I.引言全球对可持续能源解决方案的推动力是在耗尽的化石燃料储量和环境问题的驱动下,促进了电力电子产品的进步[1]。关键在这些创新中是双向DC-DC转换器,该转换器最初是为电动机驱动器而设计的,以控制速度和制动[2]。今天,他们的应用跨越了关键部门,例如直流驱动器,微电网,可再生能源存储和混合动力汽车,对于管理电力流量和在高功率情况下稳定电压至关重要[3]。但是,这些转换器在高功率应用中面临一些挑战,例如由于系统流动较大,电感器的大小增加,因此转换器的尺寸增加。另外,由于开关现象,输入电流会产生波动,因此为了克服这些问题,引入了转换器中的相互交流拓扑。此拓扑涉及多个阶段,这些阶段彼此并联以共享功率载荷[1]。
随着 2D 传播模型的成功,2D AIGC 内容已经改变了我们的生活。最近,这一成功已扩展到 3D AIGC,其中最先进的方法可以从单个图像或文本生成带纹理的 3D 模型。但是,我们认为当前的 3D AIGC 方法仍然没有完全释放人类的创造力。我们经常想象由多模态输入制成的 3D 内容,例如如果我的宠物兔子在桌子上吃甜甜圈会是什么样子。在本文中,我们探索一种新颖的 3D AIGC 方法:从 IDEA 生成 3D 内容。IDEA 是由文本、图像和 3D 模型组成的多模态输入。据我们所知,这种具有挑战性和令人兴奋的 3D AIGC 设置以前尚未被研究过。我们提出了新的框架 Idea23D,它结合了基于大型多模态模型 (LMM) 和现有算法工具的三个代理。这三个基于 LMM 的代理负责提示生成、模型选择和反馈反射。它们在完全自动化的循环中相互协作和批评,无需人工干预。然后,该框架生成一个文本提示,以创建与输入 IDEA 紧密一致的 3D 模型。我们展示了令人印象深刻的 3D AIGC 结果,超越了以前的方法。为了全面评估 Idea23D 的 3D AIGC 功能,我们引入了 Eval3DAIGC-198 数据集,其中包含 198 个用于 3D 生成任务的多模态输入。该数据集评估生成的 3D 内容与输入 IDEA 之间的一致性。我们的用户研究和定量结果表明,Idea23D 显著提高了 3D 生成的成功率和准确性,并且在各种 LMM、文本转图像和图像转 3D 模型中具有出色的兼容性。代码和数据集可在 https://idea23d.github.io/ 获得。
大型多模型模型(LMM)在单图像视觉语言任务中显示出了很好的结果。但是,他们解决多图像视觉语言任务的能力尚待改进。OpenFlamingo,EMU2和IDEFICS等现有的LMM通过对数亿个既没有有效又不有效的嘈杂的交织图像文本数据进行预训练,从而获得了多图像的能力。在本文中,我们旨在通过使用学术级别的资源进行指导调整来构建强大的多图像LMM。因此,我们精心构建包含721k多图像指导数据的螳螂教学,以培训螳螂模型家族。教学调整使螳螂具有不同的多图像技能,例如共同参考,比较,推理和时间理解。我们评估了8个多图像基准和6个单图像基准的螳螂。Mantis -IDEFICS2可以在所有多图像基准上实现SOTA结果,并击败最强的多图像基线,即IDEFICS2-8B平均13个绝对点。值得注意的是,IDEFICS2-8B已在140m的交织多图像数据上进行了预训练,该数据比Mantis-Instruct大200倍。我们观察到螳螂在持有的基准和持有的基准上表现出色,这表明其概括能力。我们进一步评估了单图像基准上的Mantis,并证明Mantis在与COGVLM和EMU2相当的情况下还保持了强劲的单像性能。我们的结果表明,多图像能力不一定是通过大规模的预训练获得的,而是通过低成本的指导调整可以获得它们。螳螂的培训和评估为未来的工作铺平了道路,以提高LMMS的多图像能力。
