XiaoMi-AI文件搜索系统
World File Search System划痕
用于太空的自修复聚合物 - IRIS Re.Public@polimi.it
太空探索的主要挑战之一是妥善保护宇航员免受太空环境的危害。因此，宇航服是为了在舱外活动期间保护机组人员而设计的，但它们目前无法妥善承受微流星体和轨道碎片 (MMOD) 等撞击造成的损坏，如果被刺破，它们会减压和坍塌，造成灾难性的后果。在这种情况下，将自修复材料整合到宇航服中的可能性引起了科学界的关注，因为它可以实现自主损伤修复，从而提高安全性和使用寿命。然而，太空环境对这些材料的影响仍有待确定，并可能导致其整体性能显著下降。本文介绍的研究重点是应用于宇航服的第一个例子，分析了一组候选自修复聚合物在暴露于模拟太空辐射之前和之后的修复性能。在未辐照的情况下，还对双层膜和以这些聚合物为基质的纳米复合材料进行了比较。本研究还旨在通过将自修复材料的标准表征（例如：划痕、冲击和穿刺测试）与空间辐射对其影响的评估相结合，填补这两个方面的空白。了解辐射是否以及如何影响损伤恢复性能，实际上是确定给定的自修复材料是否真的可以用于太空应用的基础。通过穿刺损伤后的现场流速测量来评估自修复响应。收集最大和最小流速、它们之间的时间以及穿刺后 3 分钟内损失的空气量作为修复性能参数。对于纯材料，然后在伽马射线辐照样品上重复相同的测试，以研究暴露于模拟空间辐射后自修复性能的变化。结果表明，粘性响应较低的系统的修复性能较高，辐照后修复性能会降低。因此，需要进一步分析空间环境对所呈现材料的影响。 NASA HZETRN2015（高 Z 和能量传输，2015 版）软件也用于模拟舱外活动期间银河宇宙射线对航天服的作用。将经典的航天服多层与将标准内胆替换为每种分析材料层的配置进行比较，以确定最有希望的候选者，并确定添加纳米填料是否会显着提高屏蔽能力。
超低损失（ULL）互连
1。引入量子信号的独特特征，例如插入和叠加，使它们非常容易受到环境干扰的影响。因此，量子应用的成功取决于单光子的传输和操纵的可靠性。超低损耗光纤连接器在这种情况下起着关键作用，是量子设备之间的关键联系。标准连接器可能会引入重大损失，从而损害了量子通信的保真度。超低损耗连接器通过最大程度地减少信号降低并保持量子状态的完整性来应对这一挑战。2。量子光子量子应用中的光纤连接器需要组合精确的，耐用性和高性能在非常专业的条件下可靠地发挥功能。钻石的E-2000®和MiniAvim®连接器即使受到挑战性的环境因素，也是由于其出色的光学性能，鲁棒性和适应性的原因而脱颖而出。e-2000®特别以其集成的快门机械性而闻名，该机构可保护纤维末端面部免受污染和损害，从而确保随着时间的推移一致的性能。另一方面，MiniAvim®由于其紧凑，轻巧的设计与坚固的可靠性相结合而受到重视，使其成为挑战性环境条件（例如极端温度和振动）的首选连接器。3。在所有制造和组装过程中，必须测量这些参数并控制在控制之下。此外，Diamond的真空进料提供了在超高真空（UHV）和低温条件下运行的量子系统的关键界面解决方案。旨在实现跨真空屏障的预先和有效的光线传输，此进料可确保在将光学组件整合到量子环境中时，可确保最小的信号损失和最佳性能。Diamond的先进技术和工程确保这些解决方案满足量子研发的严格要求，提供无与伦比的可靠性和光学精确度。插入损失的原因只能通过控制多个参数，例如： - 套圈特性：直径，形式和精度孔直径和同心性来保证连接器的光学性能； - 抛光参数； - 端面瑕疵（划痕，凹坑和污染）； - 纤维核的侧面和角度未对准。横向未对准是单模连接器中插入损失的最重要贡献者。纤维制造商通常会指出最大的核心对偏心。0.5微米和±1微米内的覆层直径精度。
基因组编辑
1）山本2018 2）Jinek M，Chylinski K，Fonfara I等。适应性细菌免疫中可编程的双RNA引导的DNA内切酶。Science，337（6096）：816-821，2012 3）Nishimasu H，Shi X，Ishiguro S等。工程CRISPR-CAS9核酸酶，具有扩展的靶向空间。Science，361（6408）：1259-1262，2018 4）RAN FA，HSU PD，LIN CY等。通过RNA引导的CRISPR CAS9进行双重划痕，以增强基因组编辑特异性。Cell，154（6）：1380-1389，2013 5）Vakulskas CA，Dever DP，Rettig GR等。