XiaoMi-AI文件搜索系统
World File Search Systemspectra
来自重复slab带结构计算的角度分辨光发射光谱的计算方法
在光发射的一步模型中报告了一种用于角度分辨光发射光谱（ARPES）计算的多功能方法。初始状态是使用投影仪调节波（PAW）方法从重复slab计算获得的。arpes最终状态是通过将正能量的重复标记特征状态与满足时间转移的低能量电子衍射边界条件相匹配的。匹配方程的非物理解（不尊重频道保护）被丢弃。该方法应用于石墨烯的表面正常光发射，这是光子能量从阈值到100 eV的函数。将结果与独立执行的多个散射计算进行了比较，并获得了非常良好的一致性，前提是使用从爪子伪载体重建的全电子波来计算光发射矩阵元素。但是，如果直接使用了伪瓦，则通过数量级，σ-和π频带发射之间的相对强度是错误的。石墨烯ARPES强度具有强大的光子能依赖性，包括共振。来自π带的正常发射光谱在31 eV的光子能量下显示了迄今未报告的尖锐共振。共振是由于二维间互间跃迁引起的，并突出了最多的矩阵元素效应的重要性，而不是最终状态平面波近似。
XX 催化剂对微扰交叉量子退火谱的影响
在绝热量子计算中，达到给定基态保真度所需的运行时间由退火谱中基态和第一激发态之间出现的最小间隙大小决定。一般来说，避免的能级交叉的存在要求退火时间随系统大小呈指数增加，这会影响算法的效率和所需的量子比特相干时间。正在探索的一种产生更有利的间隙缩放的有希望的途径是引入催化剂形式的非量子 XX 耦合 - 特别令人感兴趣的是利用有关优化问题的可访问信息的催化剂。在这里，我们展示了 XX 催化剂对优化问题编码的细微变化的影响的极端敏感性。特别是，我们观察到，包含单个耦合的目标催化剂可以显著减少在避免的能级交叉处随系统大小而闭合的间隙。然而，对于相同问题的略微不同的编码，这些相同的催化剂会导致退火谱中的间隙闭合。为了了解这些闭合间隙的起源，我们研究了催化剂的存在如何改变基态矢量的演化，并发现基态矢量的负分量是理解间隙谱响应的关键。我们还考虑了如何以及何时在绝热量子退火协议中利用这些闭合间隙 - 这是一种有前途的绝热量子退火替代方案，其中利用向更高能级的跃迁来减少算法的运行时间。
移动医疗高光谱学习，实现血液动力学的瞬时空间光谱成像
高光谱成像在空间和频率域中获取数据，以提供丰富的物理或生物信息。然而，传统的高光谱成像具有仪器笨重、数据采集速度慢和空间光谱权衡等内在局限性。在这里，我们介绍了快照高光谱成像的高光谱学习，其中将小子区域中的采样高光谱数据合并到学习算法中以恢复超立方体。高光谱学习利用了照片不仅仅是一张图片，还包含详细光谱信息的想法。小样本的高光谱数据使光谱信息学习能够从红绿蓝 (RGB) 图像中恢复超立方体，而无需完整的高光谱测量。高光谱学习能够恢复超立方体中的全光谱分辨率，可与科学光谱仪的高光谱分辨率相媲美。高光谱学习还可以实现超快动态成像，利用现成智能手机中的超慢速视频录制，因为视频由多个 RGB 图像的时间序列组成。为了证明其多功能性，使用血管发育的实验模型通过统计和深度学习方法提取血流动力学参数。随后，使用传统的智能手机摄像头以高达一毫秒的超快时间分辨率评估外周微循环的血流动力学。这种光谱信息学习方法类似于压缩感知；然而，它还允许使用透明的学习算法进行可靠的超立方体恢复和关键特征提取。这种由学习驱动的快照高光谱成像方法可产生高光谱和时间分辨率，并消除了空间光谱权衡，提供了简单的硬件要求和各种机器学习技术的潜在应用。
使用UAV多光谱图像的葡萄园冠层检测的不同计算机视觉方法的比较
