XiaoMi-AI文件搜索系统
World File Search System排序
全纤维动态可重新配置轨道角动量模式排序
摘要：在许多应用中广泛探索了轨道角动量（OAM）光的空间自由度，包括电信，量子信息和基于光的微型消除。能够分离和区分不同横向空间模式的能力称为模式排序或模式消除，并且在此类应用程序中恢复编码的信息至关重要。理想的D模式分散器应该能够忠实地区分不同的D空间模式，具有最小的损失，并具有D输出和快速响应时间。所有以前的模式分子都依赖于散装的光学元素，例如空间光调节器，如果要与光纤系统集成在一起，它们将无法快速调整，并且会造成其他损失。在这里，我们提出并在实验上证明了我们的最佳知识，这是使用超快动态可重构性的第一种全纤维模式分类的全纤维方法。我们的方案首先分解了OAM模式内纤维线性偏振（LP）模式，然后经过对照法规的重组以确定拓扑电荷，从而正确对OAM模式进行了分类。此外，我们的设置也可用于执行OAM模式的超快路由。这些结果显示了一种新颖的光纤形式的光空间模式排序，可以很容易地用于经典和量子信息处理中的许多新应用。关键字：轨道角动量，光子灯笼，光纤，空间除法■简介
SiGe 上的三维自排序多层 Ge 纳米点
采用减压化学气相沉积法在 Si 0.4 Ge 0.6 虚拟衬底（VS）上循环外延生长 Ge/SiGe 超晶格，制备了三维（3D）自有序 Ge 纳米点。Ge 纳米点采用 Stranski-Krastanov 机理形成。通过 Ge/SiGe 超晶格沉积，分别获得了沿垂直和横向的点上点排列和〈100〉排列。研究了 Ge 纳米点的刻面和生长机制以及排列的关键因素。观察到两种类型的 Ge 纳米点：由 {105} 面组成的类金刚石纳米点和由 {113} 和 {519} 或 {15 3 23} 面组成的圆顶状纳米点。Ge 纳米点倾向于直接在前一周期的纳米点上方生长，因为这些区域表现出由埋藏的纳米点引起的相对较高的拉伸应变。因此，这种点对点对准对 SiGe 间隔层厚度很敏感，并且当 SiGe 间隔层变厚时，这种对准会变差。由于超晶格和 VS 之间的应变平衡，SiGe 间隔层中 45% 至 52% 的 Ge 含量会影响 Ge 纳米点的横向对准和尺寸均匀性。通过保持应变平衡，可以改善 3D 对准 Ge 纳米点的排序。© 2023 作者。由 IOP Publishing Limited 代表电化学学会出版。这是一篇开放获取的文章，根据知识共享署名 4.0 许可条款分发（CC BY，http://creativecommons.org/licenses/ by/4.0/ ），允许在任何媒体中不受限制地重复使用作品，前提是对原始作品进行适当引用。[DOI：10.1149/ 2162-8777/acce06 ]
铂基纳米合金化学排序趋势
摘要 合金纳米粒子是基础研究的一个非常有趣的课题，同时在工业催化、微电子、传感器和医学方面也有很多有用的应用。它们的性质取决于原子和化学结构，而原子和化学结构一直是深入研究的主题。本文介绍了 Pt 基纳米系统化学排序和表面偏析的一些理论预测趋势，尤其是过渡金属和贵金属，它们的催化、磁性和光学性质众所周知。通过将两种不同的金属结合，可以提高催化的选择性，或增加磁系统中的磁各向异性，或调节光吸收中的表面等离子体共振，但问题是这两种物质将如何混合或分离，以及它们将如何分布在纳米粒子的表面和核心中。本文将从原子模拟中获得一些关于 Pt-X、X=Co、Pd 或 Ag 系统的一般概述。它将纳米合金所采用的化学结构与系统的化学特性（就块状合金中的有序趋势和表面合金中的表面偏析而言）联系起来。
按能量对双环有符号有向图进行排序
有符号有向图 (或简称 sidigraph) 由一对 S = ( D , σ ) 组成，其中 D = ( V , A ) 为基础有向图，σ : A →{ 1 , − 1 } 是有符号函数。带有 +1 ( − 1) 符号的弧称为 S 的正 (负) 弧。一般而言，S 的弧称为有符号弧。sidigraph 的符号定义为其弧符号的乘积。如果 sidigraph 的符号为正 (负)，则称其为正 (负)。如果 sidigraph 的所有弧均为正 (负)，则称其为全正 (全负)。如果 sidigraph 的每个环均为正，则称其为环平衡的，否则为非环平衡的。