作为核糖核蛋白复合物传递的高保真CAS9突变体可以在人造血茎和祖细胞中有效地编辑。nat Med。24（8），1216-1224，2018 6）Suzuki K，Tsunekawa Y，Hernandez-Benitez R等。通过CRISPR/CAS9介导的同源性靶向整合进行体内基因组编辑。 自然，540（7631）：144-149，2016 7）Sakuma T，Nakade S，Sakane Y等。 使用Talens和CRISPR-CAS9与音高系统进行 MMEJ辅助基因敲入。 自然方案，11（1），118–133，2016 8）Sakuma T，Nishikawa A，Kume S等，使用多合一的CRISPR/CAS9矢量系统在人类细胞中的多重基因组工程。 科学报告，4：5400，2014）Nishida K，Arazoe T，Yachie N等。 使用杂种p ro kar yotic yotic and d ver teb速率自适应IM MU N E系统进行靶向核苷酸编辑。 Science，353（6305）：AAF8729，2016 10）Anzalone AV，Randolph PB，Davis JR等。 搜索和重新定位基因组编辑通过CRISPR/CAS9介导的同源性靶向整合进行体内基因组编辑。自然，540（7631）：144-149，2016 7）Sakuma T，Nakade S，Sakane Y等。MMEJ辅助基因敲入。自然方案，11（1），118–133，2016 8）Sakuma T，Nishikawa A，Kume S等，使用多合一的CRISPR/CAS9矢量系统在人类细胞中的多重基因组工程。科学报告，4：5400，2014）Nishida K，Arazoe T，Yachie N等。使用杂种p ro kar yotic yotic and d ver teb速率自适应IM MU N E系统进行靶向核苷酸编辑。Science，353（6305）：AAF8729，2016 10）Anzalone AV，Randolph PB，Davis JR等。搜索和重新定位基因组编辑
二维材料的热机械纳米切割 - Infoscience
为了生产二维材料的纳米结构，通常使用自上而下的技术，例如光刻[6]、电子束光刻（EBL）[7]和离子束光刻[8]。最近观察到，使用电子或离子的光刻技术可能会导致二维材料的结构损伤[9]或增加抗蚀剂污染，而这些污染需要通过等离子清洗去除。[10]激光烧蚀是一种无抗蚀剂的一步式替代方法[11–13]，但光学衍射极限阻碍了其在需要亚微米分辨率的场合使用。自下而上的技术，例如化学气相沉积和位置选择性生长[14,15]，可实现可扩展性和高分辨率。然而，复杂器件结构的可重复制造和器件集成仍未解决。扫描探针光刻（SPL）包含一组纳米光刻技术，可实现需要超高分辨率的独特应用。 [16] SPL 的工作原理基于纳米探针和表面之间的各种物理和化学相互作用，并且已应用于 2D 材料的机械划痕、[17] 局部氧化、[18,19] 和浸笔工艺。[5] 具体来说，热扫描探针光刻 (t-SPL) 是一种新兴的直写方法，它使用加热的纳米尖端进行 2D 和 3D 减材/增材制造。[20–22] t-SPL 的图案创建是通过使用加热的纳米尖端连续压痕样品同时扫描样品来完成的。除了超快写入之外，还可以用冷尖端对样品进行成像，类似于传统的原子力显微镜 (AFM)，从而实现闭环光刻和图案叠加。在这里，我们表明，通常应用于可升华聚合物的热机械压痕技术也允许直接切割 2D 材料。为此，我们在环境压力和温度下使用 t-SPL，通过加热的纳米尖端局部热机械切割 2D 材料的化学键。展示了单层 MoTe 2 的 20 纳米分辨率图案，以及它对其他 2D 材料（如 MoS 2 和 MoSe 2）的适用性。相对于 EBL，所提出的技术不需要高真空并可避免电子诱导损伤，因此可以非常经济高效的方式轻松实施，以制作高质量 2D 纳米结构的原型和制造。对于大多数应用，2D 材料的功能性纳米结构必须通过光刻技术进行图案化。在这里，我们开发了一种用于单层 2D 材料的一步光刻技术，也称为直接纳米切割，使用热机械压痕法，如图 1 a 所示。为此，我们将 2D 材料薄片直接转移到 50 纳米厚的可升华聚合物层上，该层由旋涂机制成，然后通过热机械压痕法进行图案化。
2020 年 2 月 4 日，尊敬的议员海琳 (Helene) ...
