XiaoMi-AI文件搜索系统
World File Search System新型材料
技术助理 (TA) 招聘广告 - NITK Surathkal
入围候选人将通过电子邮件/电话收到通知并被邀请参加面试。参加面试不会获得任何 TA/DA 报酬。该职位立即可用。面试将于 2023 年 5 月/6 月举行。任命将与项目同时结束，纯属临时任命。选择将基于资格、经验和面试表现。NITK Surathkal 保留拒绝任何或所有申请的权利，无需说明任何理由。项目摘要：由于磨损、腐蚀和氧化导致表面退化，挑战日益增加，发电厂或飞机工业中使用的大多数工程部件都面临性能下降和产品设计寿命降低等问题。对能够一次性解决许多问题的新型材料的需求是当务之急。如果我们谈论锅炉或燃气轮机，涂层需要具有耐高温侵蚀、腐蚀和抗氧化性。这主要是因为解决任何类型的表面退化都无助于应对挑战环境。众所周知，NiAl 合金具有高温性能。然而，关于它们作为热喷涂涂层的应用研究还不够深入，尤其是当 NiAl 用 cBN 和 SiC 等硬质相增强时。NiAl 具有有序的晶体结构、低密度、高熔点、高硬度、高机械强度、耐高温腐蚀和耐磨性
通过破损预导导探测电介质聚合物的电子带结构
电子带结构，尤其是导带尾部处的缺陷状态，主导电子传输和在极高的电场下介电材料的电降解。然而，由于在检测到极高的电场的电传导时，即介电的挑战（即预损伤），介电带中的电子带结构几乎没有得到很好的研究。在这项工作中，通过现场预击传导测量方法探测聚合物电介质纤维的电子带结构，并与太空电荷限制 - 电流光谱分析结合使用。根据聚合物电介质中的特定形态学障碍，观察到具有不同陷阱水平的导带处的缺陷状态的指数分布，实验缺陷态也表明，与密度函数理论的状态密度相关。这项工作中所证明的方法桥接了分子结构确定的电子带结构和宏电导行为，并高度改进了对控制电崩溃的材料特性的高度改进，并为指导现有材料的修改以及对高电气纤维应用的新型材料的探索铺平了一种方式。
罗伊斯行业设施科学家
亨利·罗伊斯学院（Royce）是英国国家研究所，支持高级材料研究和创新。Royce，以确保英国从发现到高级材料的应用加速创新。从可持续和下一代能源材料设计到计算，未来的制造和医学，Royce促进的研究，创新和技术的远见有可能显着影响人们的生活。Royce通过18个开放访问，制造和表征设施的部门间网络支持研究和创新。中间是罗伊斯技术平台，物理蒸气沉积和特征设施（PVDCF）是国家最先进的设施。由罗伊斯（Royce）的550万英镑直接投资资助，包括一套多功能的设备，用于物理蒸气沉积，设备制造和具有厚度的新型材料的表征，范围从微米到单个原子层。PVDC促进了对能源有效材料的研究，用于开发用于学术界和行业研究项目的低功率电子，量子技术和能源收集的金属和绝缘膜。该设施通过为新用户进行了为期两天的培训研讨会，从而引起了对未来项目的行业兴趣。
新型石墨烯基材料作为改进工具...
