XiaoMi-AI文件搜索系统
World File Search System深热
基于结构函数理论的微通道冷板热阻研究
[1] 赵学历 , 金尚忠 , 王乐 , 等 . 基于结构函数的 LED 热特 性测试方法 [J]. 光电工程 , 2011, 38(9): 115-118. [2] 张立 , 汪新刚 , 崔福利 . 使用 T3Ster 对宇航电子元器件 内部热特性的测量 [J]. 空间电子技术 , 2011(2): 59-64. [3] MEY G, VERMEERSCH B, BANASZCYK J, et al. Thermal Impedances of Thin Plates[J]. International Journal of Heat and Mass Transfer, 2007, 50: 4457-4460. [4] VASILIS C, PANAGIOTIS C, IONNANIS P, et al. Dy- namic Thermal Analysis of Underground Medium Power Cables Using Thermal Impedance, Time Constant Distri- bution and Structure Function[J]. Applied Thermal Engi- neering, 2013, 60: 256-260. [5] MARCIN J, JEDRZEJ B, BJORN V, et al. Generation of Reduced Dynamic Thermal Models of Electronic Systems from Time Constant Spectra of Transient Temperature Responses[J] Microelectronics Reliability, 2011, 51: 1351-1355. [6] MARCIN J, ZOLTAN S, ANDRZEJ N. Impact of
深度学习与人工智能
不受位置变化的影响。生物控制论，36（4），193-202。 https://doi.org/10.1007/BF 00344251 Goodfellow, I.、Bengio, Y. 和 Courville, A. (2016)。深度学习。麻省理工学院出版社。 （Schmidt、I. Schiffman、Y. Schaefer、A. 化学工程师和仪器仪表（2018）Graves、A.、Wayne、G. 和 Danihelka、I.（2014）。神经图灵机。 arXiv。 Ha, D. 和 Schmidhuber, J. (2018)。世界模特。 arXiv。 https://arxiv.org/abs/1803.10122 Han, K., Wang, Y., Chen, H., Chen, X., Guo, J., Liu, Z., Tang, Y., Xiao, A., Xu, C., Xu, Y., Yang, Z., Zhang, Y., & Tao, D. (2020 年)。关于视觉变压器的调查。 arXiv。 https://arxiv.org/abs/2012.12556 Higgins, I., Amos, D., Pfau, D., Racaniere, S., Matthey, L., Rezende, D., 和 Lerchner, A. (2018)。迈向解开表征的定义。 arXiv。 https://archiv. org/abs/1812.02230 美国国立卫生研究院（AI）（2020 年）。 2020 年人工智能市场：5 年历史的人工智能创新和 5 年历史的临床试验 LeCun, Y., Bengio, Y., & Hinton, G. (2015 年)。深度学习。自然，521，436-444。 http://dx.doi.org/10.1038/nature 14539 Mansimov, E., Parisotto, E., Ba, JL 和 Salakhutdinov, R. (2015)。利用注意力机制根据标题生成图像。 arXiv。 https://archiv.org/abs/1511.02793 纽约（2015 年）。 我的一位朋友是角川家族的成员（2016年）（2016年）。 http://dx.doi.org/10.1037/0033-295X.101.1.13 McCulloch, WS 和 Pitts, W. (1943)。神经活动中蕴含的观念的逻辑演算。数学生物物理公报，5（4），115-133。 https://doi.org/10.1007/BF02478259 Nakkiran, P.、Kaplun, G.、Bansal, Y.、Yang, T.、Barak, B. 和 Sutskever, I. (2019)。深度双重下降：更大的模型和更多的数据会带来危害。 arXiv。 https://arxiv.org/abs/ 1912.02292 Perez, J.、Marinkovic, J. 和 Barcelo, P.（2019 年 5 月 6-9 日）。论现代神经网络架构的图灵完备性。 ICLR 2019：第七届学习表征国际会议。