XiaoMi-AI文件搜索系统
World File Search System光谱法
利用缺陷纳米光谱法对嵌入 HfO2 的金属纳米晶体中的随机电报噪声进行空间控制生成和探测
摘要：随机电报噪声 (RTN) 通常被认为是一种麻烦，或者更确切地说，是微型半导体器件的关键可靠性挑战。然而，这种情况正在逐渐改变，因为最近的研究表明，基于 RTN 信号固有随机性的新兴应用出现在最先进的技术中，包括真正的随机数生成器和物联网硬件安全。现在，人们正在积极探索合适的材料平台和设备架构，以将这些技术从萌芽阶段带入实际应用。一个关键的挑战是设计出可以可靠地用于确定性地创建用于 RTN 生成的局部缺陷的材料系统。为了实现这一目标，我们结合传导原子力显微镜缺陷谱和统计因子隐马尔可夫模型分析，在纳米级研究了嵌入 HfO 2 堆栈的 Au 纳米晶体 (Au-NC) 中的 RTN。在堆栈上施加电压后，Au-NC 周围的非对称电场会增强。这反过来又导致当电压施加到堆栈以诱导电介质击穿时，优先在 Au-NC 附近的 HfO 2 中产生原子缺陷。由于 RTN 是由紧密间隔的原子缺陷之间的各种静电相互作用产生的，因此 Au-NC HfO 2 材料系统表现出产生 RTN 信号的固有能力。我们的研究结果还强调，多个缺陷的空间限制以及由此产生的缺陷之间的静电相互作用提供了一个动态环境，除了标准的两级 RTN 信号之外，还会导致许多复杂的 RTN 模式。在纳米尺度上获得的见解可用于优化金属纳米晶体嵌入的高 κ 堆栈和电路，以按需生成 RTN 以满足新兴随机数应用的需求。关键词：传导 AFM、电介质击穿、金属纳米晶体、氧化物缺陷、随机电报噪声
振动光谱法用于创伤性脑损伤分类计算机断层扫描优先级和住院治疗
摘要 计算机断层扫描 (CT) 脑成像通常用于支持创伤性脑损伤 (TBI) 患者的临床决策。然而，只有 7% 的扫描显示 TBI 的证据。其余 93% 的扫描会给医疗保健系统带来巨大的成本，并给患者带来辐射风险。可能有更好的策略来确定哪些患者，特别是轻度 TBI 患者，有病情恶化的风险并需要住院治疗。我们引入了一种血清液体活检，该活检利用衰减全反射 (ATR)-傅里叶变换红外 (FTIR) 光谱和机器学习算法作为决策工具，以确定哪些轻度 TBI 患者最有可能出现阳性 CT 扫描。血清样本来自获得 TBI 并参加 CENTER-TBI 的患者 (n = 298) 和无症状对照患者 (n = 87)。将受伤患者（所有严重程度）与无受伤对照组进行分层。对轻度 TBI 患者群进行进一步检查，将至少有一处 CT 异常的患者与无 CT 异常的患者进行分层。该测试在对轻度受伤患者与无受伤对照组进行分类时表现异常出色（敏感性 = 96.4%，特异性 = 98.0%），并且在对至少有一处 CT 异常的轻度患者与无 CT 异常的患者进行分层时也提供了 80.2% 的敏感性。所提供的结果表明，该测试能够识别五分之四的 CT 异常，并显示出作为轻度 TBI 患者 CT 优先分类工具的巨大潜力。
电感耦合等离子体发射光谱法测定锂镍锰钴复合材料中的硫
摘要：锂镍锰钴（LiNi x Co y Mn z ，NCM）复合材料在先进电子器件和材料/合金中的应用十分广泛，其杂质成分分析是评价其质量的重要领域。本文提出了采用电感耦合等离子体发射光谱法（ICP-OES）测定NCM复合材料中硫的方法。研究了Si、Fe、Mn、Mg、Ca、Ni、Cr及主基体共存杂质的影响。在优化的条件下，硫在0～10 mg/L（±0.9999）范围内呈现良好的线性关系，加标回收率为98.11～102.07%，RSD为3.69%，共存杂质含量低于5.0%对硫的测定无明显干扰。该方法可以作为NCM复合材料中痕量硫含量的可靠测定。
