XiaoMi-AI文件搜索系统
World File Search System梯阶
带贴片的毫米波零阶谐振天线... - DR-NTU
摘要：设计并制作了一种基于复合右手-左手 (CRLH) 原理的小型零阶谐振天线，在 30 GHz 下无需金属通孔即可实现贴片状辐射。将两个 CRLH 结构的镜像连接起来以设计无通孔天线。研究了等效电路、参数提取和色散图，以分析 CRLH 天线的特性。制作了天线并通过实验验证。测得的天线在 30 GHz 下的实际增益为 5.35 dBi。设计的天线在 10 GHz 带宽内没有杂散谐振。利用所提出的 CRLH 天线和 Butler 矩阵设计了一个无源波束形成阵列。采用基板集成波导来实现 Butler 矩阵。CRLH 天线连接到 4×4 Butler 矩阵的四个输出。对于馈送 CRLH 天线的 4×4 Butler 矩阵，从端口 1 到端口 4 的激励，扫描角度分别为 12 ◦、−68 ◦、64 ◦ 和 −11 ◦。
使用p-d，i-tord阶的汽车纵向速度控制...- ijrpr
Tejado等人，2011年指出，需要准确的控制器以确保在导航期间安全。他们着重于设计用于雪铁龙自动型原型的低速控制的分数PI控制器的实现。他们得出结论，测试显示了提出的控制器的有效性[1]。Cohring，2012年为德国自动驾驶汽车提供了实时控制器体系结构。他描述了一种算法，证明了其在柏林茂密的城市交通中的适用性[2]。Alonso，Oria，Al-Hadithi和Jimenez，2013年，2013年提出了一个在线自我调整的PID控制器，用于控制车辆，沿着距离和速度在城市交通中典型的速度和速度。他们提出了一种调整技术，以改善不同输入或噪声存在下的鲁棒性[3]。
阶 - disorder相变和离子电导率，LI2B12H12固体电解质
摘要：使用基于范德华校正的密度功能理论（Rev-VDW-DF2函数），使用使用机器学习的原子质势模拟了温度诱导的相变和离子电导率。阶 - 疾病相变的模拟温度，晶格参数，扩散，离子电导率和激活能与实验数据非常吻合。我们对Li 2 B 12 H 12的模拟发现了[B 12 H 12] 2-阴离子的重新定位运动的重要性。在有序的α-相（t <625 K）中，这些阴离子具有明确的方向，而在无序的β-相（t> 625 K）中，它们的方向是随机的。在空缺系统中，观察到其完整的旋转，而在理想的晶体中，阴离子显示有限的vabrational运动，表明没有动态无序的相位过渡的静态性质。使用机器学习间的原子势使我们能够以长（纳秒尺度）分子动力学研究大型系统（> 2000个原子），从头开始质量。关键字：密度功能理论，机器学习间原子潜能，固体电解质，相变，离子电导率
通过基于组件的降阶模型库实现数据驱动的基于物理的数字孪生
这项工作提出了一种方法，将基于组件的降阶模型库与贝叶斯状态估计相结合，以创建数据驱动的基于物理的数字孪生。降阶建模产生的基于物理的计算模型足够可靠，可用于预测数字孪生，同时仍然可以快速评估。与传统的整体模型降阶技术相比，基于组件的方法可以有效地扩展到大型复杂系统，并为快速模型自适应提供灵活且富有表现力的框架——这两者都是数字孪生环境中的关键特性。数据驱动的模型自适应和不确定性量化被表述为贝叶斯状态估计问题，其中传感器数据用于推断模型库中的哪些模型是数字孪生的最佳候选者。通过为 12 英尺翼展无人机开发数字孪生来展示这种方法。离线时，我们构建了一个原始和受损飞机部件库。在线时，我们使用结构传感器数据快速调整基于物理的飞机结构数字孪生。数据驱动的数字孪生使飞机能够根据结构损坏或退化动态地重新规划安全任务。
分数阶薛定谔方程中双曲势的量子信息熵
摘要：本文通过计算位置熵和动量熵，研究了分数阶薛定谔方程（分数阶导数（0 < n ≤ 2））中两个双曲单阱势的 Shannon 信息熵。我们发现，随着分数阶导数 n 的减小，波函数会向原点移动；在分数阶体系中，即当 n 值较小时，位置熵密度局域化程度越来越严重，而动量概率密度非局域化程度越来越高。然后，我们研究了 Beckner Bialynicki-Birula–Mycieslki（BBM）不等式，发现虽然该不等式随着双曲势 U 1 （或 U 2 ）的深度 u 的增加而逐渐减小（或增大），但 Shannon 熵对于不同的深度 u 仍然满足该不等式。最后，我们还进行了 Fisher 熵的计算，发现 Fisher 熵随势阱深度 u 的增加而增大，分数阶导数n减小。
基于定制无序的波导集成宽带光谱仪
光源特性。为了实现便携式传感或片上实验室功能的低成本、稳定的光谱复制，近年来高分辨率片上光谱仪的开发取得了长足进步。传统的片上光谱仪通常基于梯阶光栅[1–3]和阵列波导光栅[2,4–7]，需要精心设计才能满足目标光谱要求。这些器件的光谱分辨率与光路长度成比例，因此占用面积相对较大（≈1-2 cm2）。另一种很有前途的片上宽带光谱仪方法是将微机电系统 (MEMS) 技术与傅里叶变换红外光谱相结合。[8–14] 这些器件通常通过深蚀刻硅制成，因此不适合可见光波长范围内的应用。Mortada 等人介绍了一种不同的基于 MEMS 的架构，利用光在空气中的传播。可以将操作范围扩展到可见光波长，同时在 635 nm 波长下具有中等分辨率。[9]