在本文中，我们假设环平衡（非环平衡）环为正（负）环，并用 C + n（C − n）表示，其中 n 是顶点数。对于有向图，我们用 uv 表示从顶点 u 到顶点 v 的弧。顶点集 { vi | i = 1 , 2 , ... , n } 和有符号弧集 { vivi + 1 | i = 1 , 2 , ... , n − 1 } 组成有向路径 P n 。顶点集 { vi | i = 1 , 2 , ... , n } 和有符号弧集 { vivi + 1 | i = 1 , 2 , ... , n − 1 } 组成有向路径 P n 。 , n − 1 } ∪{ vnv 1 } 组成一个有向圈 C n 。如果 sidigraph 的底层图是连通的，则该 sidigraph 是连通的。如果连通的 sidigraph 包含唯一的单个有向圈，则它是单环 sidigraph。如果连通的 sidigraph 恰好包含两个单个有向圈，则它是双环 sidigraph。我们考虑具有 n ( n ≥ 4) 个顶点的双环有符号有向图类 S n ，它的两个有符号有向偶圈是顶点不相交的。对于 sidigraph S = ( D , σ )，如果它有一条从 u 到 v 的有向路径和一条从 v 到 u 的有向路径，其中 ∀ u , v ∈V ，那么它是强连通的。S 的最大强连通子图称为 sidigraph S 的强组件。
疫苗优先排序的经济框架 - Eric Budish
∗ R ⃝ 符号表示作者姓名经过认证的随机顺序，如 Ray R ⃝ Robson (2018) 所述。作者感谢 Susan Athey、P´eter Bir´o、Matthew Cortland、Glenn Ellison、Ezekiel Emanuel、Simon Finster、Drew Fu- denberg、Navid Ghaffarzadegan、Gregg Gonsalves、Anup Malani、Paul Milgrom、Romans Pancs、Parag Pathak、Canice Prendergast、Hazhir Rahmandad、Alvin Roth、Tayfun S¨onmez、Alex Tabarrok、Nikhil Vellodi、Robert Wilson、编辑 (Robert Barro)、多位审稿人以及众多研讨会和会议听众的深刻对话和评论，并感谢 Xiaoyun Qiu 提供的出色研究协助。Akbarpour、Dworczak 和 Kominers 衷心感谢华盛顿公平增长中心的支持。 Akbarpour 非常感谢 Alfred P. Sloan 奖学金的支持。Dworczak 非常感谢欧盟在 ERC 启动基金 IMD-101040122 下提供的支持。但本文表达的观点和意见仅代表作者本人，并不一定反映欧盟或欧洲研究理事会的观点和意见。欧盟和授权机构均不对此负责。本文摘要发表于第 23 届 ACM 经济与计算会议论文集。
凝胶电泳：排序并参见DNA前类活动
21,226 23,130 16,841 19,329 18,170 19,044 7,421 9,416 7,233 16,380 14,083 12,434 5,804 6,557 6,770 4,572 7,054 7,888 5,643 4,361 6,527 4,254 4,641 6,995 4.878 2.322 5.626 3.965 4.55 $ 3.530 2.527 5,527 564 5660 1860
机器学习支持的化学短程原子排序断层扫描成像
在固体中，化学短程有序 (CSRO) 是指某些物种的原子占据特定晶体位置的自组织。CSRO 越来越多地被视为一种调整材料机械和功能特性的杠杆。然而，CSRO 域的性质与形态、数密度和原子配置之间的定量关系仍然难以捉摸。本文展示了机器学习增强原子探针断层扫描 (APT) 如何挖掘近原子分辨的 APT 数据，并联合利用该技术的高元素灵敏度来提供 CoCrNi 中熵合金中 CSRO 的 3D 定量分析。揭示了多种 CSRO 配置，其形成得到了最先进的蒙特卡罗模拟的支持。对这些 CSRO 进行定量分析可以建立处理参数和物理特性之间的关系。CSRO 的明确表征将有助于通过操纵原子级架构来完善设计先进材料的策略。