2020年2月4日，荣誉女议员Helene E. Weinstein 188 State Street立法办公室大厦。房间923纽约州奥尔巴尼，纽约12247回复：恢复流离失所警报项目的资金亲爱的女议员温斯坦（Weinstein），这封信是我们即将在ANHD的流离失所警报项目（DAP）上进行对话的序幕，该项目使用数据和可视化来帮助纽约市区的位置和保存纽约市的房屋。我们期待向您展示对DAP Portal工具的最新信息，并于2月10日在奥尔巴尼向住房委员会成员展示。目前，我们谨在2021财年预算中恢复为流离失所警报项目恢复100,000美元的赠款资金。ANHD的简短历史：八个基层，当地住房集团于1974年建立了ANHD，以支持纽约市的经济适用房的开发和保存。今天，45年后，ANHD是该市的主要政策，倡导，技术援助和能力建设组织之一。我们维持80多个基于社区和城市范围的非营利组织的会员资格，这些组织具有负担得起的住房和/或公平的经济发展，作为其任务的核心组成部分，每年为大约450,000个低收入和中等收入纽约人服务。我们是全市范围内的重要声音，它弥合了成员团体建立社区权力的力量和影响，并确保为所有纽约人提供住房和繁荣，公平的社区的权利。划痕联盟。他们使用这些工具主动识别我们重视正义，公平和机会，我们相信运动建设的重要性，这使社区在我们的工作中的边缘化。流离失所警报项目：ANHD在2016年建立了我们的位移警报项目（www.displacementalert.org），他们意识到结束租户流离失所是当前最紧迫的住房问题之一，但是经常经常认识到许多居民后，居民，立法者和社区团体只能识别出许多居民的住所。有关租金稳定公寓，建筑物销售，投诉，违规和建筑许可证的数据通常可以表明或先于猜测，高档化和流离失所；但是，这些信息是分散的，导航可能具有挑战性，并且需要时间进行分析。流离失所警报项目是一组独特的数据工具，可以为州和城市官员，其员工，当地非营利组织以及有兴趣结束流离失所的其他利益相关者提供有关其社区和城市范围内流离失所风险的基本信息的其他利益相关者。我们最积极地使用DAP工具的本地非营利组织包括：西北布朗克斯社区和神职人员联盟，CAAAV，LOS SURES，住房保护协调员，Casa，Casa，Goddard Riverside，Goddard Riverside，Asian Americants，Assian Americans for Aqueality for Aqueality for Squeality for Squeality for Sepure，MET Council on Council of House on on on on on of Housing和ST。
三菱电机与 HACARUS 合作扩大 AI 视觉检测业务
三菱电机公司和 HACARUS 公司今天宣布，双方已同意扩大在基于 AI 的制造业视觉检测应用开发方面的合作。作为协议的一部分，三菱电机将入股 HACARUS。此次战略合作伙伴关系将利用两家公司的资源和技术，增强协同效应，最大限度地发挥双方的技术和商业潜力。通过利用 HACARUS 的专业知识，三菱电机希望加快开发和提供基于 AI 的集成自动化视觉检测解决方案，使客户能够提高制造质量和整体生产率。对于 HACARUS 来说，此次合作将使其能够使用三菱电机在日本和海外的广泛销售基础设施。HACARUS Check 是一种配备独特紧凑型 AI 的视觉检测解决方案。除了 AI 开发，HACARUS 还专注于将 AI 与各种工厂自动化 (FA) 设备集成。2023 年 12 月，三菱电机发布了 MELSOFT VIXIO*，这是一款基于 AI 的视觉检测软件，配备了该公司专有的 Maisart AI 技术，可实现视觉检测流程自动化，从而提高制造质量并解决日本劳动力减少的问题。