通过色谱-光谱法对口腔液中的新型精神活性物质进行针对性分析：最新研究成果回顾
摘要。– 目的：口腔液被证明是法医环境中评估药物消费的有效基质。最近，与新型精神活性物质有关的中毒事件数量不断增加，引起了科学界的关注。为此，开发并验证了检测和量化口腔液中 NPS 的不同分析方法，其中大多数基于连字符技术。材料和方法：在多学科研究数据库中进行了广泛搜索，单独或组合使用“新型精神活性物质”、“口腔液”、“毒理学分析”、“分析方法”、“靶向方法”、“HPLC-MS/MS”、“GC-MS”、“GC-MS/MS”作为搜索字符串。考虑了 2017 年至 2021 年期间发表的所有研究文章。结果：文献中报道了检测和量化口腔液中 NPS 的不同色谱-光谱法。所研究的 NPS 类别包括合成大麻素、合成卡西酮、新型苯二氮卓类、合成阿片类、芬太尼类似物、色胺和苯乙胺。最常用的技术是 HPLC-MS/MS，因为它灵敏度高、通量高。对于合成大麻素，GC-MS 技术是首选，尽管开发了不同的 HPLC-MS/MS 方法。此外，LC-HRMS 技术用于开发检测新型合成阿片类和芬太尼类似物的分析方法。结论：口腔液作为评估药物暴露的有效基质，其分析兴趣日益增加。联用技术被证明可有效检测口腔液中的 NPS。最合适的技术是 HPLC-MS/MS，因为它具有灵敏度高，并且能够在一次分析中涵盖不同类别的物质。
通过微偏射光谱法研究了拓扑绝缘体BI2TE3中接近性诱导的超导性的研究
我们使用拓扑绝缘子（TI）BI 2 TE 3和高温超导体（HTSC）混合装置来研究Ti中接近性诱导的超导性（PS）。应用超导体YBA 2 Cu 3 O 7-δ（YBCO）使我们能够访问该现象的更高温度和能量尺度。杂交设备中的HTSC表现出pseudogap状态的T> T C状态，该状态转化为t 转化过程已反映在Ti收集的拉曼光谱中。 互补的电荷运输实验表明，Ti中接近性诱导的超导间隙的出现以及HTSC中降低的超导间隙的出现，但没有伪模的签名。 这使我们得出结论，拉曼光谱揭示了伪PSEUDOGAP状态的形成，但无法区分Ti中的接近性诱导的超导状态与HTSC中以减少间隙为特征的HTSC中的超导状态。 我们的实验结果表明，拉曼光谱是对经典电荷运输实验的补充技术，并且是研究BI 2 TE 3中接近性诱导的超导性的强大工具。转化过程已反映在Ti收集的拉曼光谱中。互补的电荷运输实验表明，Ti中接近性诱导的超导间隙的出现以及HTSC中降低的超导间隙的出现，但没有伪模的签名。这使我们得出结论，拉曼光谱揭示了伪PSEUDOGAP状态的形成，但无法区分Ti中的接近性诱导的超导状态与HTSC中以减少间隙为特征的HTSC中的超导状态。我们的实验结果表明，拉曼光谱是对经典电荷运输实验的补充技术，并且是研究BI 2 TE 3中接近性诱导的超导性的强大工具。
使用圆形二分法光谱法上蒽环类抗生素的药物加载
摘要：使用纳米颗粒的药物输送系统目前在纳米医学研究的全景中。在肿瘤学中，使用蒽环类抗生素的化学治疗方案依赖于治疗的剂量来最大程度地减少对患者的副作用的严重性。因此，即使在有针对性的输送系统中，量化用于治疗的剂量和质量控制的药物水平也非常重要。在本文中，作为改善纳米药物量化程序的可行途径，我们提出了一种简单的分析方案，以量化用循环二色谱（CD）量化在非手壳硝酸碳核点（CNDS）上的蒽环类药物（CNDS）。使用了邻苯二甲药药物之间的线性关系，然后对CNDS共轭物进行测量，用于实现量化技术，该技术显示了每种邻苯二甲酸酯的不同药物负荷，例如使用的每种蒽环类药物，例如使用，例如daunorububibicin，daunorbubibicin，daunorubibicin，doxorububibicin，doxorububibicin和epirubibicin。