Yehya I. Mesalam 沙特阿拉伯北部边境大学工程学院工业工程系 | 埃及扎加齐格大学工程学院工业工程系 yehya.mesalam@nbu.edu.sa | ymesalam@yahoo.com Shaaban Awdallh 沙特阿拉伯北部边境大学工程学院电气工程系 | 埃及梅努菲亚大学工程学院工程基础科学系 shaban.awdallah@nbu.edu.sa Hajer Gaied 突尼斯加贝斯大学加贝斯国家工程学院 hajer.giaed@yahoo.fr Aymen Flah 过程、能源、环境和电气系统(代码:LR18ES34),突尼斯加贝斯大学加贝斯国家工程学院 | 约旦安曼中东大学 MEU 研究部门 | 沙特阿拉伯吉达 21448 商业与技术大学(UBT)工程学院 |突尼斯加贝斯私立高等应用科学与技术学校、加贝斯大学 | 应用科学研究中心、应用科学私立大学,安曼,11931,约旦 flahaymening@yahoo.fr(通讯作者)
摘要:本文介绍了一种用于光伏系统的三相交错升压转换器的突破性设计,利用并联的传统升压转换器来降低输入电流和输出电压纹波,同时提高动态性能。这项研究的一个显着特点是将锂离子电池直接连接到直流链路,从而无需额外的充电电路,这与传统方法不同。此外,MPPT 控制器和闭环模糊控制器与电流控制模式的组合可确保为所有三个相位生成准确的开关信号。精心调整的系统在输出电压中表现出非常低的纹波含量,超过了计算值,并表现出卓越的动态性能。研究延伸到对损耗的全面分析,包括电感器铜损和半导体传导损耗。在所有情况下,转换器的效率都超过 93%,凸显了其作为光伏系统有效解决方案的强大性能。
开发了一种首创的 SiO 2 区域选择性沉积工艺,包括在同一空间原子层沉积 (ALD) 工具中交替曝光小分子抑制剂 (SMI) 和背蚀刻校正步骤的薄膜沉积。这些方面的协同作用导致选择性 SiO 2 沉积高达 ˜23 nm,具有高选择性和高吞吐量,具有 SiO 2 生长区域和 ZnO 非生长区域。X 射线光电子能谱 (XPS) 和低能离子散射光谱 (LEIS) 均证实了选择性。已经通过实验和理论比较了两种不同的 SMI(乙基丁酸和新戊酸)赋予的选择性。密度泛函理论 (DFT) 计算表明,使用两种 SMI 进行选择性表面功能化主要受热力学控制,而使用三甲基乙酸时实现的更好选择性可以通过其比乙基丁酸更高的堆积密度来解释。通过在其他起始表面(Ta 2 O 5、ZrO 2 等)上使用三甲基乙酸作为 SMI 并探测选择性,证明了羧酸抑制剂在不同基底上的更广泛用途。人们认为,当前的结果突出了 SMI 属性的微妙之处,例如尺寸、几何形状和堆积,以及交错的回蚀步骤,这些对于开发更有效的高选择性沉积工艺策略至关重要。
抽象的简介和目标。空气污染是最大的环境健康风险,估计每年在全球造成超过500万人过早死亡,其中包括欧洲的50万人死亡。它与健康的生活年份和工人生产率的大幅降低有关。这也可能是重要的内分泌剂,有助于代谢疾病的发展,例如肥胖,糖尿病和急性缺血/血栓性心血管事件。该研究的目的是介绍有关空气污染的短期和长期暴露的当前知识,包括颗粒物(PM2.5和PM10)以及房颤的发生(AF)。审查方法。该评论基于从PubMed或相关数据库中发表的文章获得的数据以及搜索观察性研究。简要描述了知识状态。一些研究表明,暴露于空气污染对房颤急性加重的触发作用。空气污染对AF发作的长期影响的证据是有限或稀缺的。摘要。数据表明,人类受到空气污染的暴露与心房颤动的风险增加有关。研究证实,应采取进一步减少空气污染的努力,以减少普通人群的负面影响。更好地了解空气污染对世界上最污染地区的AF发生率和相关公共卫生影响的影响,需要更多的高质量研究。