三菱电机工厂自动化系统集团总裁竹内俊江表示：“作为我们 FA 系统业务战略的一部分，我们正在应对现代社会面临的关键挑战。”“由于劳动力短缺，生产线的自动化正在加速，但许多目视检查仍然由人类手动完成。通过此次合作，我们期待通过 MELSOFT VIXIO 加强对客户需求的响应，并在 HACARUS 基于 AI 的目视检查专业知识的支持下，解决制造业的劳动力短缺问题。”“自 2014 年 HACARUS 成立以来，我们公司一直致力于在各种工业领域进行“测量”，并以通过使用 AI、IoT 和机器人等最新技术从数据中创造附加价值来为社会做出贡献为使命。对于制造业的客户，我们提供 HACARUS Check，这是一款可减少目视检查所需人工劳动的产品。三菱电机的 FA 系统业务正在加强其制造业数字化和循环数字工程推广解决方案组合。通过此次资本和商业联盟，我们将努力开发促进制造现场数字化转型的解决方案，主要关注表面检查，通过将三菱电机的 FA 产品和知识与我们的 AI 技术相结合，以解决劳动人口减少等社会问题，”HACARUS 首席执行官 Takashi Someda 表示。为了进一步实现设计、生产、测试、操作和维护等流程的自动化和数字化，三菱电机正在稳步投资并与软件公司合作，为客户提供一流的产品和解决方案。近年来，各国劳动力，尤其是熟练劳动力的减少对制造业的生产率水平产生了负面影响。一种应对措施是采用和开发使用图像处理技术的基于规则的视觉检查**。然而，检测划痕和颜色不均匀等缺陷的困难增加了对可以进一步实现检查流程自动化并减轻产品检查员负担的 AI 技术的需求。
用户指南Profoto B1X
安全预防措施！在研究说明手册和随附的安全性之前，请勿操作设备。确保始终伴随着设备的Profoto安全说明！Profoto产品旨在专业使用！不可避免的是，闪存产品中使用的电容器的类型有时可以断开。如果这应该发生，则可能会从闪光产物和烟雾中散发出鲜明的气味。避免将发射放在脸上。如果排放量应该插入眼睛或嘴巴，请用水冲洗。发射是无毒的。用水和肥皂冲洗，如果您在皮肤上泄漏了电解质。 不要摄取电解质。 发电机，灯头和配件仅用于室内摄影。 不要放置或使用设备可暴露于水分，极端电磁场或易燃气体或灰尘的区域！ 不要将设备暴露于滴水或溅水中。 不要将装满液体（例如花瓶）的物体放在设备上或附近。 不要将设备暴露于潮湿条件下的急速温度变化，因为这可能会导致装置中的冷凝水。 请勿修改，拆卸，打开，掉落，撞击，穿刺，热量，高于60°C（140°F），焚化或切碎电池。 将电池（电池组或电池安装）远离开火或阳光，以防止热量积聚。 火灾和烧伤，破裂和爆炸，电解质泄漏和/或排气的风险。 排放是有毒的。 请勿在电池或其单元格中短路。用水和肥皂冲洗，如果您在皮肤上泄漏了电解质。不要摄取电解质。发电机，灯头和配件仅用于室内摄影。不要放置或使用设备可暴露于水分，极端电磁场或易燃气体或灰尘的区域！不要将设备暴露于滴水或溅水中。不要将装满液体（例如花瓶）的物体放在设备上或附近。不要将设备暴露于潮湿条件下的急速温度变化，因为这可能会导致装置中的冷凝水。请勿修改，拆卸，打开，掉落，撞击，穿刺，热量，高于60°C（140°F），焚化或切碎电池。将电池（电池组或电池安装）远离开火或阳光，以防止热量积聚。火灾和烧伤，破裂和爆炸，电解质泄漏和/或排气的风险。排放是有毒的。请勿在电池或其单元格中短路。在泄漏和/或通风的情况下提供良好的通风。将暴露的人移至新鲜空气并寻求医疗护理。如果细胞泄漏，请勿允许液体与皮肤或眼睛接触。在与皮肤或眼睛接触的情况下：立即用淡水冲洗并寻求医疗护理。如果电池变热，变色或变形，请停止使用电池。不要将此设备连接到其他品牌的闪光设备。如果没有提供的防护玻璃盖或防护网格，请勿使用闪光灯头。玻璃盖已被明显损坏，以至于其有效性受到损害，例如裂缝或深划痕。灯如果损坏或热变形，则应更改。将灯放入支架中时，请确保不要裸手触摸灯泡。设备必须仅由授权和有能力的服务人员进行维修，修改或修复！警告 - 标有闪光灯符号的终端是危险的现场直播。此设备不适合在可能存在儿童的地方使用。注意：不要在高度超过2 m（6.5英尺）的高度上安装B1X单元。
