XiaoMi-AI文件搜索系统
World File Search System微观结构
职称：薄膜生长过程中的基本（原子）机制和微观结构演变；耐辐射材料的纳米工程
上下文。薄膜和涂层广泛应用于各种技术应用，如微电子、封装或光学。它们在沉积过程中通常会产生高残余应力，有时压缩应力约为几 GPa。如此大的压缩应力可能导致屈曲结构的成核和生长，这通常会导致最初赋予此类薄膜/基材复合材料的功能特性的丧失。因此，我们研究的目的是通过确定相关参数来防止、限制或控制屈曲现象的发生，从而更好地理解屈曲现象。过去，我们的研究主要集中于基材的弹性和塑性的影响、特定起泡结构作为所考虑薄膜机械性能的函数的观察、施加在起泡结构上的外部压力问题、弹性理论框架在观察到塑性褶皱时理解屈曲的局限性、二维材料（如石墨烯）的起泡结构由于其最终厚度而存在争议等。我们现在想将注意力集中在薄膜/基材的粘附性能上，这控制着界面裂纹的扩展，并最终控制起泡结构的生长。最近的实验观察突出了在固定机械应力/载荷下起泡的增长，表明粘附性随时间发生显著变化。例如，图 1 显示了一个圆形水泡（Si 晶片上厚度为 60 nm 的 Au），其中有无数连续的塑性褶皱，这是其生长动力学的标志。
人类发育中皮质微观结构的MRI特征与少突胶质细胞型表达
关键字：青春期，扩散MRI，神经发育，微结构，髓鞘，转录组学缩写：A1C，主要听觉皮层； AIC，Akaike信息标准； CSEA，细胞特异性表达分析，DLPFC，背外侧前额叶皮层； FDR，错误发现率； f细胞外，细胞外信号分数； f神经突信号分数； f soma，soma信号分数； V IC，细胞内体积分数； IPC，下顶皮层； ITC，下颞皮质； M1，一级运动皮层； MD，平均扩散率； MFC，内侧额叶皮层； MRI，磁共振成像； mRNA-SEQ，mRNA测序； NODDI，神经突导向分散和密度成像； ODI，方向分散指数； OFC，眶额皮质； OPC，少突胶质细胞前体细胞； RIN，RNA完整性数； RNA-seq，RNA测序； ROI，利益区域； rpkm，每千瓦的读数为每百万映射的读数； S1，主要感觉皮质； Sandi，Soma和神经突密度成像； STC，上等颞皮层； V1，主要视觉皮层； VLPFC，腹外侧前额叶皮层。
通过碳纤维内生长的金属有机框架来调节微观结构和组成，以增强电磁
1个国家关键实验室的结构分析，优化和CAE软件的工业设备软件； National Engineering Research Center for Advanced Polymer Processing Technology , Zhengzhou University , Zhengzhou 450002 , China 2 China State Key Laboratory of Powder Metallurgy , Central South University , Changsha 410000 , China 3 School of Electronic Engineering , North China University of Water Resources and Electric Power , Zhengzhou 450046 , China 4 Complex Conditions of High-end Tire Technology Innovation Center , Shuguang Rubber Industry Research & Design Institute Co.，Ltd，Guilin 541004，中国5综合复合材料实验室，机械与土木工程系，诺森比亚大学，纽卡斯尔，纽卡斯尔，NE1 8st，英国第8届，英国6号，台风大学，台机科学学院，box 11099，TAIF 21944，沙特阿拉伯7 Shaanxi大分子科学与技术的主要实验室，化学与化学工程学院，西北理工大学，西北理工大学，西北710072，710072，中国化学和科学系，北中国北部科学系，北中国科学系，北中国。纳斯尔市Al-Azhar大学11884，开罗，埃及
开发了氮化铝和Cu – P – Sn – Ni合金之间的界面微观结构，用于不同的初始钛层厚度
与5μm厚的Ti层之间的650°C和950°C之间的键合1小时如图6。在BSE图像中显示的ALN层中的灰色区域。6（b）和6（d）是yttria。NBD模式是从相应TEM图像中以黄色圆圈的区域获取的。可以看出，随着加热温度从650°C上升到750°C，由于Cu – Ti IMC层的生长，残留的Ti层消失了。另外，可以看出，Cu – Ti IMC的层消失，并且在850°C或更高的ALN界面处形成一个明显的界面反应层。这些界面反应层的厚度，从图。6，在850°C下为≈0.5μm，在950°C下为≈1μm，
通过SAM和域知识彻底改变合金微观结构的细分，而无需额外培训
基本模型，在大规模数据集中培训并使用创新学习方法适应了新数据，已彻底改变了各个领域。在材料科学中，微观结构分割在理解合金特性中起关键作用。但是，常规的监督建模算法通常需要大量注释和复杂的优化程序。分割的任何模型（SAM）介绍了一个新的视角。通过将SAM与域知识相结合，我们提出了一种用于合金图像分割的新型广义算法。该算法可以处理各种合金系统的图像批处理，而无需训练或注释。此外，它可以达到与监督模型相当的分割精度，并在各种合金图像中稳健地处理复杂的相位分布，无论数据量如何。