路易斯安那州新奥尔良。美国。 Radford , A.、Kim , JW、Hallacy , C.、Ramesh , A.、Goh , G.、Agarwal , S.、Sastry , G.、Askell , A.、Mishkin , P.、Clark , J.、Krueger , G. 和 Sutskever , I. (2021)。从自然语言监督中学习可转移的视觉模型。 arXiv。 https://arxiv.org/abs/2103.00020 Ramachandran, P., Zoph, B., 和 Le, QV (2017)。寻找激活函数。 arXiv。 https://arxiv.org/abs/ 1710.05941 Razavi, A., van the Word, A. 和 Vinyals, O. (2019)。使用 VQ-VAE-2 生成各种高保真图像arXiv。 https://arxiv.org/abs/1906.00446 Reed, S.、Akata, Z.、Yan, X.、Logeswaran, L.、Schiele, B. 和。
基于分子动力学的氮化镓/石墨烯/ 金刚石界面热导研究*
设备，采用非平衡分子动力学方法来研究工作温度，界面大小，缺陷密度和缺陷类型对氮化碳/石墨烯/钻石异种结构的界面导热率的影响。此外，计算各种条件下的声子状态密度和声子参与率，以分析界面热传导机制。结果表明，界面热电导随温度升高而增加，突出了异质性固有的自我调节热量耗散能力。随着温度从100升的增加，单层石墨烯结构的界面热电导增加了2.1倍。这归因于随着温度升高的重叠因子的增加，从而增强了界面之间的声子耦合，从而导致界面导热率增加。此外，在研究中发现，增加氮化岩和石墨烯的层数会导致界面热电导量减少。当氮化壳层的数量从10增加到26时，界面的导热率降低了75％。随着层数增加而减小的重叠因子归因于接口之间的声子振动的匹配减少，从而导致较低的热传递效率。同样，当石墨烯层的数量从1增加到5时，界面热电导率降低了74％。石墨烯层的增加导致低频声子减少，从而降低了界面的导热率。此外，多层石墨烯可增强声子定位，加剧了界面导热的降低。发现引入四种类型的空缺缺陷会影响界面的导电电导。钻石碳原子缺陷导致其界面导热率增加，而镀凝剂，氮和石墨烯碳原子的缺陷导致其界面导热降低。随着缺陷浓度从0增加到10％，由于缺陷散射，钻石碳原子缺陷增加了界面热电导率，增加了40％，这增加了低频声子模式的数量，并扩大了界面热传递的通道，从而提高了界面热电导率。石墨烯中的缺陷加强了石墨烯声子定位的程度，因此导致界面导热率降低。胆汁和氮缺陷都加强了氮化炮的声子定位，阻碍了声子传输通道。此外，与氮缺陷相比，甘露缺陷会引起更严重的声子定位，因此导致界面的界面热电导率较低。这项研究提供了制造高度可靠的氮化炮设备以及广泛使用氮化壳异质结构的参考。
零能耗建筑电–氢–热双层能量优化调控方法
零能源建设电力 - 热热双层能量优化控制方法Kong Lingguo 1，Wang Shibo 1，Cai Guowei 1，Liu Chuang 1，Guo Xiaoqiang 2
低焓热与建筑深钻孔热能储存
德国排放量，不包括土地利用、土地利用变化和林业，数据来源：UBA（2018 年）、2020 年气候保护行动计划（BMUB 2014 年）、2050 年气候保护计划（BMUB 2016 年）
利用核热推进实现深空科学任务
摘要 核热推进 (NTP) 使全新类型的深空科学任务能够产生科学回报，而在大多数情况下，传统架构根本无法实现这些回报。NTP 系统可以大大缩短行星际旅行时间，提供大约 2-3 倍（或更多）传统化学推进系统所能提供的质量，或提供这些优势的组合以进一步提高科学回报。目前 NASA 和 DoD 赞助的 NTP 系统计划将使用原型和飞行演示发动机来验证设计，从而使该技术成熟。这些原型发动机将在正确的推力范围内发挥性能，从而允许用作低风险推进级，支持高回报的深空科学任务。此外，与高浓缩铀 (HEU) 燃料相比，使用低浓缩铀 (LEU) 燃料可降低发动机开发、鉴定、验收和发射的成本，并降低与扩散管理相关的风险。
使用深
Skögen等人9对95例患者进行了分析，使其与高级神经胶质瘤不同。这项研究报告了曲线下的重点操作特征区域。在另一项分类II级 - IV的研究中，Tian等人10使用支持载体机（SVM）模型进行了153例患者进行了TEXTURE分析，报告的准确性为98％。这项研究还表明，对比增强的T1加权（TICE）方法可为等级预测提供最佳序列。Xie等人11能够使用熵和无模型和动态对比增强的MR成像的熵以及III和III级胶质瘤分化III和IV级和III级。这些先前的MR成像 - 基于胶质瘤分级研究使用了直接提取的硬编码特征。我们假设这种方法限制了在多对抗MR图像中嵌入丰富信息的使用。这项工作的前提是，在图像对比度/强度的简单变化之外，丰富的成像信息如下； 1）深层嵌入在抗比例和后对比后增强的MR成像中，2）使用深度学习技术从标记的培训数据中学到了有价值的胶质瘤分级和3）。近年来，卷积神经网络（CNN）在众多视觉对象识别和图像分类研究中表现出了出色的表现。12他们还加速了医学图像分析的发展，其中13个包括肿瘤诊断的应用。14带有CNN，可以以逐层的方式从低到高水平学习特征的层次结构。15