究的首席研究员、材料科学与工程教务长兼 NTU 能源研究所 (ERI@N) 集群主任 Nripan Mathews 副教授说：“我们的硅回收方法既高效又有效。我们不必使用多种化学品，从而减少了化学废物后处理所花费的时间。同时，我们实现了与能源密集型企业生产的纯硅相当的高回收率
透明的导电氧化物和低氮损耗富含硅的硅波导，作为神经形态光子学的基础
简介神经形态计算是指试图模仿大脑信号处理的信号的方式[1]。与基于具有两个分离的内存和处理单元并以顺序操作的von Neumann架构的传统计算机相比[2]，大脑过程以并行方式[3，4]。，它在速度和能源效率方面提供了巨大的好处，因为数据传输是造成大部分功耗的原因。克服某些局限性的方法之一是开发可以改善信号处理的新算法[5，6]，但是，它仍然需要在内存和处理器之间进行数据传输和限制其效率。在处理这些限制的过程中，在网络中可以实施的人工神经元和突触的开发中，付出了很多努力[1]。基于光子学，即，神经形态光子学，可用光子作为信号载体，以在网络的不同部分之间传递信息[7-12]。多亏了几乎无限的带宽，与标准CMOS技术的兼容性以及几乎为零的功耗，可以进行基本的矩阵乘法，与神经态电子相比，它可以提供巨大的改进。可以通过以光速度在单个波导上将多个信号列入多个信号来实现完整的并行性。同时，光权重可以提供计算的低延迟。通过将这些优点结合起来，至少与电子同行相比，至少有很少的数量级改善。但是，实现此类任务的实现需要仍缺失的新材料平台和低损失体系结构。氮化硅（SIN）是光子整合电路（PIC）技术的普遍材料，因为它与标准CMOS过程兼容[13，14]。它允许在单个芯片上进行具有成本效益的设备和电子和光子组件的协整。此外，与其他材料相比，基于SIN平台的光子设备的特征是对温度漂移的容忍度更高，光学损耗和较低的波长范围操作，较大的波长透明度和改善的串扰值[14]。已经被证明是一个适当的材料平台，用于实现神经网络，表明自由度增加的是设计线性神经元[8，9]。因此，SIN平台可以作为神经形态光子学中的路由层起关键作用[9]。
硅光子8λx 32Gbps/λWDM收发器...
对带宽密度和功率效率的需求不断提高，促进了多项研究工作，以开发光学I/O，作为全电动I/O用于高性能和数据密集型计算的替代方案。将光学I/O迁移到XPU/ASIC/FPGA软件包更靠近，可以以节能方式传递必要的带宽。硅光子学（SIPH）非常适合满足该应用的挑战性要求，因为其集成和制造性很高。普遍认为，由于其较小的占地面积和谐振性，微孔调节器（MRM）是带宽密度缩放的关键组成部分，这使其自然地适合密集波长划分多路复用（DWDM）技术，这是满足这些出现的带宽要求的关键[1,2]。光学I/O的其他关键组件包括高速光电探测器，DWDM激光源和共同设计的CMOS电子IC（EIC），可提供所有所需的接口电路（SERDES，驱动程序，MRM Control，TIA等））。
杂交硅和尼贝特锂薄膜中的电气可调节叶子
摘要：交叉是密集波长多路复用（DWDM）应用程序中的关键设备之一。在这项研究中，设计，制造和表征了具有不对称的马赫德干涉仪结构的交叉裂料，并在杂化硅和尼贝特薄膜（SI-LNOI）中进行了表征。可以通过SI光子的成熟加工技术来制造基于Si-Lnoi的交叉研究，并且它可以使用LN的E-O效应来实现电光（E-O）调谐功能。在1530–1620 nm的范围内，交叉裂料达到了55 GHz的通道间距，灭绝比为12-28 dB。由于Si的巨大折射率，基于Si-Lnoi的Si加载带状波导具有紧凑的光学模式区域，这允许一个小的电极间隙提高对手杆的E-O调制效率。对于1 mm的E-O相互作用长度，E-O调制效率为26 pm/v。Interleaver将在DWDM系统，光学开关和过滤器中具有潜在的应用。