英国生物库中普通精神病和阿尔茨海默氏病的独特纵向脑白质微观结构变化和相关的多基因风险
抽象背景：在成年和衰老过程中，白质（WM）结构和组织的特征是缓慢的退化过程，例如脱髓鞘和收缩。此类衰老过程的加速与一系列疾病的发展有关。因此，对健康大脑成熟的准确描述，尤其是在WM特征方面，是对衰老的理解至关重要的。方法：我们使用纵向扩散磁共振成像来概述在英国生物银行（UKB）的不同空间和时间尺度上的WM变化（n = 2678;年龄扫描1 = 62.38 6 7.23年7 7.23岁；年龄扫描；年龄扫描2 = 64.81 6 7.1岁）。为了检查WM结构与常见临床状况之间的遗传重叠，我们测试了WM结构和多基因风险评分之间最常见的神经退行性疾病，阿尔茨海默氏病以及常见的精神疾病以及常见的精神疾病（单相动和双极抑郁症，焦虑症，焦虑症，强迫性疾病，远距离症状，远程疾病，跨性别障碍，远程症状），这种疾病，跨性别障碍，延长了这种疾病，跨性别障碍，远程症状，跨性别障碍，跨性别障碍，延长了这种疾病。 n = 2329）和横截面（n = 31,056）UKB验证数据。结果：我们的发现表明大脑之间的空间分布WM变化以及与WM的多基因风险评分分布的关联。重要的是，大脑纵向变化比使用的横截面措施更好地反映了疾病发育的遗传风险，区域差异使对基因脑变化关联的特定见解比全球平均值多。有必要进一步研究与衰老相关的基因 - 脑关联。结论：我们通过在不同的空间水平上提供WM微结构变性的详细概述，扩展了最新发现，有助于理解基本的大脑衰老过程。
通过电弧等离子定向能量沉积制备高性能镍基高温合金 718：沉积后热处理对微观结构和力学性能的影响
a UNIDEMI，机械与工业工程系，里斯本新大学科学技术学院，Caparica 2829-516，葡萄牙 b 智能系统联合实验室，LASI，吉马良斯 4800-058，葡萄牙 c 里约热内卢联邦大学（UFRJ）冶金与材料工程项目，CEP，里约热内卢 RJ 21941-972，巴西 d Helmholtz-Zentrum Hereon，材料物理研究所，Max-Planck-Str. 1，Geesthacht 21502，德国和南京理工大学材料科学与工程学院 Herbert Gleiter 纳米科学研究所，南京 210094，中国 f Institut Pprime，UPR CNRS 3346，材料物理和力学系，ISAE-ENSMA，1 Avenue Cl´ement Ader，BP 40109，Chasseneuil，Futuroscope 86 961，法国 g CENIMAT|i3N，里斯本新大学科学与技术学院材料科学系，卡帕里卡，葡萄牙
粉末熔合金属增材制造工艺中粉末尺寸驱动的简便微观结构控制
© 2024 作者。开放存取。本文根据知识共享署名 4.0 国际许可协议授权，允许以任何媒介或格式使用、共享、改编、分发和复制，只要您给予原作者和来源适当的信任，提供知识共享许可的链接，并指明是否进行了更改。本文中的图像或其他第三方材料包含在文章的知识共享许可中，除非在材料的致谢中另有说明。如果材料未包含在文章的知识共享许可中，并且您的预期用途不被法定法规允许或超出允许用途，则您需要直接从版权所有者处获得许可。要查看此许可证的副本，请访问 http://creativecommons.org/licenses/by/4.0/。
微观结构表征和分析的机器学习
摘要：在当代世界中，创建新颖的纳米材料进行了许多研究，这些材料对于许多行业至关重要，包括电子芯片和云中的存储设备，很少有人提及。同时，出现了用于解决不同行业（例如制造，物理和化学工程）中问题的机器学习（ML）。ML具有通过监督或无监督的手段学习能力来解决许多现实世界中的问题。从最新的状态中推断出，必须使用ML方法来分析纳米材料的图像，从而进一步确定事实，以朝着微观结构和材料的光谱数据进行表征和分析。朝向这一目标，在本文中，我们提出了一种基于ML的方法，用于从纳米材料的STEM图像中进行STEM图像分析和光谱数据分析。我们提出了一种用于STEM图像分析（ML-SIA）的名为机器学习的算法，用于分析纳米材料的茎图像。我们提出了另一种用于STEM图像频谱数据分析的机器学习算法，用于分析纳米材料的STEM图像的光谱数据。我们开发了一个原型ML应用程序来实施算法并评估所提出的方法。实验结果表明，基于ML的方法对于表征纳米材料很有用。因此，这项研究有助于通过人工智能触发物质分析领域的进一步工作来实现这一目标。
高级镁电池阳极的微观结构设计
Metal-Air电池是一种具有独特开放结构的环保储能系统。镁（MG）及其合金已被广泛尝试作为空气电池的阳极。但是，关于MG空气电池（MAB）的研究目前仍处于实验室水平，这主要是由于耐腐蚀性较差引起的低阳极效率。为了减少腐蚀损失并实现MG阳极的最佳利用率效率，从微观结构的角度审查了设计策略。首先，已经讨论了腐蚀行为，尤其是氢进化产生的负差异效应。特别注意阳极微结构对MAB的影响，其中包括晶粒尺寸，晶粒方向，第二阶段，晶体结构，双胞胎和脱位。为了进一步改进，考虑了排放性能，长期堆叠阶阶段及其增强效果。同时，鉴于当前关于MG树突的辩论，潜在的风险，对排放的影响以及消除策略的讨论。微结构控制和单晶将是mAb阳极的有希望的方法。©2024重庆大学。Elsevier B.V.代表KEAI Communications Co. Ltd.这是CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nc-nd/4.0/）下的开放式访问文章。