XiaoMi-AI文件搜索系统
World File Search System台上
高性能P-i-n光电探测器在GE-ON-INSULATOR平台上
1 CAS关键实验室，中国科学技术大学，中国Hefei 230026； zhaoxuewei@ime.ac.cn（X.Z. ）; haiouli@ustc.edu.cn（H.L. ）; gpguo@ustc.edu.cn（G.G.） 2微电子设备和综合技术的主要实验室，中国科学院微电子学院，中国北京100029； linhongxiao@ime.ac.cn（H.L. ）; duyong@ime.ac.cn（Y.D. ）; kongzhenzhen@ime.ac.cn（Z.K. ）; sujiale@ime.ac.cn（J.S. ）; lijunjie@ime.ac.cn（J.L。 ）; xiongwenjuan@ime.ac.cn（W.X。） 3中国科学院微电子学院，中国北京100049，4北方大湾地区综合巡回赛和系统研究与发展中心，中国综合巡回赛和系统研究所，中国510535，中国。 luoxue@giics.com.cn 5电子设计系，瑞典中部，霍尔姆加坦10，85170 Sundsvall，瑞典 *通信：wangguilei@ime.ac.ac.cn（G.W. ）; miaoyuanhao@ime.ac.cn（Y.M. ）; rad@ime.ac.cn（H.H.R.）1 CAS关键实验室，中国科学技术大学，中国Hefei 230026； zhaoxuewei@ime.ac.cn（X.Z.）; haiouli@ustc.edu.cn（H.L.）; gpguo@ustc.edu.cn（G.G.）2微电子设备和综合技术的主要实验室，中国科学院微电子学院，中国北京100029； linhongxiao@ime.ac.cn（H.L.）; duyong@ime.ac.cn（Y.D.）; kongzhenzhen@ime.ac.cn（Z.K.）; sujiale@ime.ac.cn（J.S.）; lijunjie@ime.ac.cn（J.L。）; xiongwenjuan@ime.ac.cn（W.X。）3中国科学院微电子学院，中国北京100049，4北方大湾地区综合巡回赛和系统研究与发展中心，中国综合巡回赛和系统研究所，中国510535，中国。 luoxue@giics.com.cn 5电子设计系，瑞典中部，霍尔姆加坦10，85170 Sundsvall，瑞典 *通信：wangguilei@ime.ac.ac.cn（G.W. ）; miaoyuanhao@ime.ac.cn（Y.M. ）; rad@ime.ac.cn（H.H.R.）3中国科学院微电子学院，中国北京100049，4北方大湾地区综合巡回赛和系统研究与发展中心，中国综合巡回赛和系统研究所，中国510535，中国。 luoxue@giics.com.cn 5电子设计系，瑞典中部，霍尔姆加坦10，85170 Sundsvall，瑞典 *通信：wangguilei@ime.ac.ac.cn（G.W.）; miaoyuanhao@ime.ac.cn（Y.M.）; rad@ime.ac.cn（H.H.R.）
数字劳动平台上的算法管理和工会
燃料电池是未来的技术，是通过化学反应和H 2 O作为废物释放热量的氢和氧来创建电能的设备。由于没有燃烧而产生的电力，因此污染较少。化学反应发生在聚合物电解质膜（PEM）燃料电池中的部分由膜组成。在这项研究中，研究了燃料电池的不同大小（5-25-50 cm 2）的燃料消耗，并通过实验确定影响性能的因素。首先，安装了PEM燃料电池，并根据已建立的电池的特征将适当量的氢（H 2）和氧（O 2）发送到燃料电池。在研究期间，确定了不同尺寸的燃料电池的性能。根据燃料电池中的C-H比值确定燃料电池的行为，并根据产生的电流发现功率值。根据燃料电池的大小评估了燃料电池的性能，并计算了其产生的电能量。在这种情况下，确定表面积为5 cm 2的燃料电池分别是C60H60中最有效的，C60H46中的25 cm 2和C60H46中的50 cm 2分别为50 cm 2。
IBM NISQ平台上Grover算法的实现
u f | s⟩= cos（θ/ 2）| s' + e ip sin（i/ 2）| oh⟩= cos（θ/ 2）| s'⟩ -sin（θ/ 2）|哦（7）
社交媒体平台上的网络欺凌检测...
