XiaoMi-AI文件搜索系统
World File Search Systemspectroscopic
使用光谱椭圆形对比度
＃＃电子邮件：sh315@cam.ac.uk，jaa59@cam.ac.uk抽象扭曲的双层石墨烯提供了一个理想的固态模型，可探索相关的材料属性和机会，用于各种光电应用程序，但可靠，可靠的快速，快速的扭曲角度表征仍然是一个挑战。在这里，我们引入光谱椭圆测量对比度显微镜（SECM），作为在光学共振的扭曲双层石墨烯中绘制扭曲角度障碍的工具。我们优化了椭圆角，以根据入射光的测量和计算的反射系数增强图像对比度。与Van Hove奇异性相关的光谐振与拉曼和角度分辨光电发射光谱良好相关，证实了SECM的准确性。结果强调了SECM的优势，这被证明是在大面积上表征扭曲的双层石墨烯，解锁过程，材料和设备筛选以及双层和多层材料的交叉相关测量潜力的快速，无破坏性方法。
通过椭圆偏振光谱法现场监测 Sb 离子注入单晶 Ge 过程中的无序和空腔演变
Tivadar Lohner 1 、Attila Németh 2 、Zsolt Zolnai 1 、Benjamin Kalas 1 、Alekszej Romanenko 1 、Nguyen Quoc Khánh 1 、Edit Szilágyi 2 、Endre Kótai 2 、Emil Agócs 1 、Zsolt Tóth 3 、Judit Budai 4,5 、Péter Petrik 1,* 、Miklós Fried 1,6 、István Bársony 1 和 † József Gyulai 1
卷积神经网络利用 MR 波谱成像数据预测脑肿瘤等级和阿尔茨海默病
脑部疾病通常通过磁共振成像（MRI）来诊断，以识别解剖偏差，在某些情况下，通过磁共振波谱（MRS）来评估代谢异常[1，2]。磁共振波谱成像（MRSI）以覆盖大脑的二维或三维网格中体素的光谱形式提供代谢信息。MRS 可帮助确定脑部疾病的类型和严重程度，在局部或异质性病变的情况下，可将体素分为健康、非健康或疾病严重程度，例如脑肿瘤[3-12]。在通过 MRI 诊断脑部疾病时，正确的图像分割对于可视化解剖结构和识别病理区域非常重要。相反，在通过 MRSI 进行诊断时，重点更多地放在特征选择算法上，以识别代谢异常[13，14]。在大多数 MRSI 研究中，MRI 用于解剖指导，但事实已证明，将其与 MRI 信息相结合可提高诊断水平[4、10、13、15–18]。卷积神经网络（CNN）[19] 在医学图像分割方面取得了成功[20–23]。CNN 是一种人工神经网络[24]，是目前图像分类的最新技术[25–27]。它们通过卷积充当特征提取器。输入与一个或多个核进行卷积，并使用新的表示来预测输入属于哪个类。因此，经过训练后，核会生成原始输入的表示，该表示更适合区分分配给不同类别的样本。最近，CNN 已应用于 MRS(I) 数据，以估算代谢物的组织浓度 [ 28 – 30 ]、提高 MRSI 的空间分辨率 [ 31 ] 以及评估 MRSI 光谱质量和过滤伪影 [ 32 , 33 ]，但它们尚未用于通过 MRSI 对疾病进行分类。使用 MRSI 数据开发分类模型的一个挑战是可用的案例数量有限。MRSI 数据通常很稀缺，阻碍了使用具有许多参数需要学习的深度神经网络架构。因此，在本文中，我们研究了使用只有一个隐藏层的浅层 CNN 对 MRSI 疾病进行分类。尽管光谱和图像是不同的数据类型，但它们都以特征局部性为特征：图像在空间上是局部性，而光谱在光谱上是局部性 [ 34 ]。特征局部性意味着相邻特征的值高度相关。这些相邻特征是光谱的相邻频率和图像的附近像素。在本文中，我们基于 [ 35 ] 提出了一种 CNN 方法，利用这种特征局部性对脑体素进行分类。为了实现这一点，我们设计了一种类型融合方法，其中光谱和图像数据被联合用于训练具有单个隐藏卷积层的 CNN，该层考虑了光谱的光谱局部性和图像的空间局部性。此外，我们在损失函数中添加了一个正则化项，以惩罚权重值的较大变化，从而避免过度拟合。具体来说，我们考虑了一个具有两个输入分支的 CNN，每个分支都有一个隐藏的卷积层，以便同时处理脑体素的光谱和图像特征。每个分支都由一个隐藏的卷积层组成。这两个分支的输出是
基于人工智能的实时光谱监测......
