XiaoMi-AI文件搜索系统
World File Search System界面的
分子自组装单层异常增强聚合物-半导体界面的热导率
a 威斯康星大学麦迪逊分校机械工程系，美国威斯康星州麦迪逊 53706 - 1572 b 康涅狄格大学机械工程系，美国康涅狄格州斯托尔斯 06269 - 3139 c 卫斯理大学物理系，美国康涅狄格州米德尔顿 06459
固体氖和超流体氦界面的量子电子学和光学
我们预测在两种惰性气体元素凝聚相（固态氖和超流体氦）界面处将出现一种新的量子电子结构。注入该界面的过量电子将其波函数自限制在纳米圆顶结构中。其尺寸随压力而变化，光学跃迁覆盖宽广的中红外光谱。这些电子的集合可以形成经典的维格纳晶体，类似于三角晶格上的量子点阵列。在超快激光照射下，这种维格纳晶体可以在皮秒时间尺度上表现出超辐射的量子光学现象。超长的自旋相干时间和微米级确定性可配置性使该系统中的电子可以充当量子信息载体。它们的自旋状态可以由片上单电子器件控制和读出。
基于选择性听觉注意解码的脑部计算机界面的无监督精度估计
摘要 - 目的：选择性听觉注意解码（AAD）算法处理大脑数据（例如脑电图），以解码一个人参加的多个竞争声源。例子是神经ste的助听器或通过脑部计算机界面（BCI）进行通信。最近，已经证明可以在无监督的环境中基于刺激重建的刺激重建来训练此类AAD解码器，在这种情况下，没有关于参加哪种声音源的地面真相。在许多实际情况下，这种地面真相标签不存在，因此很难量化解码器的准确性。在本文中，我们旨在开发一种完全无监督的算法，以估算竞争性说话者聆听任务期间基于相关的AAD算法的准确性。方法：我们通过将AAD决策系统建模为具有添加剂白色高斯噪声的二进制相移键通道来使用数字通信原理。结果：我们表明，针对不同量的培训和估计数据以及决策窗口长度，提出的无监督性能估计技术可以准确地确定AAD准确性。此外，由于不同的应用需要不同的目标准确性，因此我们的方法可以估计任何给定目标准确性所需的训练量最小。结论：我们提出的估计技术准确地预测了基于相关的AAD算法的性能，而无需访问地面图标签。在BCIS中，它可以支持强大的沟通范式，并提供护理人员的准确反馈。显着性：在神经启动的助听器中，我们方法提供的准确性估计值可以支持时间自适应解码，动态增益控制和神经反馈。
卫生，医学和人类计算机界面的耳式生物电子设备
最新的动力和符合微电子制造的进展为健康监测和疾病治疗开辟了机会。其他材料工程的进步，例如导电，皮肤样水凝胶，液体金属，电动纺织品和压电薄膜的开发提供了安全舒适的方式，可以与人体接口。一起，这些进步使具有集成的多模式感应和刺激能力的生物电子设备的设计和工程能够在身体上的任何地方佩戴。在这里特别感兴趣的是，外耳（耳膜）提供了一个独特的机会来设计具有高度可用性和熟悉程度的可扩展生物电子设备，鉴于耳机的广泛使用。本评论文章讨论了能够生理和生物化学感应，认知监测，靶向神经调节以及对人类计算机相互作用的控制的耳朵生物电子设备开发的最新设计和工程进步。从这个可扩展的基础上讲，研究和工程的增长和竞争将增加，以推动耳态生物电子学。这项活动将导致患者和消费者对这些智能耳机式设备的采用增加，以跟踪健康，治疗医疗状况以及增强人类计算机的相互作用。
铁电/非铁电材料界面的电荷捕获效应...
