XiaoMi-AI文件搜索系统
World File Search System中速
采用六个单位电容器的、与分辨率无关的全差分 SCI 型 SAR ADC 架构
现代仪器系统和数据采集系统需要低到中等分辨率、中速的模数转换器 (ADC)。由于这些系统大多是便携式的，因此 ADC 规范对功率和面积参数有严格的要求。尽管传统的逐次逼近寄存器 (SAR) ADC 因结构简单、模拟模块少而在这些应用中很受欢迎，但它们占用的芯片面积很大。传统 SAR ADC 采用二进制加权电容电荷再分配数模转换器 (DAC) [1,2]。传统电容电荷再分配 DAC 的两个主要限制是转换速度和庞大的电容阵列。较大的 MSB 电容限制了转换速度。这种架构中使用的 DAC 电容阵列变得非常笨重。文献中提出了一些新方法来提高 SAR ADC 的速度 [3,4]。此外，还提出了一些用于 SAR ADC 的面积效率高的 DAC 架构 [5-7]。其中一些 ADC 在性能系数 (FOM) 方面优于其他 ADC，但由于所用 DAC 架构的类型，面积效率 (AE) 参数会降低。[8、9] 中的 SAR ADC 将分辨率可变性融入传统电荷再分配 ADC，以适应需要不同分辨率的多种信号，适用于生物医学信号采集系统等应用。
回顾表面光洁度和冷却速度对...的影响
随着人们对铅 (Pb) 毒性的环保意识日益增强，再加上严格的法规，铅基焊料的使用为无铅焊料合金的发展提供了必然的驱动力。已经进行了许多研究来评估焊料合金和表面处理对焊点可靠性的影响。然而，随着电子设备需求的增加，需要提高焊点的机械性能，以跟上当前电子设备技术的发展。在本研究中，总结了表面处理和冷却速度对使用镍基表面处理的焊点可靠性的影响。该研究重点研究了镍基表面处理 (ENIG 和 ENEPIG)，采用不同的冷却介质，慢速（炉）、中速（空气）和快速（水）。研究发现，表面处理的类型和冷却速度可以改变焊料金属间化合物 (IMC) 的形态，并直接改变焊点的机械性能。据报道，更快的冷却速度可以提供更细的 IMC 晶粒，这可能会转化为更好的焊点强度。本文提出的结果可能有助于进一步研究并促进焊点可靠性的改进。关键词：焊料合金、表面光洁度、界面反应、焊点和冷却速率。
超过 15 MW
领先的风力涡轮机制造商正在竞相制造更大、更强大的海上机器。传动系统配置通常使用永磁同步发电机 (PMSG)，要么是直接驱动配置，要么与变速箱耦合。随着对关键稀土磁体的需求不断增加，新的发电机技术正在涌现，以确保稳定和安全的供应链。我们评估了三种不同的径向磁通同步发电机拓扑结构，这些发电机采用稀土含量减少或不含有稀土的高磁场磁体：直接驱动内部 PMSG (DD-IPMSG)、结合中速变速箱和 PMSG (MS-PMSG) 的齿轮传动系统和直接驱动低温超导发电机 (DD-LTSG)。我们在更大的完整涡轮机设计框架内为每种技术开发了一个概念设计模块。这为标称功率为 15-25 MW 的技术提供了最公平的比较，这些技术代表了下一代海上风力涡轮机。分析表明，如果各项技术的运营支出 (OpEx) 保持不变，则 MS-PMSG 可实现最低的 LCOE，与 DD-IPMSG 相比可降低高达 7%。DD-LTSG 还可使固定底部风力涡轮机的 LCOE 值降低 2%–3%，浮动平台的 LCOE 值降低 3%–5%。然而，结果对 OpEx 假设很敏感，仅仅增加 10% 就会导致结论发生变化。
NA61/SHINE 对 CERN SPS 能量波动和相关性的结果
为了比较不同尺寸系统中的涨落，应该使用强度量，即对系统体积不敏感的量。此类量通过除以测量分布的累积量 κ i（最高为四阶）得出，其中 i 是累积量的阶数。对于二阶、三阶和四阶累积量，强度量定义为：κ 2 /κ 1、κ 3 /κ 2 和 κ 4 /κ 2。图 1 显示了 150 / 158 A GeV / c 时净电荷三阶和四阶累积量比的系统尺寸依赖性。测量数据与 EPOS 1.99 模型 [4, 5] 的预测一致。对带负电和带正电强子的相同量对系统尺寸依赖性的更详细检查（图 2）表明系统尺寸依赖性非常不同。此外，EPOS 1.99 模型无法重现任何测量到的 h + 和 h − 量。这种不一致表明我们还没有完全理解涨落是如何产生的底层物理原理。因此，需要进行更详细的研究。在寻找 CP 时，一个可能的工具是质子间歇性，它应该遵循 CP 附近的幂律涨落。可以通过研究二阶阶乘矩 F 2 ( M ) 随胞元大小或等效地随中速质子 (px, py) 空间中胞元数量的缩放行为来检查（参见参考文献 [6, 7, 8]）。对于实验数据，必须用混合事件减去非临界背景。减去后，二阶阶乘矩 Δ F 2 ( M ) 应该根据 M >> 1 的幂律缩放，得到临界