摘要：通过引入易于使用且成本低廉的新型材料，可以缓解温度和湿度调节这一非常严重的问题，尤其是对于中小型博物馆、美术馆和私人收藏而言。在本研究中，提出了采用创新技术的档案盒作为可用于存储和运输的“智能”盒子，结合了由聚乙烯醇 (PVA) 和氧化石墨烯 (GO) 组成的纳米复合材料。充分讨论了 PVA/GO 结构的合成和使用 SEM、拉曼、AFM、XRD、光学显微镜和轮廓仪的表征。结果表明，复合材料可以作为独立薄膜集成到档案盒中，也可以附着在配件载体上，例如由瓦楞纸板制成的载体。通过以这种方式应用 PVA/GO 膜，即使每天温度波动剧烈，达到 ∆ T = ± 24.1 ◦ C，盒子内部的外部湿度剧烈波动也可以减少 − 87%。此外，这些湿度调节器被作为挥发性有机化合物 (VOC) 吸附剂进行检查，因为已知博物馆中存在甲酸、甲醛、乙酸和乙醛等气体污染物，这些物质会对展示或储存的物品造成损坏。已测量到较高的 VOC 吸附率，其中最高的是甲酸（重量增加 521%）和甲醛（重量增加 223%）。
在材料设计中释放人工智能的力量
摘要：人工智能 (AI) 算法在材料设计中的集成正在彻底改变材料工程领域，因为它们能够预测材料特性、设计具有增强特性的全新材料以及发现超出直觉的新机制。此外，它们可用于推断复杂的设计原理，并比反复试验更快地识别高质量候选材料。从这个角度来看，我们在此描述了这些工具如何加速和丰富具有优化特性的新型材料的发现周期的每个阶段。我们首先概述了材料设计中最先进的 AI 模型，包括机器学习 (ML)、深度学习和材料信息学工具。这些方法能够从大量数据中提取有意义的信息，使研究人员能够发现材料特性、结构和成分中的复杂相关性和模式。接下来，我们将全面概述人工智能驱动的材料设计，并强调其潜在的未来前景。通过利用此类人工智能算法，研究人员可以有效地搜索和分析包含各种材料特性的数据库，从而确定特定应用的有希望的候选材料。这种能力对从药物开发到储能等各个行业都有深远的影响，材料性能至关重要。最终，基于人工智能的方法将彻底改变我们对材料的理解和设计，开启加速创新和进步的新时代。
leichtpro-profiles
摘要重新考虑建筑中使用的材料在建筑行业中至关重要，尤其是在可持续性的背景下。最近，人们对探索新型材料的兴趣越来越浓厚，纤维增强的复合材料成为了一个重要的选择，而生物复合材料则是促进可持续性目标的有希望的。本文介绍了使用Pultrusion技术制造的Leichtpro-Pro纤维的发展，连续的线性生物复合材料。主要的重点是将这些pro文件应用于结构系统作为承载元素，强调理解其机械性能的重要性。特别是原始应用程序涉及活动弯曲结构，因此需要关注材料的弯曲行为。这项研究讨论了开发由天然闪光纤维制成的纯生物复合材料和基于植物树脂系统的优化基质配方的方法。这项研究还概述了使用基于生物的成分的这些生物复合材料的制造过程的优化。结果通过广泛的实验和机械测试证明了材料的机械能力，揭示了31.2 kN的压缩强度和300 MPa的浮动强度，弯曲半径高达2.4 m，表示其适合结构应用。在不同尺度和上下文中的多个系统中应用程序的概念。该产品的多功能性和适应性使其适用于各种规模和主题环境的广泛应用。
TUFF 技术支持的复合材料循环经济
申请人/机构：特拉华大学 - 复合材料中心 技术联系人：Joseph Deitzel 博士；302-831-8175；jdeitzel@udel.edu 团队成员组织：NREL、科罗拉多州立大学、阿科玛、Axiom、Composites Automation 碳纤维复合材料 (CFCs) 回收在美国尚属起步阶段，关键挑战包括 1) 回收纤维和聚合物成分的能力，以及 2) 将回收材料转化为高价值 CFC，同时不造成重大性能损失，从而降低原始能耗和成本。