在葡萄栽培中，通过超高的空间分解图像快速而准确地获取了冠层光谱信息以进行决策支持。普遍的做法涉及使用从纯藤冠像素获得的光谱数据创建活力图。基于对象的图像分析（OBIA）在常规方法中表现出由于其特征提取的功能而在树冠分类中表现出合理的效率。近年来，深度学习（DL）技术在果园监测中表现出了巨大的潜力，并利用了它们自动学习图像特征的能力。这项研究评估了不同方法的性能，包括掩盖R-CNN，U-NET，OBIA和无监督方法，以识别纯冠类像素。比较了阴影和背景检测方法的有效性以及错误分类像素对NDVI的影响。将结果与2021年和2022年生长季节进行的农艺调查进行了比较，重点是两个不同的物候阶段（BBCH65-BBCH85）。蒙版R-CNN和U-NET在整体准确性（OA），F1得分和与联合（IOU）相交方面表现出卓越的性能。在OBIA方法中，高斯混合模型（GMM）被证明是冠层分割的最有效的分类器，并且支持向量机（SVM）也表现出合理的稳定性。相反，随机森林（RF）和K-均值的准确性和较高的错误率产生了较低的误差率。由于准确性有限，因此在葡萄园行高的葡萄园排被高估了，而对于高活力的檐篷，NDVI被低估了。可显着提高确定系数，以进行总叶面积（TLA）与源自蒙版R-CNN和U-NET得出的NDVI数据之间的比较。还发现了来自GMM和SVM算法的NDVI数据的正相关性。关于叶叶绿素（CHL）和NDVI相关性，蒙版R-CNN和U-NET方法显示出较高的性能。此外，TLA和投影冠层区域（PCA）之间的关系得到了U-NET和Mask R-CNN的明显代表，而不建议使用PCA来估计叶绿素含量。这项调查确定，改善了葡萄树冠划界的贡献，可改善葡萄园活力监测，为葡萄酒生长提供了更准确，更可靠的农艺信息，以进行管理决策。
使用Enmap高光谱数据以及Sentinel-2时间数据绘制森林树种及其生物多样性：树种分类和多样性指数的方法
通过迭代实验，使用数据还原技术和算法调整，我们在针头叶和宽叶的物种上实现了最佳性能。通过对坎皮诺斯国家公园中国家森林库存的混合物种多边形的定量准确性评估来验证所得的树种图。达到85％至93％的总体准确性，我们的研究证明了这种综合方法在树种映射中的功效。此外，树木地图是推导关键生物多样性指数的基础 - 物种丰富度，Shannon-Wiener多样性指数，Simpson的多样性指数和复合生物多样性指数 - 提供对空间生物脱位模式的见解，并提供有针对性的保护策略。这项研究体现了将先进的遥感技术与现场验证相结合的潜力，以增强我们对森林生态系统的理解并指导可持续的管理实践。
AI-HyperCal：使用人工智能已知点识别进行场景内高光谱图像校准
2016 年末，阿勒颇东部落入俄罗斯支持的叙利亚军队手中，朝鲜再次开始加强核试验，遥控飞机 (RPA) 袭击次数最多的一年也结束了。所有这些飞行小时数带来了空中情报、监视和侦察 (ISR) 的上升，导致硬盘溢出，其中包含数百万小时的视频和无数高分辨率静态图像，这些图像被上传到美国空军分布式通用地面系统。1 然而，如果没有图像分析师的处理、利用和分发 (PED)，所有这些数据都毫无意义。PED 确保图像质量高，并且感兴趣的对象具有位置、材料、大小和背景特征。周围的机构时间表、其他物体的位置和人员流动都可能影响最终的情报评估。
Raman Spectra的机器学习预测有针对性递送的多糖涂层释放药物
