XiaoMi-AI文件搜索系统
World File Search System物理模型
LIPKA-BARTOSIK，Patryk Jan，PERARNAU LLOBET，Marti，BRUNNER，Nicolas。通过自主量子热机进行热力学计算。在：科学进步
我们开发了一种基于自主量子热机的经典计算物理模型。这些机器由连接到不同温度的几个环境的少数相互作用的量子比特 (qubit) 组成。这里利用流经机器的热流进行计算。该过程首先根据逻辑输入设置环境的温度。机器不断发展，最终达到非平衡稳定状态，从中可以通过辅助有限尺寸储层的温度确定计算的输出。这种机器，我们称之为“热力学神经元”，可以实现任何线性可分函数，我们明确讨论了 NOT、3-MAJORITY 和 NOR 门的情况。反过来，我们表明热力学神经元网络可以执行任何所需的功能。我们讨论了我们的模型与人工神经元（感知器）之间的密切联系，并认为我们的模型提供了一种基于物理的替代神经网络模拟实现，更广泛地说，是一种热力学计算平台。
使用稳定的同位素为森林和农业生态系统的水资源管理提供信息
如何处理四个4 M深度同位素深度概况的采样样本。两个剖面分别位于一个旧葡萄园中，分别有和没有草种在行之间。其他两个轮廓分别位于一个年轻的2.5岁的葡萄园中，分别有和没有草种在两排之间。分析土壤样品的硝酸盐浓度和稳定的同位素组成。来自附近的沉淀同位素采样和基本气象数据已有数年。同位素深度轮廓用于校准四个不同位置的土壤物理模型Hydrus-1D。气象数据和沉淀同位素用作输入数据，而描述水流和沿轮廓的传输的土壤液压参数是通过反向建模确定的，通过优化同位素模拟对观测值的拟合。然后使用特定地点的校准模型来追踪水和硝酸盐随时间和土壤深度的命运。
博士职位 5：基于物理的机器学习，用于半导体器件的模拟雇主代尔夫特大学的 Willem van Driel 教授
基于物理模型和传感器数据的组合来设计电气元件。 国际流动性 作为一名博士候选人，您将在代尔夫特理工大学和 Reden 各工作 18 个月。在代尔夫特理工大学实习期间，您还将在 IMEC 进行为期 1 个月的实习，由 Bart Vandevelde 博士指导。 要求 适用于“地平线欧洲：玛丽居里 (MSCA)”计划的具体资格标准，包括流动性规则和博士学位规则。欢迎任何国籍的申请人。 其他要求 理学、电气/机械工程、物理学、数学硕士学位 FE 模拟（例如 Abaqus 或 Comsol）和编程（例如 Matlab、Python）背景 英语水平：托福-IBT 测试 >100 分或雅思考试 >7,0 每月的支持和福利 成功的候选人将受益于由学术和工业合作伙伴组成的国际科学网络
分裂栅极 n 沟道 STI-LDMOS 晶体管中热载流子应力退化的 TCAD 模拟
本文报道了对具有 STI 结构的硅基分裂栅 n 沟道 LDMOS 晶体管中热载流子引起的退化机制的联合实验和模拟分析。在这种情况下，电子可以获得足够的动能来在硅/氧化物界面处产生带电陷阱，从而引起器件退化并导致器件电参数发生变化。特别地，已经通过实验在室温下表征了线性状态下的导通电阻退化。通过使用旨在重现退化动力学的物理模型，在 TCAD 模拟框架内重现了热载流子退化。研究了不同应力条件下的电子分布函数及其对分裂栅偏压的依赖性，从而定量了解了热电子在被测器件热载流子退化机制中所起的作用。
SiC 和 Si 功率 MOSFET 中 BTI 的异同