特拉华大学 - 复合材料中心 (UD-CCM) 将与 BOTTLE 联盟成员（包括国家可再生能源实验室 (NREL) 和科罗拉多州立大学 (CSU)）合作应对这些挑战，并开发和演示一种新颖的 CFC 回收工艺。 NREL 和 CSU 将开发纤维/聚合物分离和解聚工艺，UD-CCM 将使用可定制的通用成型原料 (TuFF) 工艺展示回收的不连续纤维成分的 CFC 处理，从而实现完整的性能转换。我们将与行业成员（Arkema、Axiom、Composites Automation (CA)）合作，提供废弃的 CFC，支持材料生产，评估我们的回收工艺，并有机会向商业材料形式和应用过渡。我们的新型材料和工艺解决方案的转型优势在于能够
CHM 151Y：化学：分子科学
II课程概述欢迎参加化学部门的特殊入门课程，为那些喜欢化学并考虑在现场或相关主题的计划的人！在CHM 151年内，我们将强调引导您进入化学研究边界的领域，同时解决重要的基本原理。通过适当的示例，我们将重点关注现代感兴趣的主题，让您知道该领域从几个不同的角度提供了什么。这些包括开发新的特征技术，对社会利益的有机化合物的设计以及高级材料的特性和潜在用途。本课程的第一部分是对有机分子的结构和反应性基本原理的深入研究，以及对有机分子在生物过程中的重要性的介绍。下一节介绍了结构确定方法，以及包括新型材料和催化剂在内的无机元素的特性和用途。最后，最后一部分涵盖了原子分子结构，反应性和能量基础的物理原理，以及从原子光谱到太阳能电池到气候变化的各种应用。我们希望CHM 151Y将超出您的期望。我们在这里支持您的学习，并在您的成功方面都非常投入！我们将感谢您的评论和建议，以便我们可以使本课程尽可能有趣和刺激。确实可以与课程协调员，讲师，实验室协调员和助教的课程协调员完全讨论任何事情。
便携式 fMRI 兼容机器人腕部接口的评估
触觉接口可与功能性磁共振成像 (fMRI) 结合使用，使神经科学家和临床医生能够研究执行任意动态任务所涉及的大脑机制 [1]。新型材料和新技术的应用以及 MR 技术的进步使得机电一体化系统能够部署在 MR 环境中 [2]，[3]，[4]，[5]。具有不同驱动原理和设计配置的 fMRI 兼容触觉接口用于人体运动控制实验，主要用于上肢运动。研究具有多自由度 (DoF) 的运动控制可以提供有关神经系统如何协调涉及多个关节的运动并处理耦合和非线性动力学的重要信息 [6]，[7]。然而，肢体节段之间的动态相互作用通常会引起头部运动，从而导致脑部 MR 图像上的运动伪影 [8]，[9]，[10]。此外，每增加一个 DoF，对运动和肌肉活动的分析就会变得更加复杂。这表明，只有当目标神经过程需要时，才可以研究多关节运动 [11]，[12]。虽然脑成像是观察整个大脑感觉运动控制神经过程的极少数非侵入性窗口之一，但它会产生噪声信号。传统上，由于安全和成本限制，
在碳纳米管上生长钙钛矿量子点用于神经形态光电计算
神经形态计算，又称受脑启发的计算，由于其构建模块能够同时记忆和处理数据，因此能耗较低。[2] 目前，人工神经网络在图像识别、[3] 音频识别、[4] 蛋白质结构揭示和材料发现等复杂的计算机器学习任务中展现出优势。[5] 这些机器学习任务依赖于大量数据和高速数据分析。因此，与传统的冯·诺依曼架构相比，模仿生物大脑基本要素——神经元和突触的受脑启发的计算架构正在成为复杂机器学习任务的计算解决方案。在实现神经形态计算的元器件中，可以作为光电神经形态计算机构建模块的光电子器件需要新型材料来制作电路级和纳米级的器件。碳纳米管 (CNT) 因其优异的机械和电学性能而常用于电子设备。[6] 与以单层或多层膜形式用于设备的二维石墨烯材料不同，一维 CNT 在电路级和纳米级设备应用中具有更好的潜力。作为一种具有高载流子迁移率的电气材料，CNT 用于构建场效应晶体管和计算机。[7] 尽管 CNT（包括多壁 CNT (MWCNT)）具有优异的电学性能，但它们对光的响应较弱，不适合