单次脑电图解码揭示了驱动快速语音分类决策的功能性大脑连接的独特状态
摘要 目的。分类感知 (CP) 是语音感知的固有属性。听众对语音识别的感知反应时间 (RT) 对个体差异高度敏感。虽然已经从大脑区域对行为的贡献角度对 CP 的神经相关性进行了深入研究，但表示听众对语音分类的速度 (RT) 的个体差异的功能连接模式尚不清楚。在本研究中，我们介绍了一种新方法来解决这些问题。方法。我们对 EEG 采用了几种计算方法，包括图挖掘、机器学习（即支持向量机）和稳定性选择，以研究预测听众行为决策速度的独特大脑状态（功能性神经连接）。主要结果。我们推断：(i) 听者的感知速度与其大脑连接组的动态变化直接相关，(ii) 全局网络的协同性和效率区分了快速、中速和慢速 RT，(iii) 对于较慢的 RT，加速决策背后的功能网络的负协同性增加（即变为不协同），(iv) 较慢的分类语音决策导致神经资源的过度使用和 CP 回路内更异常的信息流，(v) 反应较慢的人倾向于过度（或不恰当地）使用功能性大脑网络，而反应较快的人（全局效率较低）使用相同的神经通路但组织更受限制。意义。研究结果表明，神经分类器 (SVM) 加上稳定性选择可以正确地从功能连接中对行为 RT 进行分类，准确率超过 92%（AUC = 0.9）。我们的结果证实了以前的研究，通过使用完全数据驱动的方法支持 CP 中相似的颞叶（STG）、顶叶、运动和前额叶区域的参与。
高能核碰撞中的集体激发——纪念刘联寿教授
集体流由动量空间中最终粒子分布的傅里叶展开的系数定义，对核碰撞的早期阶段很敏感。具体来说，前三个系数分别称为定向流 ( v 1 )、椭圆流 ( v 2 ) 和三角流 ( v 3 )。定向流对介质的状态方程 (EoS) 敏感；椭圆流对介质的自由度、部分子或强子能级和平衡度敏感；三角流对初始几何涨落敏感。在 RHIC-STAR 核碰撞实验中已经实现了一套全面的测量 [ 1 – 9 ]。在高能碰撞（> 20 GeV）中观测到的 vn 的组成夸克数 (NCQ) 标度表明部分子集体已经建立 [ 1 – 3 , 8 , 10 ]。特别地，D 介子也遵循 NCQ 标度 [ 2 , 10 , 11 ]，这表明粲夸克集体与 u 、 d 和 s 夸克处于同一水平；因此，产生的介质达到（接近）平衡。束流能量扫描 (BES) 计划的主要动机是探索 QCD 相图并寻找可能的相边界和临界点。STAR 实验中 BES 计划的第一阶段 (BES-I) 涵盖碰撞能量 √ s NN = 7.7–62.4 GeV。已经观察到许多有趣的现象；在这里，我们重点关注集体流 vn 测量。图 1 总结了 STAR BES-I 的定向、椭圆和三角流相关观测结果。中速附近净重子的 v 1 斜率与碰撞能量的关系被认为是一级相变的可能信号。v 1 斜率的非单调能量依赖性与相变有关，v 1 斜率的最小值称为“最软点坍缩”[12]。在实验中，随着中子
![arXiv:2002.04847v1 [nucl-ex] 2020 年 2 月 12 日](/simg/g:\will\search\icon\source\0\067b8dd69b88160a63c5a5ac651b78284ee0daeb.webp)
arXiv:2002.04847v1 [nucl-ex] 2020 年 2 月 12 日
为了比较不同尺寸系统中的涨落，应该使用强度量，即对系统体积不敏感的量。此类量通过除以测量分布的累积量 κ i（最高为四阶）得出，其中 i 是累积量的阶数。对于二阶、三阶和四阶累积量，强度量定义为：κ 2 /κ 1、κ 3 /κ 2 和 κ 4 /κ 2。图 1 显示了 150 / 158 A GeV / c 时净电荷三阶和四阶累积量比的系统尺寸依赖性。测量数据与 EPOS 1.99 模型 [5, 6] 的预测一致。对带负电和带正电强子的相同量对系统尺寸依赖性的更详细检查（图 2）表明系统尺寸依赖性非常不同。此外，EPOS 1.99 模型均未重现所测量到的任何 h + 和 h − 量。这种不一致表明我们尚未完全理解引起涨落的底层物理原理。因此，需要进行更详细的研究。在寻找 CP 中，一个可能的工具是质子间歇性，它应该在 CP 附近遵循幂律涨落。可以通过研究二阶阶矩 F 2 ( M ) 随胞元大小或等效地随中速质子 (px , py ) 空间中胞元数量的变化来检查（见参考文献 [7, 8, 9]）。对于实验数据，必须用混合事件减去非临界背景。减法后，二阶阶矩 ∆ F 2 ( M ) 应根据 M >> 1 的幂律缩放，得到的临界指数 φ 2 与理论预测相当 [10]。图 3 显示了半中心 Ar + Sc 相互作用中 150 A GeV / c 的 ∆ F 2 ( M )。图左侧和右侧之间的差异是所考虑的统计数据。左侧显示 2018 年发布的结果 [11]。这些结果表明 ∆ F 2 为正值，可能与 CP 有关。右侧显示相同的结果，但统计数据更高（208k