通过我们的会面和他的课程,Shalev 教授向我介绍了量子和经典复杂性的各种主题,并提出了一些很棒的问题。对于我们的第一个项目,我研究了函数的近似度——这在概念上和数学上对我来说都是全新的。他对我非常耐心,指导我完成这个项目——教我技术和研究技能。特别是,他教会了我在开始回答有意义的研究问题之前,批判性地、严格地定义它们的价值。我的第二个项目(构成了这篇论文的基础)始于他关于量子查询和通信复杂性的课程中的一个项目。尽管我现在正在着手一个完全不同的主题,但 Ben-David 教授热情地鼓励我追逐我的求知欲。
稿件于 2022 年 1 月 27 日收到;于 2022 年 3 月 15 日接受。出版日期 2022 年 3 月 21 日;当前版本日期 2022 年 5 月 27 日。这项工作部分由中国国家重点研发计划资助(资助号 2019YFB1310000),部分由中国澳门科学技术发展基金资助(文件编号 0052/2020/AGJ & SKL-AMSV(UM)-2020-2022)。副主编 E. Bonizzoni 推荐了这篇简介。(通讯作者:Sai-Weng Sin。)Mingqiang Guo 和 Sai-Weng Sin 就职于澳门大学模拟与混合信号超大规模集成电路国家重点实验室、微电子研究所和 FST-ECE(电子邮件:mqguo@um.edu.mo;terryssw@um.edu.mo)。 Liang Qi 和 Guoxing Wang 就职于上海交通大学微纳电子学系,上海 200240,中国(电子邮件:qi.liang@sjtu.edu.cn;guoxing@sjtu.edu.cn)。Dengke Xu 就职于珠海安微半导体有限公司,珠海 519000,中国(电子邮件:sunny.xu@amicro.com.cn)。Rui P. Martins 就职于模拟与混合信号超大规模集成电路国家重点实验室、微电子研究所和澳门大学 FST-ECE,澳门,中国,现就职于里斯本大学高等技术学院,里斯本 1049-001,葡萄牙(电子邮件:rmartins@um.edu.mo)。本文中一个或多个图片的彩色版本可在 https://doi.org/10.1109/TCSII.2022.3160736 上找到。数字对象标识符 10.1109/TCSII.2022.3160736
1 无锡大学留学生学院,无锡 214105,中国;grasool@zju.edu.cn 2 北京工业大学材料与制造学院智能机械研究所,北京 100124,中国 3 卡西姆大学理学院数学系,布赖达 51452,沙特阿拉伯;abdulkafi.ahmed@qu.edu.sa 4 联邦理工大学数学科学系流体动力学与测量研究组,阿库雷 PMB 704,尼日利亚; anizakph2007@gmail.com 5 马斯卡拉大学数学量物理与数学建模实验室 (LPQ3M),马斯卡拉 29000,阿尔及利亚 6 乌姆阿尔古拉大学工程与伊斯兰建筑学院机械工程系,邮政信箱 5555,麦加 21955,沙特阿拉伯;kmguedri@uqu.edu.sa 7 维贾亚纳加拉斯里克里斯纳德瓦拉亚大学数学系,巴拉里 583105,卡纳塔克邦,印度;hanumeshvaidya@gmail.com 8 哈立德国王大学科学学院化学系,邮政信箱 9004,阿卜哈 61413,沙特阿拉伯;rmarzouki@kku.edu.sa * 通信地址:a.aissa@univ-mascara.dz