14C 标记的半胱氨酸和蛋氨酸在草原生产力梯度上的快速微生物吸收和矿化
半胱氨酸 (Cys) 和蛋氨酸 (Met) 对陆地 S 循环至关重要，因为它们是植物营养和微生物生长所需的碳 (C)、氮 (N) 和硫 (S) 来源。然而，土壤微生物预计会争夺这些 S-氨基酸中的 C、N 和 S。我们假设，由于植物的 C 输入较低，植物生产力低的土壤中的微生物竞争会更激烈。在这里，我们将 14 C 标记的 Cys 和 Met 添加到从海拔驱动的原始草地生产力梯度收集的 5 种土壤中，然后我们用离心排水程序在 60 分钟内测量微生物吸收，然后用 NaOH 捕集器在 48 小时内测量随后的矿化。我们的结果表明，Cys 和 Met 都被土壤微生物迅速吸收，半衰期从 0.34 到 2.14 分钟不等，比通过测量 14 CO 2 释放确定的半衰期快一个数量级（或更多）。微生物从土壤溶液中去除 14 C 和随后释放 14 CO 2 之间存在相当大的延迟，这表明草原土壤中 Cys 和 Met 的降解主要通过生物过程发生。土壤微生物对 Cys 和 Met 的吸收主要由高亲和力运输系统 (0.01 – 0.1 mM) 控制，而亲和力较低的运输系统在较高底物浓度 (1 – 100 mM) 下变得更为重要。此外，在生产力较低、海拔较高的地区，Cys 和 Met 的微生物吸收和矿化率下降，这表明有机 N 和 S 的周转以及随后植物吸收的有效性可能受土壤肥力控制。我们得出结论，尽管 Cys 和 Met 可能代表土壤中 DON 和 DOS 库的小部分，但由于它们在草原土壤中的快速周转和补充率，它们对土壤微生物和植物营养的重要性可能被低估了。
描述对 COVID-19 疫苗接种犹豫的分数阶 SIR 模型
a 里卡多·豪尔赫国立卫生研究所，流行病学系，里斯本，1600-609，葡萄牙 b 特拉什奥斯蒙特斯和上杜罗大学（UTAD），数学系，维拉雷亚尔，5000-801，葡萄牙 c 高等技术学院，数学系，里斯本，1049-001，葡萄牙 d 生物统计学和统计生物信息学跨大学研究所，数据科学研究所，哈瑟尔特大学，比利时 e 卫生经济研究和传染病建模中心，疫苗和传染病研究所，安特卫普大学，比利时安特卫普 f 新国立公共卫生学院，公共卫生研究中心，里斯本新大学，葡萄牙
与 Hodgkin-Huxley 模型耦合的神经元-电极接口降阶模型
摘要 – 电极和神经元之间界面的电特性高度依赖于界面几何形状和其他参数。有限元模型在一定程度上可用于研究这些特性。不幸的是，这种模型在计算上非常昂贵。通过简化这些模型，可以减少计算时间。在这项工作中，我们使用基于 Krylov 子空间的模型降阶来简化电极-神经元界面的简化线性化有限元模型。这有助于在系统级耦合到 Hodgkin-Huxley 模型，并大大减少了计算时间。原始有限元模型的精度在很大程度上得以保留。关键词：神经元-电极界面，Hodgkin-Huxley 模型，模型降阶，有限元模型 1. 简介
使用量子傅里叶变换进行相位估计和阶数查找
1 用于相位估计算法的 Kitaev 电路。....................................................................................................................................20 2 实现量子傅里叶变换的电路。....................................................................................................................................23 3 实现相位估计算法的电路。....................................................................................................................................24 4 以一般状态 | ψ ⟩ 作为上寄存器输入的相位估计算法电路。....................................................................................................................................27 5 n = 3 时 α 0 (左) 和 α 1 (右) 的 DTFT 幅度。.................................................... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 10 P ( r = ˆ r ) 的下限 . ...