摘要：新型冠状病毒（SARS-CoV-2）通过人血管紧张素转换酶2（hACE2）侵入人体细胞，引起严重的冠状病毒疾病（COVID-19）。hACE2与SARS-CoV-2的刺突糖蛋白（S蛋白）之间的相互作用是了解分子机制以开发治疗和疫苗的关键，然而，在波动的环境中，这些相互作用的动态性质对于那些需要固定样品结构的结构测定技术来说非常具有挑战性。在这里，我们通过对S蛋白和hACE2的红外光谱的概念验证模拟证明，时间分辨光谱可以借助机器学习监测感兴趣的蛋白质-蛋白质复合物的实时信息。我们希望我们的机器学习协议能够加速蛋白质相互作用实时光谱研究的发展。
高光谱成像用于硅纳米柱阵列的高通量、空间分辨光谱散射测量
摘要：现代高通量纳米图案化技术（如纳米压印光刻技术）使得在大面积基底（cm 2 至 m 2 规模）上制造纳米结构阵列（尺寸为 10 至 100 纳米的特征）成为可能，例如硅晶片、玻璃片和柔性卷对卷网。制造这种大面积纳米结构阵列 (LNA) 的能力创造了广阔的设计空间，实现了广泛的应用，包括光学设备（例如线栅偏振器、透明导体、彩色滤光片和抗反射表面）以及电子元件的构建块（例如超级电容器、传感器和存储器架构）。然而，现有的计量方法将难以与制造方法一起扩展。例如，扫描电子显微镜 (SEM) 和原子力显微镜 (AFM) 具有微米级视场 (FOV)，这妨碍了对以每分钟平方米的速度制造的 LNA 进行全面特性分析。散射测量方法具有更大的 FOV（通常为几百微米到几毫米），但传统散射测量系统一次只测量一个点的样品，这也使得它们对于大规模 LNA 制造来说太慢。在这项工作中，我们展示了使用高光谱成像对传统光谱散射测量方法进行并行化，将该技术的吞吐量提高了 106-107 倍。我们通过使用高光谱成像和反射光谱的逆向建模来展示这种方法，以微米级空间分辨率获得毫米和厘米级 Si 纳米柱阵列结构的三维几何数据。这项工作表明，可以对各种 LNA 进行几何测量，并有可能在大面积上实现高速测量，这对于未来的 LNA 制造至关重要。
核钟异构体的激光光谱表征
同位素 229 Th 是已知的唯一一种在几电子伏特能量范围内具有激发态 229m Th 的原子核，这是原子价壳层中电子的典型跃迁能量，但比常见的核激发能低四个数量级。人们提出了许多利用这种独特核系统的应用，该系统可通过光学方法实现。其中最有希望的是一种性能优于现有原子计时器的高精度核钟。我们在此介绍 229m Th 2+ 超精细结构的激光光谱研究，得出基本核特性的值，即磁偶极矩和电四极矩以及核电荷半径。继最近直接检测到这种长期寻找的异构体之后，我们现在对其核结构进行了详细的了解，并提出了一种非破坏性光学检测方法。
复合热损伤光谱分析 - OSTI.gov
橡树岭国家实验室/应用技术部 (ORNL/ATD) 已成功展示了两种光谱技术的独特适用性，这两种技术能够检测 IM6/3501-6 层压板中的热损伤，并将这种损伤与残余机械强度特性联系起来。本文介绍了漫反射红外傅里叶变换 (DRIFT) 和激光泵浦荧光 (LPF) 光谱技术的结果，这两种技术能够快速、在线、无损地检测和量化 IM6/3501-6 层压板中的热损伤。这两种技术都已被证明在探测 IM6/3501-6 层压板在不同程度的热降解下发生的难以捉摸的复杂分子变化方面非常有效。使用 LPF 或 DRIFT 技术，结果表明，具有不同热历史的层压板可以根据其特征“指纹”光谱特征轻松区分。讨论了短期高温加热对干式和湿式预处理 IM6/3501-6 层压板的室温压缩层间剪切和弯曲强度以及室温肖氏 D 硬度特性的影响。此外，还检查了伴随热损伤的 IM6/3501-6 层压板的几何变化和重量损失百分比测量。研究发现，在低于特定温度/时间暴露阈值的情况下，这些层压板在视觉上