核物理A
为了比较不同尺寸系统中的涨落，应该使用强度量，即对系统体积不敏感的量。此类量通过除以测量分布的累积量 κ i（最高为四阶）得出，其中 i 是累积量的阶数。对于二阶、三阶和四阶累积量，强度量定义为：κ 2 /κ 1、κ 3 /κ 2 和 κ 4 /κ 2。图 1 显示了 150 / 158 A GeV / c 时净电荷三阶和四阶累积量比的系统尺寸依赖性。测量数据与 EPOS 1.99 模型 [5, 6] 的预测一致。对带负电和带正电强子的相同量对系统尺寸依赖性的更详细检查（图 2）表明系统尺寸依赖性非常不同。此外，EPOS 1.99 模型均未重现所测量到的任何 h + 和 h − 量。这种不一致表明我们尚未完全理解引起涨落的底层物理原理。因此，需要进行更详细的研究。在寻找 CP 中，一个可能的工具是质子间歇性，它应该在 CP 附近遵循幂律涨落。可以通过研究二阶阶矩 F 2 ( M ) 随胞元大小或等效地随中速质子 (px , py ) 空间中胞元数量的变化来检查（见参考文献 [7, 8, 9]）。对于实验数据，必须用混合事件减去非临界背景。减法后，二阶阶矩 ∆ F 2 ( M ) 应根据 M >> 1 的幂律缩放，得到的临界指数 φ 2 与理论预测相当 [10]。图 3 显示了半中心 Ar + Sc 相互作用中 150 A GeV / c 的 ∆ F 2 ( M )。图左侧和右侧之间的差异是所考虑的统计数据。左侧显示 2018 年发布的结果 [11]。这些结果表明 ∆ F 2 为正值，可能与 CP 有关。右侧显示相同的结果，但统计数据更高（208k
肯尼亚发电公司
1. 背景 KenGen 是目前该国最大的发电机组，占该行业有效容量的 60%。KenGen 的装机容量由地热 (799 兆瓦)、水力 (825.7 兆瓦)、风能 (25.5 兆瓦) 和火力 (180 兆瓦) 组成。肯尼亚 2022-2041 年最低成本电力发展计划 (LCPDP) 报告预测，能源需求预计平均增长 5.22%，而峰值负荷预计平均增长 5.34%。能源部门有多个已承诺的发电项目正在实施中，由 KenGen 和独立电力生产商 (IPP) 开发。此外，肯尼亚还与邻国签订了电力交换双边协议。当前的电网正面临着近期未曾出现过的挑战。间歇性可再生能源尤其是风能和太阳能发电量显著增加。这对电网有利，因为可再生能源发电量增加，取代了中速柴油 (MSD) 电厂和燃气轮机 (GT) 发电量更昂贵的热电。然而，这种改进的可变可再生能源 (VRE) 容量也使电网面临一些关键挑战，因为在风能可用的非高峰时段，需求较低，而且它取代了其他形式的发电，特别是地热发电。在这些低峰时段，很难通过节流地热井来减少蒸汽发电，因此唯一可用的选择是排出多余的地热蒸汽。由于排出的蒸汽无法回收再注入资源区，情况变得更糟，因此降低了地热田的可持续性。另一个令人担忧的问题是电网的稳定性。间歇性电源往往不可预测，因此它们需要其他能够弥补资源间歇性的能源。这意味着，为了将可再生能源整合到网络中，网络中需要其他形式的能源发电或辅助服务来帮助提高电网的稳定性。根据 LCPDP 2024-2043 的建议，到 2026 年需要加快 250MW BESS 的开发。根据该报告，预计地热容量将在规划期内以年均 36% 的年均增长率对总公司容量贡献最高。电池储能系统和抽水蓄能将对电网稳定做出重大贡献，到 2043 年，这两种技术的总容量将占固定容量的 14%。值得注意的是，预计到 2035 年，所有柴油和燃气发电厂都将退役。按照政府到 2030 年实现 100% 绿色能源的目标，到计划期结束时，56% 的固定容量将是可再生能源，其中 VRE 技术将在 2043 年贡献 5%。根据这些建议和调查结果，值得注意的是，BESS 将在系统中发挥关键作用，无论是在能源转换方面，还是作为辅助服务提供商方面。
电力锂离子电池的性能分析...
