XiaoMi-AI文件搜索系统
World File Search System层数
使用人工神经网络预测 DED 制造过程中的热场
AAbstr bstract act.. 在过去十年中，机器学习越来越吸引多个科学领域的研究人员，特别是在增材制造领域。同时，这项技术对许多研究人员来说仍然是一种黑箱技术。事实上，它允许获得新的见解，以克服传统方法（例如有限元方法）的局限性，并考虑制造过程中发生的多物理复杂现象。这项工作提出了一项全面的研究，用于实施机器学习技术（人工神经网络），以预测 316L 不锈钢和碳化钨直接能量沉积过程中的热场演变。该框架由有限元热模型和神经网络组成。还研究了隐藏层数和每层节点数的影响。结果表明，基于 3 或 4 个隐藏层和整流线性单元作为激活函数的架构可以获得高保真度预测，准确率超过 99%。还强调了所选架构对模型准确性和 CPU 使用率的影响。所提出的框架可用于预测模拟多层沉积时的热场。
通过石墨烯远程外延相互作用
远程外观的概念涉及覆盖底物表面的二维范德华层，这仍然使Adatoms能够遵循基础基板的原子基序。必须将生长模式仔细地定义为缺陷，例如，针孔，在二维材料中可以允许从遗产中直接外观，该遗物与外侧外延过度生长结合在一起，也可以形成粘层。在这里，我们显示了几种独特的情况，只能对远程外观进行观察，可与其他基于二维材料的外交机制区分开。我们首先在图案化石墨烯上生长Batio 3，以建立最大程度地减少外侧过度生长的条件。通过观察与高分辨率扫描透射电子显微镜证实的整个纳米尺度的核与无针孔的亚纤维相一致，我们在视觉上确认远程同育在原子尺度上是可操作的。宏观上，我们还显示了依赖于底物的离子性和差异层数的GAN微晶阵列的密度变化。
二维氧化石墨烯：一种多功能热光材料
先进的热光材料促进了光学设备中高效的热管理和控制，对于光伏、热发射器、锁模激光器和光开关等许多应用都至关重要。本文通过将二维氧化石墨烯 (GO) 薄膜精确集成到微环谐振器 (MRR) 上并控制薄膜厚度和长度，研究了二维氧化石墨烯 (GO) 薄膜的一系列热光特性。全面表征了具有不同层数和还原程度的 GO 薄膜的折射率、消光系数、热光系数和热导率，以及光热效应引起的可逆还原和增强的光学双稳态。实验结果表明，二维 GO 薄膜的热光性质随还原程度的不同而变化很大。此外，还观察到热光响应的显著各向异性，从而能够实现高效的偏振敏感设备。 2D GO 的多功能热光响应大大扩展了可设计的功能和设备的范围，使其有望用于各种热光应用。
概念场地规划申请
• 包括摘要信 • 法律描述、土地状况报告 - 如果适用 • 申请表上的签名与税务证明或保证契约上的所有者签名相符（需要税务证明，但在完成流程之前无需缴税） • 开发协议（如 PUD 或 MUD）的副本 • 证明符合分区要求（包括子章节 E、兼容性等） • 场地计算表，包括： o 拟议用途和每种用途的平方英尺 o 每个分区的 FAR o 每个分区的不透水覆盖层和建筑覆盖层以及场地的总量 o 建筑高度 • 建筑表显示： o 拟议用途和每种用途的平方英尺 o 楼层数 o 拟议高度 o 建筑总面积 • 子章节 E 涉及： o 正确的道路类型 o 建筑位置 o 正确显示人行道布局 o 注明替代等效合规性（如果要求） • 包括第 245 章申请并由申请人签署 水质和排水工程审查
厚度和波长依赖性非线性光学吸收在2D层次MXENE膜中
作为迅速扩展的2D材料家族，MXENES最近引起了人们的关注。通过开发一种涂层方法，该方法可实现无传输和逐层膜涂层，研究了Ti 3 C 2 t x mxeneFim的非线性光吸收（NOA）。使用Z扫描技术，MXENEFILM的NOA在≈800nm处的特征。结果表明，随着层数从5增加到30的增加，从反向吸收吸收（RSA）转变为可饱和吸收（SA）。值得注意的是，非线性吸收系数的β变化从≈7.1310 2 cm GW 1到在此范围内的2.69 10 2 cm GW 1。也表征了MXENEFIM的功率依赖性NOA，并且观察到β的趋势下降以增加激光强度。最后，在≈1550nm处的2D mxene纤维的NOA的特征是将它们整合到氮化硅波导上，在其中观察到薄膜的SA行为，包括5和10层MXENE，与在≈800nm处观察到的RSA相反。这些结果揭示了2D MXENEFM的有趣的非线性光学性质，突出了它们的多功能性和实现高性能非线性光子设备的潜力。
通过描述性统计和机器学习进行全面的 GPR 信号分析
