XiaoMi-AI文件搜索系统
World File Search System加速因子
考虑电池间差异的锂离子电池性能退化建模
摘要 电池组既表现出固有的电池间差异，也表现出温度和其他应力因素的时空差异，从而影响电池退化路径的演变。为了解释这些变化和退化或电池扩散的差异，我们提出了一种利用 3 参数非齐次伽马过程对锂离子电池退化进行建模的方法。该方法可预测任何电池架构的容量衰减或故障时间，并使用加速因子调整电池拟合退化数据的分布。在电池组级别，使用并联和串联配置的伽马分布变量组合对电池进行建模。将不同热条件下的容量衰减或故障时间的实际值与预测值进行比较，显示相对误差在 1 – 12% 范围内。我们还提出了一种通过分析样本量对估计不同电池组退化的影响来估计建模扩散和退化路径演变所需的最少电池数量的方法。这种采样策略对于降低设计电池组、电池管理系统和电池热管理系统所需的运行模拟的计算成本特别有用。
OLED器件的性能和老化研究
本文提出了一种通过 ADT 以光解作为加速因子来确定 PMOLED 屏幕寿命的方法。用于光解的光由发射 405 nm 的 LED 产生。该方法的特殊性在于它使用可见光谱中的光。该方法可以在不修改屏幕的情况下使用最少的硬件来构建测试台。发射 405 nm 光的 LED 可以通过具有控制达林顿晶体管的运算放大器的组件来控制。该组件放置在不透明的盒子下方，以避免暴露于其他光源。一切都通风，以便测试台的不同部分保持在室温。选择进行测试的屏幕是 UG-9664HDDAG01，405 nm LED 是 LZ1-10UA00-00U8。调整 LED 以产生 140 W/m 2 至 1090 W/m 2 之间的不同辐照度。观察到的退化表明，当屏幕像素处于活动状态时，其退化速度明显更快。测试期间关闭的设备也会受到影响，但其性能下降程度不太明显。每 24 小时使用功率计进行一次辐照度测量，功率计调整至屏幕发出的主波长。根据有关OLED的科学文献，已知发射蓝光的有机材料具有持续时间
识别基于统计分布的加速老化测试期间LFP/C电池的机理一致性
这项研究建立了一种新的方法，可以研究加速的衰老测试是否可以在短时间内准确地对现实的细胞衰老进行建模，同时还可以维持所涉及的衰老机制的一致性。作为效率和一致机制之间的权衡，加速衰老的应用需要仔细选择应力因素，以确定操作范围和与衰老相关的应激因素的重要性。基于为43个月的日历老化测试和10个月循环老化测试设计的三个级别的主要应力因素，这项工作旨在应力排名，并指示用于商业LFP/C电池的合适的操作间隔，并采用了两种最受欢迎的电池寿命分布，即电池，即logormormal and weibull。锂离子电池的统计分布是通过非线性混合效应（NLME）模型的排放能力损失来实现的。结果证明，对数正态是首选模型，并且随着更深的衰老，尤其是在日历老化中，右链的Weibull变得更加明显。得出了由一致加速因子引导的分布参数的进化定律。基于寿命样本的NLME模型的似然比参数bootstrap方法始终产生，以高于47.5℃的温度来测试条件，而循环衰老的平均收费（SOC）高于72.5％的平均电荷（SOC）会导致不同的生活行为。相比之下，SOC水平和较高温度的组合不会导致日历老化机制的变化。温度是最显着的应力，其次是温度耦合的循环深度和SOC水平。此方法可以提供参考，以制定合理的测试计划，以检测电池的性能以更准确地预测其生活。
CL-MRI：自我监督对比学习，以改善
d 澳大利亚莫纳什大学心理科学学院 摘要 在磁共振成像 (MRI) 中，图像采集通常在测量域中欠采样以加速扫描过程，但会牺牲图像质量。然而，图像质量是影响临床诊断准确性的关键因素；因此，从欠采样测量中进行高质量的图像重建一直是一个关键的研究领域。最近，深度学习 (DL) 方法已成为 MRI 重建的最新技术，通常涉及深度神经网络通过数据驱动的过程将欠采样的 MRI 图像转换为高质量的 MRI 图像。尽管如此，在消除混叠伪影和降低图像噪声方面，欠采样 DL MRI 重建仍有明显且巨大的改进空间，以满足临床诊断所需的高标准。在本文中，我们引入了一种使用对比学习的自监督预训练程序来提高欠采样 DL MRI 重建的准确性。我们使用对比学习将 MRI 图像表示转换为潜在空间，该潜在空间最大化不同欠采样表示之间的相互信息，并优化下游 DL 重建模型输入处的信息内容。我们的实验表明，在一系列加速因子和数据集上，重建精度都有所提高，无论是定量还是定性。此外，我们的扩展实验验证了所提出的框架在对抗条件下的稳健性，例如测量噪声、不同的 k 空间采样模式和病理异常，并证明了在具有完全不同解剖结构的 MRI 数据集上的迁移学习能力。此外，我们还进行了实验来可视化和分析所提出的 MRI 对比学习潜在空间的属性。代码可在此处获得。关键词：对比学习潜在空间、相互信息最大化、欠采样 MRI 重建、深度学习模型、重建精度
2023 年 IEEE 国际可靠性物理研讨会 (IRPS)