摘要 — 偏置温度不稳定性 (BTI) 不仅在 4H 碳化硅 (4H-SiC) 功率 MOSFET 中是一个严重的可靠性问题，在 Si 技术中也是如此。尽管之前的研究表明，与 Si 相比，某些 SiC 器件的 BTI 漂移较大，但我们表明，通过改进器件工艺，现代 SiC 中的 BTI 可能变得不那么重要。正如将要展示的，NBTI 甚至可以降低到与 Si 功率 MOSFET 类似的漂移水平。此外，我们证明 SiC 和 Si 器件中的 BTI 具有许多共同的特征，例如可比的时间和电压变化。因此，SiC MOSFET 中的 BTI 可以用相同的经验和简单物理模型来描述，因此与基于 Si 的器件一样可预测。此外，这表明 SiC 和 Si 功率 MOSFET 中的 BTI 是由相同的物理退化原因引起的。
数字孪生及其在未来电力系统中的应用 [版本 2
数字孪生这一术语最早由 Grieves 于 2002 年 5 月提出，是产品生命周期管理中的一个新概念。尽管它最初在 2003 年被称为镜像空间模型 6 ，但后来在 2005 年演变为信息镜像模型 7 ，并最终在 2011 年演变为数字孪生 8 。2012 年，美国国家航空航天局 (NASA) 重新审视数字孪生的概念。他们将数字孪生定义为一种多物理场、多尺度、概率、超保真模拟，它可以根据历史数据、实时传感器数据和物理模型 9 及时反映相应孪生的状态。2016 年，Grieves 10 将数字孪生定义为一组虚拟信息构造，它从微观原子层面到宏观几何层面全面描述潜在或实际的物理制造产品，并且在最佳情况下，从检查物理制造产品中获得的任何信息都可以从其数字孪生中获得。
特拉华科学范围和顺序
1-LS3-1 通过观察构建一个基于证据的理论，即幼小的植物和动物与它们的父母相似但不完全相同。1-LS1-1 * 使用材料设计一个解决人类问题的方法，通过模仿植物和/或动物如何使用它们的外部部分来帮助它们生存、成长和满足它们的需求。1-LS1-2 阅读文本并使用媒体来确定父母和后代的行为模式，这些模式有助于后代生存。K-2-ETS1-1 提出问题、进行观察并收集有关人们想要改变的情况的信息，以定义一个可以通过开发新的或改进的物体或工具来解决的简单问题。K-2-ETS1-2 绘制一个简单的草图、绘图或物理模型来说明物体的形状如何帮助它根据需要发挥作用以解决给定的问题。K-2-ETS1-3 分析两个旨在解决同一问题的物体的测试数据，以比较每个物体性能的优缺点。
在没有全局对称性的非热式系统中稳健的零模式
锂离子电池（LIB）的数学建模是高级电池管理中的主要挑战。本文提出了两个新框架，以将基于物理的模型与机器学习相结合，以实现LIBS的高精度建模。这些框架的特征是通过告知机器学习模型的物理模型信息，从而可以在物理学和机器学习之间进行深入整合。基于框架，通过将电化学模型和等效电路模型与前馈神经网络相结合，构建了一系列混合模型。混合模型在结构上相对简单，可以在广泛的C速率下提供相当大的电压预测精度，如广泛的模拟和实验所示。这项研究进一步扩展到进行老化感知的混合建模，从而设计了意识到健康的混合模型以进行预测。实验表明，该模型在整个LIB的周期寿命中具有高电压预测精度。
基于图像的波前校正使用无模型的增强学习
摘要：光学畸变阻止望远镜达到其理论衍射极限。一旦估计，这些畸变就可以通过在闭环中使用可变形的镜子进行补偿。焦平面波传感可以直接从科学传感器拍摄的图像中估算完整光路的畸变。但是，当前的局灶性平面波前传感方法依赖于物理模型的物理模型，这些模型可能会限制校正的整体性能。这项研究的目的是使用无模型的增强学习来开发一种数据驱动的方法，以自动执行对像差的估计和校正，仅使用围绕焦平面围绕焦平面作为输入而获得的相位多样性图像。我们在加强学习的框架内提出校正问题，并在模拟数据上培训代理。我们表明该方法能够可靠地学习各种现实条件的有效控制策略。我们的方法还证明了对广泛的噪声水平的鲁棒性。