摘要 —本文全面分析了各种土壤特性如何影响探地雷达 (GPR) 接收信号的特征。这些特性包括介电特性、厚度、层数、雷达配置和表面粗糙度。本文使用 gprMax 进行了详尽的分析，模拟了不同的土壤介质场景，以展示这些参数如何影响 GPR 接收信号。所提出的方法通过描述性统计分析从接收信号中提取关键特征以表征土壤。然后，本文部署了机器学习 (ML) 技术，特别是随机森林 (RF) 模型和基尼均值减少杂质 (MDI) 作为度量，以识别数据集中最有影响力的特征。此过程从时域中提取一组简洁的特征，然后使用频域特征进行扩展。所提出的方法不仅可以有效地捕获高维 GPR 数据中的关键信息，还可以降低其维数，确保保留基本信息。使用这些重要特征而不是复杂的原始 A 扫描数据来训练 ML 和深度学习 (DL) 模型，可以实现更准确的土壤湿度和地下分析。
可自定义的口散胶片-UCL Discovery
这项研究的目的是利用喷墨打印的多功能性来开发柔性剂量的药物载荷胶片，这些薄膜以数据矩阵模式编码信息，并引入专门针对医疗部门的专业数据矩阵生成器软件。pharma-inks（载有药物的油墨）氢化可的松（HC）是根据其流变特性和药物含量来进行表征的。研究了不同的策略以改善HC溶解度：形成β-环糖化蛋白复合物，基于soluplus®的胶束和使用共溶性系统的策略。软件会自动调整数据矩阵大小并确定要打印的层数。HC含量，发现使用的共溶剂的比例直接影响了药物溶解度，并同时在修饰墨水的粘度和表面张力方面发挥了作用。β-环糊精复合物的形成改善了沉积在每一层中的药物数量。相反，基于胶束的油墨不适合打印。成功准备了含有灵活和低剂量的个性化HC的胶片，并且开发了针对医疗使用的代码生成器软件的开发，为个性化医学安全和可访问性提供了额外的，创新的和革命性的优势。
GASE和INSE转变后金属葡萄球源层的拉曼光谱石墨烯和相关材料的拉曼光谱
单层石墨烯（SLG）（Novoselov等，2004）可以使用显微镜（如果放置在Si+SiO 2厚度100 nm或300 nm上）（Casiraghi等，2007a）。SIO 2层充当光的腔，并根据其厚度导致建设性或破坏性干扰（Casiraghi等，2007a）。图1显示了计算出的光学对比度作为激光波长和SIO 2厚度的函数，对比度最大值在100和300 nm厚度，对于450至600 nm之间的常用激光波长。虽然通过光学对比进行成像可以使其厚度有一个了解，但它不足以获取更多的定量信息，例如掺杂，混乱，应变等。拉曼光谱镜通常是一种强大的特征技术，通常是碳，范围从富勒烯，纳米管，石墨碳到无定形和类似钻石的碳（Ferrari and Robertson，2000; Tuinsstra and Koenig and Koenig，1970; 1970; Fresselhaus et al。在石墨烯中，拉曼光谱现在可以通常用于提取层n的层数，以估计掺杂和应变的类型和数量，以及检查石墨烯的质量，因为这种光谱技术对缺陷也很敏感（Ferrari和Basko，2013年）。
在 COVID-19 传播的防护范围内：基于中性 RGB 和深度迁移学习的口罩检测模型。
摘要：2020 年，COVID-19 的迅速蔓延迫使世界卫生组织 (WHO) 宣布 COVID-19 为全球大流行病。根据世卫组织的说法，预防此类病毒的对策之一是在公共场所佩戴口罩。本文提出了一种基于中性 RGB 和深度迁移学习提取特征的口罩检测模型。建议的模型分为三个步骤，第一步是转换到中性 RGB 域。这项工作被认为是将中性 RGB 转换应用于图像域的首次尝试之一，因为它通常用于灰度图像的转换。第二步是使用层数较少的 Alexnet 进行特征提取。第三步使用两种传统的机器学习算法创建检测模型：决策树分类器和支持向量机 (SVM)。将模拟口罩人脸数据集（SMF）与真实口罩人脸数据集（RMF）合并为一个包含两个类别（戴口罩人脸、不戴口罩人脸）的数据集，实验结果表明，真（T）中性域的SVM分类器测试准确率最高，为98.37%。
周边层对拉伸力学性能的影响...
增材制造已成为全球经济的重要组成部分，它彻底改变了制造工艺、增强了机械部件并解决了提高生产率等当前行业挑战。本研究探讨了 3D 打印 Onyx 的抗拉强度和刚度，重点研究了打印周边层的影响。结果表明，增加周边层可通过加厚外壁和改善应力分布来提高抗拉强度。实验表明，2 到 15 层之间的改进不超过 20%，并且周边层对韧性没有影响。此外，一旦有足够的周边层，内部填充模式和密度会在整体强度中发挥更重要的作用。两层通常足以确保凝聚力、最大限度地减少变形并防止微裂纹扩展。Onyx 的尼龙基质和碳纤维通过缓解周边层和内层之间的过渡区的应力集中进一步提高了耐久性。然而，超过某一点后，增加层数带来的收益就会递减，主要是增加材料消耗，而强度却没有显著提高。这些发现支持未来研究剪切强度和抗冲击性等附加性能，同时平衡性能、材料使用和可持续性。