TuT1（教程）- 可靠性物理与工程简介，Joe McPherson，McPherson Reliability Consulting LLC 所有材料和设备都会随着时间的推移而退化。因此，可靠性物理具有重要的理论和实践意义。可靠性调查通常从测量材料/设备在应力下的退化率开始，然后对失效时间与施加应力的关系进行建模。这里使用的术语“应力”非常笼统：应力指任何外部因素（电气、机械、化学、热、电化学等）能够产生材料/设备退化的因素。当退化量达到某个临界阈值水平时，就会发生失效时间。由于设备通常需要不同程度的退化才能引发故障，因此故障时间本质上是统计性的，并讨论了两种常见的故障分布：威布尔和对数正态分布。故障时间 (TF) 建模通常假设幂律或指数应力依赖性，具有 Arrhenius 或 Eyring 类活化能。从这些 TF 模型中，可以推导出加速因子，这些因子往往作为加速测试的基础。在本演讲中，将回顾几种半导体故障机制：电迁移 (EM)、应力迁移 (SM)、时间相关电介质击穿 (TDDB)、热载流子注入 (HCI)、负偏置温度不稳定性 (NBTI)、等离子体诱导损伤 (PID)、单粒子翻转 (SEU)、表面反转、热循环疲劳和腐蚀。本教程应为参会者提供坚实的基础，以便更好地理解 IRPS 上发表的论文。TuT2（教程） - 集成电路和半导体器件可靠性分析的机器学习，伊利诺伊大学厄巴纳-香槟分校 Elyse Rosenbaum 本教程适用于对机器学习（“ML”）如何在其学科中应用感兴趣的可靠性物理专家。它将使用机器学习的广泛定义，将 ML 等同于数据驱动建模，并将其与基于物理知识（即机械模型）的模型和预测进行对比。神经网络是一种流行的数据驱动建模模型结构，因为它具有灵活性；它通常被称为通用近似器。本教程将介绍神经网络训练的基础知识。本文将介绍将 ML 应用于可靠性分析各个方面的研究成果。TuT3（教程）- BEOL 和 MOL 可靠性，Shinji Yokogawa，电气通信大学 BEOL 可靠性在半导体技术中发挥着至关重要的作用，从开发到质量保证。典型的磨损机制包括电迁移 (EM)、应力迁移/应力诱导空洞 (SM/SIV)、热机械稳定性、低介电击穿 (TDDB) 和芯片/封装相互作用 (CPI)。最近，围绕栅极/接触或 MOL 可靠性的可靠性问题已被添加到列表中。由金属和电介质界面中的缺陷及其产生引起的互连、通孔和接触可靠性挑战被认为是重要问题，即使代数、结构和材料发生变化。了解它们以及如何抑制它们是实现高可靠性的关键。了解每个集成电路的寿命分布行为对于确定由许多部分组成的集成电路的可靠性也至关重要。本教程将介绍物理和统计
2023 IEEE 国际可靠性物理研讨会 (IRPS)
TuT1（教程）- 可靠性物理与工程简介，Joe McPherson，McPherson Reliability Consulting LLC 所有材料和设备都会随着时间的推移而退化。因此，可靠性物理具有重要的理论和实践意义。可靠性调查通常从测量材料/设备在应力下的退化率开始，然后对失效时间与施加应力的关系进行建模。这里使用的术语“应力”非常笼统：应力指任何外部因素（电气、机械、化学、热、电化学等）能够产生材料/设备退化的因素。当退化量达到某个临界阈值水平时，就会发生失效时间。由于设备通常需要不同程度的退化才能引发故障，因此故障时间本质上是统计性的，并讨论了两种常见的故障分布：威布尔和对数正态分布。故障时间 (TF) 建模通常假设幂律或指数应力依赖性，具有 Arrhenius 或 Eyring 类活化能。从这些 TF 模型中，可以推导出加速因子，这些因子往往作为加速测试的基础。在本演讲中，将回顾几种半导体故障机制：电迁移 (EM)、应力迁移 (SM)、时间相关电介质击穿 (TDDB)、热载流子注入 (HCI)、负偏置温度不稳定性 (NBTI)、等离子体诱导损伤 (PID)、单粒子翻转 (SEU)、表面反转、热循环疲劳和腐蚀。本教程应为参会者提供坚实的基础，以便更好地理解 IRPS 上发表的论文。TuT2（教程） - 集成电路和半导体器件可靠性分析的机器学习，伊利诺伊大学厄巴纳-香槟分校 Elyse Rosenbaum 本教程适用于对机器学习（“ML”）如何在其学科中应用感兴趣的可靠性物理专家。它将使用机器学习的广泛定义，将 ML 等同于数据驱动建模，并将其与基于物理知识（即机械模型）的模型和预测进行对比。神经网络是一种流行的数据驱动建模模型结构，因为它具有灵活性；它通常被称为通用近似器。本教程将介绍神经网络训练的基础知识。本文将介绍将 ML 应用于可靠性分析各个方面的研究成果。TuT3（教程）- BEOL 和 MOL 可靠性，Shinji Yokogawa，电气通信大学 BEOL 可靠性在半导体技术中发挥着至关重要的作用，从开发到质量保证。典型的磨损机制包括电迁移 (EM)、应力迁移/应力诱导空洞 (SM/SIV)、热机械稳定性、低介电击穿 (TDDB) 和芯片/封装相互作用 (CPI)。最近，围绕栅极/接触或 MOL 可靠性的可靠性问题已被添加到列表中。由金属和电介质界面中的缺陷及其产生引起的互连、通孔和接触可靠性挑战被认为是重要问题，即使代数、结构和材料发生变化。了解它们以及如何抑制它们是实现高可靠性的关键。了解每个集成电路的寿命分布行为对于确定由许多部分组成的集成电路的可靠性也至关重要。本教程将介绍物理和统计