结肠药物的递送提供了许多药物机会，包括直接进入局部治疗靶标和药物生物利用度益处，这是由于结肠上皮减少的细胞色素P450酶和特定的流出式转运蛋白而产生的。目前用于开发结肠药物输送系统的工作流程涉及时必时间的，体外吞吐量的低吞吐量和体内筛查方法，这阻碍了合适的启用材料的识别。多糖是结肠靶向的有用材料，因为它们可以用作剂型涂层，这些剂量涂层被结肠微生物群选择性消化。但是，多糖是一个异质的分子家族，适合此目的。为了满足对结肠药物输送的高吞吐量材料选择工具的需求，我们杠杆机器学习（ML）和公共可访问的实验数据，以预测在模拟的人类，老鼠和狗尸体环境中从基于多糖的涂料中释放5-氨基化含量的药物。首次仅使用拉曼光谱来表征多糖以输入为ML特征。模型在新的多糖涂层中的8个看不见的药物释放曲线上进行了验证，这表明该方法的普遍性和可靠性。此外，模型分析促进了对影响聚结肠药物递送的化学特征的理解。这项工作代表了采用光谱数据来预测药物从药物制剂中释放药物的主要步骤，并标志着结肠药物递送领域的显着进步。，它为结肠靶向的配方涂料提供了有效，可持续和成功的开发和预先排序的强大工具，为未来的更有效和有针对性的药物输送策略铺平了道路。
在具有选定光谱带的沿海地区有效塑料检测
海洋塑料污染构成了重大的生态，经济和社会挑战，需要创新发现，管理和缓解解决方案。光谱成像和光学遥感在水生环境中检测和表征大型塑料方面已证明有价值的工具。尽管许多研究着重于短波红外频谱中感兴趣的频段，但该范围内的传感器的高成本使得很难在长期和大规模应用中大量生产它们。因此，我们介绍了各种机器学习模型在四个数据集中的评估和传输，以识别用于检测和分类海洋环境中最普遍的塑料的关键频段，并在可见的和近边缘（VNIR）范围内检测到最普遍的塑料。我们的研究使用四个不同的数据库，从实验室条件下的维珍塑料到田间条件下的天气塑料。我们使用顺序特征选择（SFS）和随机森林（RF）模型进行最佳频带选择。同质背景对于准确检测的重要性是由97％的精度突出显示的，并且数据集之间的成功频段转移（87％ - 91％）表明，在各种情况下适用的传感器的可行性。但是，模型传输需要为每个特定数据集进行进一步的培训，以实现最佳精度。结果强调了通过持续改进和扩展培训数据集的更广泛应用的潜力。我们的发现提供了有价值的信息，以开发引人注目的负担得起的检测传感器来解决沿海地区的塑料污染。这项工作为增强全球海洋垃圾检测和减少的准确性铺平了道路，从而为我们的海洋带来了可持续的未来。
Optical spectra of plasmon-exciton core-shell nanoparticles
由金属芯和分子J凝聚糖物的有机壳组成的混合芯 - 壳纳米结构的光学特性取决于在壳中金属核心和Frenkel Expitons表面的等离子之间的电磁偶联。在具有强和超强等离子体的情况下 - 激子耦合，使用传统的各向同性经典振荡器模型来描述J种类介绍功能可能会导致理论预测与杂交NanAnoparticles的可用实验光谱之间的巨大差异。我们表明，这些差异不是由经典振荡器模型本身的局限性引起的，而是将有机壳视为光学各向同性材料。通过假设壳体中分子J-聚集的经典振荡器的切向取向，我们与TDBC涂覆的金纳米棒的实验灭绝光谱获得了极好的一致性，而这些射频的实验灭绝光谱无法用常规的各向同性壳模型来处理。我们的结果扩展了对金属（有机纳米颗粒的光学）物理效应的理解，并提出了这种混合系统理论描述的方法。
与X射线摄像机相关的多光谱监测数据在发夹的激光焊接期间
在当今的高性能电动发动机中，发夹技术用于提高效率。而不是由绕线线制成的定子，将较厚的铜销组装和焊接。由于表面污染，夹紧，定位或以前的切割过程，典型的焊缝失败，例如飞溅物，毛孔或连接不足。对于生产设施，它不足以识别有缺陷的焊缝；还需要进行分类以确定故障的原因并尽快纠正它们。在本研究的帮助下，在原位X射线摄影中评估了多光谱监测系统的能力。数据显示与蒸气毛细管的稳定性，焊接位置和飞溅形成的相关性。