社交媒体中的摘要网络欺凌会显着影响个人的心理健康，并为创建安全的在线环境，尤其是在非英语社区中构成值得注意的障碍。应对网络欺凌挑战需要社区，教育工作者和技术平台开发人员或设计师的合作努力。这项研究的主要关注点是利用各种机器学习（ML）方法来检测孟加拉语的网络欺凌。网络欺凌的孟加拉数据集涵盖了一系列文本，包括网络欺凌和非纤维欺凌内容。该数据集经历了预处理阶段，同时利用多种技术（包括令牌化，数据增强和转换为序列），以促进为各种ML方法创建适当的输入，例如XGBOOST（XGB）（XGB），例如梯度增强（GB），决策Tree Tree Tree Tree Tree Tree Tree Tree Tree Tree Tree Tree Tree Tree Trees（DT），Ann ne ne forter ne forter（dt），人为（Ann），人为（ANN），人为（RF），RF，RF，RF，RF，RF，RF，RF，RF，RF，RF，RF，RF，RF，RF，RF。 （CNN）和长期记忆（LSTM）。数据是使用来自不同社交媒体平台的Web刮擦收集的，其中包含五个不同的类别：中性，威胁，巨魔，政治和性类别。实验结果表明，所提出的网络欺凌检测模型的LSTM具有99.80％的特殊精度，超过了其他基于深度学习的算法。相反，XGB在相同的数据集中实现了超过74％的值得称赞的精度，表现优于其他传统的ML算法。这些发现对预防和减轻网络欺凌的积极措施产生了重大贡献，最终为在孟加拉国沟通的个人提供了更安全的在线环境。
硅光子平台上的电磁钡调节剂
具有铁电极内化（面向A轴或X切片膜）。这样的X切割调节器的好处是在不构图BTO的情况下轻松地在标准的硅光子过程中制造。波导可以由沉积在BTO层的硅或氮化硅制成，并在沉积的BTO层和电极上形成，以形成Te-Mode EO调节剂[13]。然而，沿晶体的X方向应用的磁场访问R 42在BTO材料中经历了极高的介电常数，通常超过1000。这个高介电常数直接转化为EO调制效率的降低。相比之下，沿z-方向应用的字段访问R 33 Pockels组件经历了典型的BTO介电常数小于60。介电载荷的减少可以抵消EO系数的降低。我们为配置制造了Mach-Zehnder调制器，并比较其制造和调节效率的易度性，并证明SI平台上的BTO适合于与硅光子制造兼容的低功率，小型脚印Mach-Zhhnder调制器兼容。
宽带2×2硅氮化物平台上的多模式接口
基于自我成像效应[1]，多模式干涉仪（MMI）可以用作光束拆分器，这是光子积分电路的基本构建块。MMI与Y分支和方向耦合器相比，由于其定义明确的振幅，相位和出色的公差[2，3]，提供了卓越的性能。因此，MMI在Mach-Zehnder干涉仪（MZIS）[4]，分裂和组合器[5，6]，极化束分裂器[7]中找到应用。与MMIS尺寸降低或性能提高有关的研究已发表[8-11]。最近，在SOI上使用MMI设备的次波光栅在内的设计表现出了巨大的承诺[12，13]。次波长光栅（SWGS）是光栅结构，它利用小于波长的光向音高[14]，抑制衍射效应并表现出各向异性特征[12]。通过工程化各向异性折射率，SWG已在许多应用中使用，例如纤维芯片表面和边缘耦合器[15-17]，微功能波导[18]，镜片[19]，波导cross [20]，多路复用器[17，21，22]，相位移动器[23]和Optical Shifters [23]和Optical Sheifters [23] [23] [24] [24] [24] [24]。使用这种元物质，SWG MMI设备的带宽已在SOI平台上显着扩展[12，13]，这使包括波长二线二线器[25]，宽带偏振器梁拆分器[26] [26]和双模式束分配器有益于广泛的应用[27]。砖SWG结构以减轻制造分辨率的要求[28，29]。在SOI平台旁边，其他CMOS兼容材料，例如氮化硅，氮化铝和硝酸锂引起了很多关注。氮化硅（Si 3 N 4）由于其超低损失[30]，非线性特征[31]，从400 nm到中红外[32]脱颖而出[31]。像SOI平台一样，人们对在硅硅平台内实现高性能MMI设备也非常感兴趣。在本文中，我们将SWG MMI理论从SOI平台扩展到其他集成的光子平台，专门针对300 nm厚的氮化硅平台。我们的目标是设计和优化具有较小脚印和宽操作的SWG MMI设备
Carterra HT-SPR 平台上的 IKKβ(IKBKB) 结合动力学
Carterra LSA XT 和 Ultra 利用表面等离子体共振实时检测多达 384 个样本的结合相互作用。您可以在 https://carterra-bio.com/ Carterra Ultra 上找到更多信息 LSA 无缝集成了单流动池和 96 通道打印头切换。
集成光子学平台上的量子计算和机器学习
技术的快速发展催生了两个有可能显著重塑计算格局的领域：量子计算和机器学习。量子计算 (QC) 是一种计算范式，它利用量子力学原理比传统计算机更高效地执行复杂计算，特别是对于特定问题领域 [1]。过去十年来，量子计算引起了广泛关注，因为它在使用各种模型解决计算复杂问题时可能具有量子优势，包括囚禁离子系统 [2,3] 和超导系统 [4,5] 上的量子比特模型、基于测量的量子计算 [6,7] 和光子平台上的高斯玻色子采样 (GBS) [8]。研究人员已经发现了几种优于传统算法的量子算法，包括用于整数分解的 Shor 算法 [9] 和用于非结构化搜索的 Grover 算法 [10]。通过利用多个光子的量子特性，例如量子叠加、干涉和纠缠，一些量子算法已被提出，为减少机器学习[11,12]、化学[13,14]和其他领域[15]中问题的计算时间提供了潜力。与此同时，机器学习（ML）已成为一种人工智能，可以处理大量数据并从这些数据中学习模式。这种方法能够在无需明确编程的情况下更准确地预测结果。该技术被用于广泛的应用，包括推荐系统、图像识别和自动驾驶汽车[16,17]。