通过辐照在非晶硅中制备的纳米粒子尺寸越小，越软……
“越小越软”是强度的逆尺寸依赖性，违背了“越小越强”的原则。它通常由表面介导的位移或扩散变形引起，主要存在于一些超小尺度（几十纳米以下）的金属材料中。在这里，利用离子束辐照的表面改性，我们在更大尺寸范围（< ∼ 500 纳米）的共价键、硬而脆的材料非晶硅（a-Si）中实现了“越小越软”。它表现为从准脆性破坏到均匀塑性变形的转变，以及在亚微米级范围内随着样品体积的减小而屈服应力的降低。提出了一个硬核/超塑性壳的分析模型来解释人为可控的尺寸相关软化。这种通过离子辐照的表面工程途径不仅对于调整小尺寸非晶硅或其他共价结合非晶态固体的强度和变形行为特别有用，而且对于非晶硅在微电子和微机电系统中的实用性也具有实际意义。© 2023 由 Elsevier Ltd 代表《材料科学与技术杂志》编辑部出版。
Q-Silicon-NSF-PAR
a1 a2 a2 b1 b2 si 1 0，0，0，0 1/2，1/2，0 a2a1 0，1/2，1/2 b1a1 1/2 1/2，0，1/2 b2a1 2 1/2 1/2，0，0，0，0 1/2，1/2，1/2，0 1/2，1/2，1/2 1，1/2 b1a2 1，1/2，1/2 b2a2 4 0，1/2，1/2，0 1/2，1，1，0，1，1/2 1/2 1/2，1/2，1/2，1/2 C* 5 1/4，0，0，1/4 3/4 3/4 3/4 3/4，1/2，1/2，1/4 1/4 1/4 1/4，1/2，1/2，1/2 1/2, 3/4, 3/4 1, 1/4, 3/4 7 1/4, 1/2, 1/4 3/4, 1, 1/4 1/4, 1, 3/4 3/4, 1/2, 3/4 8 0, 1/4, 1/4 1/2, 3/4, 1/4 0, 3/4, 3/4 1/2, 1/4, 3/4 9 1/4, 0 3/4, 3/4, 0 1/4, 3/4, 1/2 3/4, 1/4, 1/2 10 1/4, 1/4, 1/2 3/4, 3/4, 1/2 1/4, 3/4, 1 3/4, 1/4, 1 11 0, 0, 1/2 1/2, 1/2, 1/2 c* 0, 1/2, 1 1/2, 0, 1 12 1/2 A1B2 1, 1/2, 1/2 A2B2 1/2，1/2，1 B1B2 1，0,1 13 1/2，1/2，1/2，1/2 C* 1，1，1，1/2 1/2 1/2 1，1，1，1，1，1，1，1 14 0，1/2，1/2 A1B1 A1B1 1/2 1/2，1/2，1/2
3D打印的有机硅解剖患者模拟器，以增强对心肺旁路的培训
摘要 - 背景：模拟器培训对于教学学生在开始在诊所工作之前与CBP相关的基本技能很重要。当前可用的高层模拟器缺乏解剖特征，可以帮助学生在视觉上了解血液动力学参数与解剖结构之间的联系。因此，我们机构开发了3D打印的硅胶心血管系统。这项研究旨在确定使用这种解剖学灌注模拟器而不是传统的“桶”模拟器是否会更好地改善灌注学生对插管部位，血流和解剖结构的理解。方法：对16名学生进行了测试以建立他们的基线知识。他们被随机分为两组，目睹了在两个模拟器之一（解剖或水桶）中运行的模拟旁路泵，然后重新测试。为了更好地分析数据，我们定义了“真实学习”的特征，其特征是在模拟后评估中纠正的仿真评估的答案不正确。结果：见证了在解剖模拟器上运行的模拟泵的组显示，平均测试评分的增加，更多的真实学习实例以及敏锐的信心间隔的增长更大。结论：尽管样本量较小，但结果表明解剖模拟器是教新灌注学生的宝贵工具。