XiaoMi-AI文件搜索系统
World File Search System单层
在半导体单层Mote2
摘要：电子系统与晶格振动的耦合及其时间有关的控制和检测提供了对半导体非平衡物理学的独特见解。在这里，我们研究了使用宽带光泵 - 探针显微镜封装的半导体单层2 h -mote 2的超快瞬态响应。低于40 fs泵脉冲在A'和B'激子共振的光谱区域中极度强烈且长寿的连贯振荡，这是由于最大瞬态信号的约20％，这是由于平面外A 1G语音的位移激发。从头算计算揭示了由平面外拉伸和晶体晶格的压缩诱导的单层MOTE 2的光吸收的重排，与A 1G型振动一致。我们的结果强调了单层TMD对小结构修饰的光学特性的极端敏感性及其用光操纵。关键字：连贯的声子，激子，超快光谱，过渡金属二分法，二维材料，单层，Mote 2 E
基于单层跨表面
摘要：光学上的多个纳米颗粒已成为研究复杂的基础物理学的平台，例如非平衡现象，量子纠缠和光单词相互作用，可用于以高灵敏度和准确性来感知弱力和扭矩。需要增加复杂性增加的光学诱捕景观，以设计超出单个hon-hon-hon-honnic陷阱之外的悬浮颗粒之间的相互作用。然而，基于空间光调节剂的现有平台用于研究液态颗粒之间的相互作用，效率低，焦点处的不稳定性，光学系统的复杂性以及传感应用的可伸缩性。在这里，我们实验表明，形成具有高数值良好（〜0.9）的两个衍射限制焦点，高效率（31％）可以产生可调的光学潜在孔而没有任何强度弹性。在实验中，通过改变焦点的距离观察到了双势势和双电势孔，并在双电势孔中悬浮了两个纳米颗粒，可用于数小时，这可用于研究悬浮的颗粒的非线性动力学，热动力学，热动力学和光学结合。这将为缩放铺平道路
δ-5硼单层作为Li
我们使用密度函数理论模拟的δ-5硼单层作为碱金属（AM）和碱 - 地球金属（AEM）离子电池的阳极材料的电化学性能。探索了Δ-5硼M on洛耶木中各种金属原子（M）的电子特性，吸附，扩散速率和存储行为。我们的研究表明，电子和金属离子传输（0.493-1.117 eV）具有较高的电导率和低激活屏障，表明快速充电/放电速率。此外，发现LI，Na和K的δ-5硼单层的理论能力大于商业石墨的理论能力。AM和AEM的平均开路电压相当低，在0.34-1.30 V的范围内。我们的结果表明，δ-5硼单层单层可能是锂离子和非锂离子可充电电池中有希望的阳极材料。关键字：2D材料；吸附；储能；模拟;扩散简介
使用单层ERA5数据
摘要。观察与风能相关的高度风速的观察很稀疏，尤其是海上，但是在先进的统计方法的新兴帮助下，可以使用表面观测来得出有关风能纤维的信息。 在这项研究中，开发了两种机器学习（ML）方法，以预测（1）沿海风速前纤维和（2）在与海上风能部署高相关的三个位置的低水平喷气机（LLJS）：美国东北大西洋沿海地区，北海，北海和Baltic Sea。 ML模型在多年的LIDAR PROFERE中进行了训练，并利用单级ERA5变量作为输入。 模型输出沿海风速填充和LLJ发生的空间预测。 由于其基于物理学的相关性在沿海风速促进创世记中，并且有可能通过测量实时观察这些变量，因此考虑了九个ERA5变量的套件。 以10 mA为单位的风速。 s。 l。 和表面明智的热量被证明对风速和LLJ预测具有最高的重要性。 ML模型的风速预测输出相对于ERA5输出的观测值表现出相似的均方根误差（RMSE）。 在典型的集线器高度下，ML模型的RMSE低于ERA5的RMSE，约为RMSE降低约5％。 使用对称极端依赖指数（SEDI）评估 llj识别得分。 来自ML模型的 llj预测优于ERA5的预测，表明赛迪斯明显更高。观察与风能相关的高度风速的观察很稀疏，尤其是海上，但是在先进的统计方法的新兴帮助下，可以使用表面观测来得出有关风能纤维的信息。在这项研究中，开发了两种机器学习（ML）方法，以预测（1）沿海风速前纤维和（2）在与海上风能部署高相关的三个位置的低水平喷气机（LLJS）：美国东北大西洋沿海地区，北海，北海和Baltic Sea。ML模型在多年的LIDAR PROFERE中进行了训练，并利用单级ERA5变量作为输入。模型输出沿海风速填充和LLJ发生的空间预测。由于其基于物理学的相关性在沿海风速促进创世记中，并且有可能通过测量实时观察这些变量，因此考虑了九个ERA5变量的套件。以10 mA为单位的风速。s。l。和表面明智的热量被证明对风速和LLJ预测具有最高的重要性。ML模型的风速预测输出相对于ERA5输出的观测值表现出相似的均方根误差（RMSE）。在典型的集线器高度下，ML模型的RMSE低于ERA5的RMSE，约为RMSE降低约5％。llj识别得分。llj预测优于ERA5的预测，表明赛迪斯明显更高。但是，与ERA5相比，使用SEDI的优化会导致更高数量的错误警报。
