XiaoMi-AI文件搜索系统
World File Search System检测表
用于晶圆缺陷检测的 AI 机器视觉系统
半导体晶圆加工过程中产生的表面缺陷是微纳米加工面临的主要挑战之一。通常使用光学显微镜扫描晶圆，然后由人类专家检查图像。这往往是一个非常缓慢且令人疲惫的过程。由于可能出现的缺陷种类繁多，开发一种可靠的基于机器视觉的系统来正确识别和分类晶圆缺陷类型以取代人工检查是一项具有挑战性的任务。在这项工作中，我们开发了一种机器视觉系统，用于检查半导体晶圆和检测表面缺陷。该系统集成了光学扫描显微镜系统和基于 Mask R-CNN 架构的 AI 算法。该系统使用具有 MEMS、硅光子学和超导器件的晶圆在不同制造阶段（包括表面缺陷）的显微图像数据集进行训练。所实现的精度和检测速度使该系统有望应用于洁净室。
2023 年优秀论文
使用无人机和计算机视觉对 FAST 反射面进行自动光学检查 五百米口径球面射电望远镜 (FAST) 是世界上最大的单口径射电望远镜。其巨大的反射面实现了前所未有的灵敏度，但容易受到自然落下的物体造成的损坏，例如凹痕和孔洞。因此，及时准确地检测表面缺陷对于 FAST 的稳定运行至关重要。为了加速检查过程并提高其准确性，中国北京理工大学的李建安和徐廷发通过将深度学习技术与无人机技术相结合，迈出了实现 FAST 自动化检查的第一步。配备了深度探测器的专用插件操作，即交叉融合，多级特征逐点融合，以支持对各种规模和类型的缺陷的精确检测。基于人工智能的无人机自动化巡检具有时效性好、可靠性高、可达性强等特点，为FAST的长期运行提供了保障。
测试遗传分子病理学过程
遗传和分子测试/筛查可用于提供有关疾病风险和预防疾病的信息，有助于确认诊断，提供有关疾病预后的信息以及提供信息以帮助治疗决策。肿瘤学中的分子测试可用于诊断实体瘤和血液癌，选择靶向治疗，并监测对治疗的反应。 有针对性的治疗可能需要特定的分子谱分析，该分子谱图确定可能受益于目标疗法的人。 药物的标签可能包括有关选择适当候选药物所需的分子测试的信息。 所有基因检测的请求必须通过基因检测表提交：遗传和分子诊断测试授权请求，并根据计划列出的适当传真号码传真。 包括适用的所有相关临床信息。 该计划使用Medicare和Medicaid服务中心（CMS）和MassHealth的指导，以确定其符合双重产品合格计划成员的确定。 CMS国家承保范围确定（NCD），地方保险确定（LCD），地方覆盖范围文章（LCA）和医疗保险手册中包含的文件和Masshealth医疗必要性确定是覆盖范围确定的基础。 用于塔夫茨的健康高级护理选择和塔夫茨Medicare首选计划成员，使用以下内容：LCD-分子病理学程序（L35000）（CMS.GOV）（CMS.GOV）和文章 - 计费和编码：分子病理学程序（A56199）肿瘤学中的分子测试可用于诊断实体瘤和血液癌，选择靶向治疗，并监测对治疗的反应。有针对性的治疗可能需要特定的分子谱分析，该分子谱图确定可能受益于目标疗法的人。药物的标签可能包括有关选择适当候选药物所需的分子测试的信息。所有基因检测的请求必须通过基因检测表提交：遗传和分子诊断测试授权请求，并根据计划列出的适当传真号码传真。包括适用的所有相关临床信息。该计划使用Medicare和Medicaid服务中心（CMS）和MassHealth的指导，以确定其符合双重产品合格计划成员的确定。CMS国家承保范围确定（NCD），地方保险确定（LCD），地方覆盖范围文章（LCA）和医疗保险手册中包含的文件和Masshealth医疗必要性确定是覆盖范围确定的基础。用于塔夫茨的健康高级护理选择和塔夫茨Medicare首选计划成员，使用以下内容：LCD-分子病理学程序（L35000）（CMS.GOV）（CMS.GOV）和文章 - 计费和编码：分子病理学程序（A56199）
使用频率调制连续波传感对风力涡轮机复合材料进行表征
摘要：风力涡轮机叶片 (WTB) 是由复合多层材料结构组成的关键子系统。WTB 检查是一个复杂且劳动密集型的过程，其失败会给资产所有者带来巨大的能源和经济损失。在本文中，我们提出了一种用于叶片复合材料的新型无损评估方法，该方法采用调频连续波 (FMCW) 雷达、机器人和机器学习 (ML) 分析。我们表明，使用 FMCW 光栅扫描数据，我们的 ML 算法（SVM、BP、决策树和朴素贝叶斯）可以区分不同类型的复合材料，准确率超过 97.5%。SVM 算法的性能最佳，准确率为 94.3%。此外，所提出的方法还可以获得检测表面缺陷的可靠结果：层间孔隙率，总体准确率为 80%。特别是，SVM 分类器的最高准确率达到 92.5% 至 98.9%。我们还展示了检测复合材料 WT 结构中 1 毫米差异的气孔的能力，使用 SVM 的准确率为 94.1%，使用 Naïve Bayes 的准确率为 84.5%。最后，我们创建了物理复合材料样品的数字孪生，以支持 FMCW 数据相对于复合材料样品特性的集成和定性分析。所提出的方法探索了一种用于复合材料非接触表面和地下的新型传感方式，并为开发替代的、更具成本效益的检测方法提供了见解
