XiaoMi-AI文件搜索系统
World File Search System插层
LSTM 与Informer 融合预测冠层区域温度
摘 要： 针对传统温度预测方法难以充分捕捉多尺度信息，导致模型预测性能不佳等问题，该研究提出了一种基于 Informer 架构和长短时记忆网络（ long short-term memory, LSTM ）与多源数据融合的冠层区域温度预测模型。在编码层 中，采用稀疏注意力机制提取输入因子的多尺度信息及其与长时序数据之间的耦合关系；在解码层中，利用 LSTM 提取 短期时序依赖，以增强时间序列的连贯性，同时引入改进的反向残差前馈网络（ improved residual feedforward network, IRFFN ）以优化模型结构。首先采用孤立森林法对数据进行异常值清理，并进行了归一化处理；然后使用斯皮尔曼相关 系数法对冠层区域温度进行相关性分析，并选择相关程度较高的环境因子作为模型的输入特征；最终通过网格搜索法对 超参数进行优化，并通过迭代训练实现模型的最优配置。通过与其他 4 种主流算法进行对比分析，提出的 Informer- LSTM 在冠层区域温度预测方面表现出更高的精度，其平均绝对误差（ mean absolute error, MAE ）、均方根误差（ root mean square error, RMSE ）和决定系数（ R 2 ）分别达到了 0.166 、 0.224 ℃和 97.8% ，与基础模型 Informer 相比，冠层区 域温度的预测精度提高了 32.36% 。该模型在时间序列预测方面具有较高的精度，为区域气象温度的中短期精准预测提 供了一种新的技术方法。 关键词： 冠层 ； 温度 ； 非线性时间序列 ； 长短期记忆神经网络 ； Informer doi ： 10.11975/j.issn.1002-6819.202409001 中图分类号： TP18 ； S165 文献标志码： A 文章编号： 1002-6819(2025)-07-0001-11
碘插层 HfS2 的激子发光
1 华沙大学物理学院实验物理研究所，ul. Pasteura 5, 02-093 Warszawa，波兰 2 弗罗茨瓦夫理工大学技术基础问题学院半导体材料工程系，Wybrze _ ze Wyspia nskiego 27, 50-370 Wrocław，波兰 3 华沙大学化学学院电化学实验室，ul. Pasteura 1, 02-093 Warszawa，波兰 4 北京航空航天大学微电子学院合肥创新研究院，合肥 230013，中国 5 巴塞罗那地球科学中心 (GEO3BCN)，CSIC，Llu ıs Sol ei Sabar ıs sn，加泰罗尼亚，08028 巴塞罗那，西班牙 6 弗罗茨瓦夫理工大学实验物理系，Wybrze _ ze Wyspia nskiego 27，50-370 弗罗茨瓦夫，波兰
拓扑层结构中的光学双稳态及其在光神经网络中的应用*
材料Sio 2。在拓扑模式下，电场高度局部位于分层结构的反转中心（也称为界面），并成倍地衰减到批量上。因此，当从战略上引入非线性介电常数时，出现了非线性现象，例如Biscable状态。有限元数值模拟表明，当层周期为5时，最佳双态状态出现，阈值左右左右。受益于拓扑特征，当将随机扰动引入层厚度和折射率时，这种双重状态仍然存在。最后，我们将双态状态应用于光子神经网络。双态函数在各种学习任务中显示出类似于经典激活函数relu和Sigmoid的预测精度。这些结果提供了一种新的方法，可以将拓扑分层结构从拓扑分层结构中插入光子神经网络中。
热力学插值