[1] E. Salmeron-Manzano和F. Manzano-Agugliaro，“电动自行车：全球研究趋势”，Energies，第1卷。11，否。7，p。 1894年7月2018，doi：10.3390/en11071894。[2] A. Raj，S。Paitandi和M. Sengupta，“商用电动自行车BLDC的设计验证和性能评估及其与不同可能设计的性能比较”，2019年国家电力电子会议（NPEC），Tiruchirappalli，印度Tiruchirappalli，印度IEEE：IEEE，2019年12月，PP。1-6。doi：10.1109/npec47332.2019.9034747。[3] N. Azizi和R. K. Moghaddam，“永久磁铁无刷直流电动机的最佳设计和最佳PID Controler参数的确定，以使用TLBO优化算法，以实现速度控制的目的”，第1卷。1。[4] R. Rakhmawati，Irianto，F。DwiMurdianto和G. T. Ilman Syah，“使用模糊逻辑控制系统中速度控制器永久性直流电动机的性能评估，2018年在信息和通信应用程序上的国际研讨会，Semarang：IEEE，Semarang：IEEE，IEE，sep.2018，sep.c.110–115。 doi：10.1109/isemantic.2018.8549813。 [5] J. Larminie和J. Lowry，《电动汽车技术》，第二版。 奇切斯特，西萨塞克斯郡，英国：威利（Wiley），约翰·威利（John Wiley＆Sons）有限公司，出版物，2012年。 [6] S. J. Chapman，《电气机械基础》，第5版。 美国：McGraw-Hill，2012年。 1-7。 doi：10.1109/edpc.2013.6689736。 [9] L. Lu，X。Han，J。Li，J。Hua和M. Ouyang，“电动汽车中锂离子电池管理的关键问题的审查”，《电源杂志》，第1卷。110–115。doi：10.1109/isemantic.2018.8549813。[5] J. Larminie和J. Lowry，《电动汽车技术》，第二版。奇切斯特，西萨塞克斯郡，英国：威利（Wiley），约翰·威利（John Wiley＆Sons）有限公司，出版物，2012年。[6] S. J. Chapman，《电气机械基础》，第5版。美国：McGraw-Hill，2012年。1-7。doi：10.1109/edpc.2013.6689736。[9] L. Lu，X。Han，J。Li，J。Hua和M. Ouyang，“电动汽车中锂离子电池管理的关键问题的审查”，《电源杂志》，第1卷。[7] A. Sinuraya，D。HaryantoSinaga和Y. Simamora，“对具有BLDC电动机驱动器的电动汽车的LifePo4电池大小，容量和充电分析”，在第四届教育，科学和文化创新国际创新会议上10.4108/eai.11-10-2022.2325395。[8] G. Freitag，M。Klopzig，K。Schleicher，M。Wilke和M. Schramm，“汽车设计中的高效率和高效的电动轮毂驱动器”，2013年第三次国际电动驱动器生产会议（EDPC），德国，纽伯格，2013年10月：IEEE：IEEE：IEEE，IEEE，IEEE，IEEE，PP。226，pp。272–288，3月2013，doi：10.1016/j.jpowsour.2012.10.060。[10] G. L. Plett，电池管理系统：电池建模。第1卷。波士顿：伦敦：Artech