SOX2，OCT4和NANOG：口服致癌作用中的核心胚胎干细胞多能调节剂
摘要：在这项工作中，使用简单的溶剂热技术制备了UIO-66-NH 2 /GO纳米复合材料，并使用现场发射扫描电子显微镜（FE-SEM），能量分散性的X射线光谱镜（EDS）和X射线散布（X-Ray衍射（XRD）对其结构和形态进行了表征。提出了一种用于检测表蛋白（EP）的增强的电化学传感器，该传感器利用UIO-66-NH 2 /GO纳米复合材料修饰的筛网印刷石墨电极（UIO-66- NH 2 /GO /SPGE）。制备的UIO-66-NH 2 /GO纳米复合材料改善了SPGE对EP的氧化还原反应的电化学性能。在优化的实验条件下，该传感器显示出明显的检测限制（LOD）为0.003 µm，线性动态范围为0.008至200.0 µm，提供了一个高功能的传感EP平台。此外，利用差分脉冲伏安法（DPV）研究了在UIO-66-NH 2 /GO /SPGE表面上研究EP和拓扑替康（TP）（TP）的同时进行电催化的氧化。DPV测量结果表明存在EP和TP的两个明显的氧化峰，峰电势分离为200 mV。最后，在药物注射中，成功使用了UIO-66-NH 2 /GO /SPGE传感器来对EP和TP进行定量分析，从而产生了高度令人满意的结果。
对检测心律不齐的各种深度学习算法的评论
aditi [1]，Gurleen Kaur [2] Student [1]，助理教授[2]计算机科学与工程系Baba Banda Singh Bahadur Bahadur工程学院Fatehgarh Sahib -Punjab。抽象心律不齐是一种以不规则心跳为特征的疾病，如果不治疗，可能会导致严重的健康后果。从心电图信号中检测心律不齐对于及时干预和治疗至关重要。。但是，对ECG信号的手动解释是耗时的，可能会遇到错误。近年来，深度学习技术在心电图信号中自动化心律失常检测表现出了有希望的结果。在本文评论中，我们总结了三项研究，这些研究探讨了对心律失常自动检测的深度学习模型的使用。这些研究采用了卷积神经网络（CNN）和深神经网络（DNN）的不同体系结构将ECG信号分类为心律失常或非心律失常类别。对模型进行了培训和测试，并在公开可用的数据集上进行了测试，并根据准确性，敏感性和特异性对其性能进行了评估。审查的研究表明，使用深度学习技术从心电图信号中自动检测心律不齐的有效性，并具有高精度和敏感性。这些发现对提高心律不齐和治疗的准确性和效率具有重要意义。关键字： - 心律不齐，深度学习，心电图信号，自动检测，卷积神经网络，深神经网络
材料进展 - RSC 出版
半导体 CNT 制成的场效应晶体管 (FET) 的特性。使用等离子体辐射故意向 CNT 中添加缺陷，并通过拉曼光谱确认缺陷（主要是空位）的存在。添加缺陷的 CNT-FET 对 NO 2 的化学电阻响应比具有基线缺陷水平的 CNT-FET 大得多，再次表明缺陷会改善化学电阻响应。大量 CNT 研究调查了晶格缺陷，这里指的是结构缺陷和与 sp 2 键合碳原子完美网络的取代偏差。在 CNT 生长过程中，当一个或多个碳原子被其他元素的原子取代时，可能会发生取代“掺杂”。氮 21,22 和硼 23,24 是最常研究的取代掺杂剂。由于掺杂这两种元素的CNT在电池中表现出良好的储能性能，因此已经开发出可控工艺来按需应用此类掺杂剂。掺杂元素会在CNT结构中产生局部变化25，从而增强纳米管26的表面反应性，因此也可能改善气体传感性能。在已发表的实验中，硼和氮掺杂的双壁和多壁CNT对NH 3 和NO 2 检测表现出了改进的化学电阻灵敏度。26–28结构晶格缺陷（例如空位、双空位和Stone-Wales缺陷）也可能出现在CNT生产过程中29–31，并且已知会改变纳米管的电子特性32,33它们对化学电阻气体传感的灵敏度和选择性影响已被研究19,34，并被发现可以提高CNT在NH 3 、NO 2 和H 2 检测中的性能。
- alf3-passivated-aluminum-mirrors- ...