摘要：使用归一化的流和重新加权，Boltzmann发电机可以从玻尔兹曼分布中启用平衡采样，该分布由能量函数和热力学状态定义。在这项工作中，我们引入了热力学插值（TI），该插值允许以可控制的方式生成采样统计。我们引入了直接在环境配置空间中工作的Ti风味，在不同的热力学状态或通过潜在的，正态分布的参考状态绘制。我们的环境空间方法允许规范任意目标温度，从而确保训练集的温度范围内的普遍性，并证明了外推的潜力。我们验证了TI对表现标准化和非平凡温度依赖性的模型系统的有效性。最后，我们演示了如何通过各种自由能扰动方法组合基于Ti的采样来估计自由能差，并提供相应的近似动力学速率，通过发电机扩展动态模式分解（GEDMD）估计。■简介
硅烯插层引起外延双层石墨烯中相当大的带隙
摘要：在双层石墨烯 (BLG) 中打开带隙对于石墨烯基电子和光子器件的潜在应用具有重要意义。本文，我们报告了通过在 BLG 和 Ru 衬底之间插入硅烯在 BLG 中产生相当大的带隙。我们首先在 Ru(0001) 上生长高质量的 Bernal 堆叠 BLG，然后将硅烯插入 BLG 和 Ru 之间的界面，这通过低能电子衍射和扫描隧道显微镜得到证实。拉曼光谱显示，插入的 BLG 的 G 和 2D 峰恢复到独立 BLG 特征。角分辨光电子能谱测量表明，BLG 中打开了约 0.2 eV 的带隙。密度泛函理论计算表明，大带隙打开是 BLG 中掺杂和波纹/应变共同作用的结果。这项工作为 BLG 中带隙打开的机制提供了深刻的理解，并增强了基于石墨烯的器件开发的潜力。关键词：双层石墨烯、带隙、协同机制、插层、硅烯 ■ 介绍
![通过硅烷化和乙烯基插层 Peterson 消除反应将碳酸乙烯酯调节为 [4 + 2] 环加成反应](/simg/g:\will\search\icon\source\7\76d43e7d74495a79891072f0d921afa99b62f2c9.webp)
通过硅烷化和乙烯基插层 Peterson 消除反应将碳酸乙烯酯调节为 [4 + 2] 环加成反应
与各种亲电伙伴进行环加成反应，5 Zhao 等人和 Glorius 等人独立报道了[5 + 4] 环加成反应，以合成不同大小的高度功能化的环。6a、b Glorius 等人随后通过协同 N-杂环卡宾有机催化和钯催化，实现了乙烯基碳酸亚乙酯与烯醛的首次对映选择性[5 + 2] 环化反应，6c 而 Liang 等人报道了配体控制的乙烯基碳酸亚乙酯与萘酚之间的[3 + 2] 和[3 + 3] 环加成反应。7 尽管进行了这些广泛的研究，但我们不知道有关乙烯基碳酸亚乙酯[4 + n] 环加成反应的报道。 [4 + n] 环加成反应，尤其是 [4 + 2] 环加成反应，在合成有机化学中起着关键作用，因为它们可以快速生成具有挑战性但具有合成价值的环状化合物
人工智能不插电：为对话式人工智能夏令营设计不插电活动
随着 Siri 和 Alexa 等对话式 AI 应用在儿童中变得无处不在，CS 教育界已开始利用这种流行度作为吸引年轻学习者学习 AI、CS 和 STEM 的潜在机会。然而，向 K-12 学习者教授对话式 AI 仍然具有挑战性且尚未得到探索，部分原因是某些对话式 AI 概念（例如意图和训练短语）具有抽象性和复杂性。一种以引人入胜的方式教授复杂主题的有前途的方法是通过非插电活动，事实证明，这种方法在不使用计算机的情况下非常有效地促进 CS 概念理解。目前正在研究开发用于教授 AI 的非插电活动，但迄今为止很少有研究关注对话式 AI。本经验报告描述了针对中学生的对话式 AI 夏令营的一系列新颖的非插电活动的设计和迭代改进。我们讨论了学习者的反应以及通过实施这些非插电活动获得的经验教训。我们希望这些见解能够支持 CS 教育研究人员使对话式 AI 学习更具吸引力并让所有学习者都能接受。