在线空模式中的缺陷识别通过深度学习的帮助
处理步骤，但对于带有可变音调的打印图案，它的灵活性较小。此外，将DSA应用于高量制造的主要挑战之一是观察到的缺陷密度，该缺陷密度分别大于所需的缺陷密度为1和0.01缺损cm 2用于记忆和逻辑应用。最常见的缺陷是桥梁和位错。，即使EUVL也没有缺陷问题，如先前的工作4、5所述，并且被证明会导致桥梁缺陷。为了解决大型缺陷密度的关注，尤其是在DSA中，采用各种过程的选择步骤来确定可以减少整体缺陷密度的重要因素；优化步骤包括不同的退火条件，表面模式的周期性，指南线的宽度，模式的地形以及背景化学等。对于列出的处理步骤的每一个组合，进行扫描电子显微镜（SEM）图像的缺陷检查以评估处理条件的性能是必不可少的。这涉及为统计目的收集足够数量的SEM图像，并手动执行缺陷检测或使用图像处理工具。随着处理步骤的不同组合的数量增加，缺陷的手动标记效率低下。解决方案之一是使用新兴的深度学习算法来检测和分类不同类型的缺陷。在材料科学领域，已经应用了许多算法来从给定的图像集中学习复杂的缺陷特征。例如，（1）Xie等。6使用多级支持向量机算法来检测印刷电路板和晶圆中最常见的缺陷。这些缺陷涉及环，半圆，簇和划痕。（2）Zheng和Gu 7采用了学习算法的机器，以检测具有高准确性的石墨烯中多个空缺数量。（3）Tabernik等。8报道了一项研究，在该研究中，他们利用基于细分的深度学习体系结构从某些工业应用的角度来检测成品中的表面异常。对缺陷的深度学习辅助识别不仅限于材料科学领域，因此已在其他各个领域中用于诸如下水道管道9、10和水果缺陷检测中的缺陷检测。11我们认为，使用这种自动化方法来计算不同类型的缺陷，并指定其在线路和空间（L/S）模式中的位置，可以帮助过程工程师快速收集足够的统计数据，并提供更准确，更一致的方法来评估每个处理条件的组合。通常，需要大量培训样本以确保网络的高精度。不幸的是，如前所述，由于人类的努力和专业知识所需的负载，因此要求SEM图像中存在的缺陷标记的时间耗时的过程。这为收集足够的数据构成了深度学习网络所需的精度的障碍。13，14另一种数据增强方法是通过执行模拟来扩展数据集。数据增强是一种可行的选择，可以通过利用原始数据集中的更多信息来夸大培训数据集。如Shorten和Khoshgoftaar的评论论文所讨论的，12个增强策略包括几何和颜色变换，随机擦除和特征空间扩展。翻转图像是最简单，最便宜的策略之一，结合了其他几何形状转换，旋转和缩放的几何变换可提高深度学习算法的准确性。在Carrasco-Davis等人的天文事件的分类中探索了这种策略，15，其中作者依靠基于物理的模型来生成模拟数据集。参考。16，如Holtzman等人所述，使用点散射模型生成的模拟数据集为雷达图像模拟。17与真实的数据集混合在一起，可以提高船舶合成孔径雷达图像中目标识别的准确性。在这项工作中，使用最小的SEM数据集进行培训[O（100）图像]，我们使用了一个受良好版本3的启发的对象分类和检测网络。在剪切 - 索尔沃退火条件下使用圆柱体组成共聚物进行实验后，收集了SEM数据集。19网络中的卷积层和过滤器的数量已针对网络的准确性进行了优化。实施了各种激活功能和不同损失功能的进一步检查。使用两种策略夸大了具有有限数量SEM图像的初始数据集：（1）几何转换