使用一种新型的基于热力充分的技术作为一种适合这些高级反射器诊断需求的良好工具。热素感光谱已成为一种有力的工具，用于衡量材料光学性质的变化，并同时将光学性质的这些变化与物理和化学性质以及固体中的电子和热传输过程的相关变化相关。25–36疗法的原则依赖于测量由于温度和/或载流子密度的扰动而导致的样品反射率的变化。26,37,38最大程度地实现了热心型测量值，采用了激光泵 - 探针几何形状，其中调制泵激光器会诱导较小的振荡温度升高，而连续波（CW）探测器探针激光器显示反射率。在调制泵频率下的锁定检测可以使探针反射率的变化敏感至δr = 10-6 –6 –10-4。39–42这种检测表面反射率的小分数变化的能力使疗法更多地触觉计量学可行的途径，以检测表面化学，缺陷和结构的小变化，而这种途径可能无法通过传统上传统上采用的表面表征方法来分辨出来。43,44在这项研究中，我们比较椭圆法，X射线Pho- Toelectroscopicy（XPS），拉曼光谱和傅立叶变换红外（FTIR）光谱，如下所述。43,44在这项研究中，我们比较椭圆法，X射线Pho- Toelectroscopicy（XPS），拉曼光谱和傅立叶变换红外（FTIR）光谱，如下所述。此外，作为基于激光的泵 - 探针 - 探测热型光谱镜依赖于聚焦的激光源（通常是基于1/e 2个点尺寸的单位数字微米的顺序），这类测量还提供了出色的反射率空间分辨率，45-49
DOWSIL™ ME-1030 粘合剂透明技术数据表
杂质（Cl-）ppm < 1.5 描述 陶氏有机硅微电子胶粘剂产品旨在满足微电子和光电子封装行业的关键标准，包括高纯度、防潮性以及热稳定性和电稳定性。陶氏有机硅微电子胶粘剂产品具有出色的应力消除和高温稳定性，可出色地无需底漆粘附于各种基材和部件。这些产品非常适合需要低模量材料的微电子设备、无铅焊料回流温度（260°C）或其他高可靠性应用。这些材料具有湿式分配和预固化薄膜产品形式，可满足设备封装应用的广泛需求。陶氏有机硅微电子胶粘剂产品以方便的单组分材料形式提供，具有针对导电性、电绝缘性或导热性开发的特定配方，所有这些都通过热固化而不会产生副产品。表面准备 所有表面都应使用 DOWSIL™ OS 液体、石脑油、矿物油或甲基乙基酮 (MEK) 等溶剂彻底清洁和/或除油。建议尽可能进行轻微表面打磨，因为这样可以促进良好的清洁并增加粘合表面积。最后用丙酮或 IPA 擦拭表面也有助于去除其他清洁方法可能留下的残留物。在某些表面上，不同的清洁技术会比其他技术产生更好的效果。用户应确定最适合其应用的技术。 基材测试 由于基材类型多样且基材表面条件不同，因此无法对粘合强度和粘合强度做出一般性陈述。为了确保在特定基材上的最大粘合强度，需要使粘合剂在搭接剪切中 100% 内聚破坏或具有类似的粘合强度。这可确保粘合剂与所考虑的基材兼容。此外，此测试可用于确定最短固化时间或检测表面污染物（如脱模剂、油、油脂和氧化膜）的存在。