通过 220–330 GHz 频率范围内的旋转吸收光谱法检测卤代烃气体
摘要 使用紧凑而坚固的宽带微电子 THz 波谱仪在 220-330 GHz 频率范围内进行旋转吸收光谱法，演示了对卤代烃的气体传感。在工业环境中，对卤代烃进行监测是必要的，因为这些化学物质具有毒性、挥发性和反应性，对人类健康和环境构成威胁。在 297 K 和 0.25 至 16 Torr 压力下表征了纯氯甲烷、二氯甲烷、氯仿、碘甲烷和二溴甲烷的吸收光谱。光谱显示了目标卤代烃在 220-330 GHz 频率范围内独特的旋转指纹，并展示了它们在气体传感应用中选择性定量检测的潜力，纯气体的最小检测量为 10 12 –10 13 分子/cm 3 量级，稀释气体的最小检测量为 10-100 ppm 量级，1 个大气压，1 米光程。该研究进一步证明了全电子微型太赫兹波气体传感器的潜力。
使用原位光发射光谱法了解溅射沉积亚稳态铁电纤锌矿 Al0.6Sc0.4N 薄膜的可重复性
随着相关应用领域的扩大，人们对 AlN 基 III 族金属氮化物半导体合金（如 (Al,Ga)N 和 (Al,In,Ga)N）的关注度也与日俱增。首先，人们之所以对它们感兴趣，是因为它们具有可调特性，可用于发光二极管 (LED) 和其他光电应用 [1]，并且具有宽带隙 (WBG) 半导体特性，可用于射频 (RF) 和电力电子应用中的高电子迁移率晶体管 (HEMT)。[2] 2009 年，首次有报道称在 AlN 中添加钪可显著提高压电响应 [3]，并很快被用于压电薄膜器件，如手机中的薄膜体声波谐振器 (FBAR)。 [4] 最近有关 Al 1-x Sc x N（x ≥ 0.1）的铁电性的报道，作为第一种纤锌矿铁电材料，引起了进一步的科学兴趣[5,6]，也引起了作为混合逻辑存储器设备候选者的重大技术兴趣。
使用HRMAS NMR光谱法
对肿瘤的完整切除对于神经胶质瘤患者的生存很重要。即使完成了总切除术，但在切除腔风险中剩下的微尺度组织会相对。高分辨率魔术角旋转核磁共振（HRMAS NMR）技术可以使用生物标记代谢物的峰强度有效地区分健康和恶性组织。该方法是快速，敏感的，可以与小型和未经处理的样品一起使用，这使其非常适合手术期间的实时分析。然而，只能对已知肿瘤生物标志物的存在进行焦油分析，这需要具有化学背景的技术人员，并且在手术期间必须存在有关肿瘤代理的知识的病理学家。在这里，我们表明我们可以实时准确地执行此分析，并可以使用机器学习以不定目标的方式分析整个频谱。我们在神经胶质瘤和对照样品的新型和大型HRMA NMR数据集（n = 565）上工作，该数据集也标有定量病理分析。我们的结果表明，基于森林的随机方法可以用肿瘤细胞来区分样品，并以中位AUC为85.6％，AUPR准确，有效地对照，而AUPR为93.4％。我们还表明，我们可以进一步区分良性和恶性样本，中位AUC为87.1％，AUPR为96.1％。我们分析了分类以解释分类器结果的特征（峰值）的重要性。我们验证了已知的恶性生物标志物，例如肌酸和2-羟基戊二酸，在区分肿瘤和正常细胞中起着重要作用，并提出了新的生物标志物区域。该代码在http://github.com/ciceklab/ hrmas_nc上发布。