使用单层LA0.67SR0.33MNO3薄膜
摘要：在信息技术中高度期望具有低功耗的无磁场，非挥发性磁记忆。在这项工作中，我们报告了单层LA 0.67 SR 0.67 SR 0.33 MNO 3薄膜的电流可控对齐，其阈值电流密度在室温下为2×10 5 A/cm 2。当前方向和域壁方向之间的矢量关系表明，没有外部磁场的辅助，自旋 - 轨道扭矩的主要作用。同时，可以在域墙重新定位之前和之后以非易失性的方式读取显着的平面大厅电阻。已经提出了一种基于域壁的磁随机访问记忆（DW-MRAM）原型设备。关键字：无磁场磁开关，磁性域壁，氧化物材料，自旋 - 轨道耦合，平面霍尔效应，磁随机访问记忆■简介
基于单层区域比率defuzzifier
开发的高速模糊推理机器学习设备的主要目的是促进系统学习功能并改善计算性能。这是通过将训练单元的反馈添加到Defuzzification单元来实现的，该单元允许训练模糊逻辑设备[7]，[8]。还排除了Defuzzification单元中的某些操作，这将归化过程的计算性能时间降低至180 ns。基于区域比率方法的单层解体机的高速模糊逻辑推理机器学习设备的结果是，在模糊逻辑系统的输出下，输入数据将输入数据的生成和转换为单个指定的CRISP值。这种类型的设备可用于图像分类或热电偶控制任务[9]，[10]。此外，开发了基于面积比方法的神经模糊学习的本体论模型：
基于单层 MoSe2 的隧道场效应晶体管...
摘要 — 本文详细研究了机械应变对过渡金属二硫属化物 (TMD) 材料隧道场效应晶体管 (TFET) 的影响。首先，利用密度泛函理论 (DFT) 的第一原理在元广义梯度近似 (MGGA) 下计算机械应变对 MoSe 2 材料参数的影响。通过在非平衡格林函数 (NEGF) 框架中求解自洽 3D 泊松和薛定谔方程，研究了 TMD TFET 的器件性能。结果表明，I ON 和 I OFF 均随单轴拉伸应变而增加，但 I ON / I OFF 比的变化仍然很小。TMD TFET 中这种应变相关性能变化已被用于设计超灵敏应变传感器。该器件对 2% 的应变显示出 3.61 的灵敏度 (ΔI DS / I DS)。由于对应变的高灵敏度，这些结果显示了使用 MoSe 2 TFET 作为柔性应变传感器的潜力。此外，还分析了应变 TFET 的后端电路性能。结果表明，与无应变 TFET 相比，基于受控应变的 10 级反相器链的速度和能效有显著提高。
超氧化物歧化酶注入MoSe2单层光学特性
图 2：10 K 下注入 Cr 的 MoSe 2 ML 的 PL。 (a) 低 n 掺杂（V g = 0.8 V）下注入 Cr 的 MoSe 2 ML（红色曲线）的 PL 光谱，与原始 MoSe 2 ML（黑色）的 PL 光谱一起绘制。除了来自 MoSe 2 ML 的 X − 和 X 之外，注入 Cr 的样品还在 1.51 eV 左右显示出宽 D 峰。 (b) 激光功率范围为 36 nW 至 123 µ W 下注入 Cr 的 ML 的 PL 光谱。光谱已针对 X − 进行归一化。此处的样品在 V g = 0.8 V 时略微 n 掺杂。 (c) PL 的功率依赖性。最佳拟合线（虚线）及其标准偏差（线周围的阴影区域）与从 PL 光谱中提取的强度（点）一起绘制。除非明确说明，误差线小于数据点的大小。X − 和 X 与幂律 I ∝ P α 拟合，D 与方程 (1) 描述的饱和曲线拟合。(d) Cr 注入 MoSe 2 的时间分辨 PL。1/e 时间约为 14 纳秒。