我们研究了限制具有金属/铁电/夹层/Si (MFIS) 栅极堆栈结构的 n 型铁电场效应晶体管 (FeFET) 耐久性的电荷捕获现象。为了探索电荷捕获效应导致耐久性失效的物理机制，我们首先建立一个模型来模拟 n 型 Si FeFET 中的电子捕获行为。该模型基于量子力学电子隧穿理论。然后，我们使用脉冲 I d - V g 方法来测量 FeFET 上升沿和下降沿之间的阈值电压偏移。我们的模型很好地符合实验数据。通过将模型与实验数据拟合，我们得到以下结论。（i）在正工作脉冲期间，Si 衬底中的电子主要通过非弹性陷阱辅助隧穿被捕获在 FeFET 栅极堆栈的铁电 (FE) 层和夹层 (IL) 之间的界面处。 (ii) 基于我们的模型，我们可以得到在正操作脉冲期间被捕获到栅极堆栈中的电子数量。 (iii) 该模型可用于评估陷阱参数，这将有助于我们进一步了解 FeFET 的疲劳机制。
拓扑量子物理中氧化物界面的准二维电子气
1 法国巴黎-萨克雷大学泰雷兹公司混合物理部门 - F-91767 帕莱索，法国 2 法国巴黎高等物理与材料研究实验室，PSL 研究大学，法国巴黎国家科学研究院 F-75005 巴黎，法国 3 代尔夫特理工大学 Kavli 纳米科学研究所 - PO Box 5046, 2600 GA 代尔夫特，荷兰 4 萨勒诺大学“ER Caianiello”物理系 - I-84084 Fisciano (SA)，意大利 5 CNR-SPIN - Via Giovanni Paolo II, 132, I-84084 Fisciano (SA)，意大利 6 查尔姆斯理工大学微技术和纳米科学系-MC2 SE-41296 哥德堡，瑞典 7 物理系和纳米技术与先进科学研究所材料，巴伊兰大学拉马特甘，以色列 8 物理系“E. Pancini”，那不勒斯费德里科二世大学 - Monte S. Angelo 综合楼，I-80126 那不勒斯，意大利 9 GFMC，马德里康普顿斯大学材料物理系 - E-28040 马德里，西班牙 10 CNR-SPIN，Monte S. Angelo 综合楼 - Via Cinthia，I-80126 那不勒斯，意大利
非侵入性大脑 - 计算机界面的功能超声的出现
非侵入性大脑 - 计算机界面是对大脑的综合分析和理解的核心任务，在国际脑科学研究中是一个重要的挑战。当前植入的大脑计算机界面是颅和侵入性的，这极大地限制了其应用。新的非侵入性阅读和写作技术的发展将在脑部计算机接口领域提高实质性创新和突破。在这里，我们回顾了超声脑功能成像及其应用的理论和发展。此外，我们介绍了超声大脑调节及其在啮齿动物，灵长类动物和人类中的应用中的最新进步；还提供了基于脑电图的机理和闭环超声神经调节。最后，基于超声超级分辨率成像和声学镊子，高频声学无创脑 - 计算机的界面被验证。
电化学储能材料和界面的红外纳米成像和纳米光谱
摘要 电化学界面对于储能装置的功能和性能至关重要。因此，开发表征这些界面的新方法以及电化学性能对于弥合现有知识空白和加速储能技术的发展至关重要。特别需要的是能够以非破坏性的方式表征表面或界面，并具有足够的分辨率来辨别单个结构和化学构件。为此，利用原子力显微镜平台内近场相互作用的亚衍射极限低能红外光学探针，例如伪外差纳米成像、光热纳米成像和纳米光谱以及纳米级傅里叶变换红外光谱，都是强大的新兴技术。它们能够以纳米分辨率进行非破坏性表面探测和成像。本综述概述了最近使用这些先进的红外近场探针表征可充电电池中的原位、原位和操作电极材料和电化学界面的努力。
基于深度学习的基于脑部计算机界面的运动图像的连续解码
受试者间转移学习是脑部计算机界面（BCIS）中的长期问题，并且由于与运动成像（MI）相关的大脑信号的高主体间可变性，尚未完全实现。最近基于深度学习的算法在分类不同的大脑信号中的最新成功值得进一步探索，以确定MI信号间的连续解码是否可行，以提供随机的神经反馈，这对于神经habilehabilitation BCI设计很重要。在本文中，我们已经展示了如何使用MEGA块的新概念将基于MI相关的脑电图（EEG）信号的卷积神经网络（CNN）的深度学习框架连续解码，以使网络的新概念适应网络，以防止对象互可能的变化。这些巨型块有能力多次重复一个特定的建筑块，例如一个或多个巨型块中的一个或多个卷积层。可以使用贝叶斯高参数优化来优化此类巨型块的参数。在公开可用的BCI竞争IV-2B数据集中获得的结果平均受试者间的连续解码精度为71.49％（κ= 0.42）和70.84％（κ= 0.42），对于两种不同的训练方法，例如适应性力矩估计（ADAM）和STOCHASTIC DESCENT（S），在7个不同的训练方法中（s s s sgcentient）（s s g extient of Sgentient）（s sgeentient in 7）。我们的结果首次表明，使用基于CNN的架构进行对象间的连续解码是可行的，具有足够的准确性，以开发无校准的MI-BCIS用于实际目的。
基于对抗过滤的逃避和对基于EEG的脑部计算机界面的后门攻击
大脑计算机接口（BCI）可以在大脑和外部设备之间进行直接通信。电子脑电图（EEG）是BCIS的常见输入信号，因为它的便利性和低成本。对基于EEG的BCIS的大多数研究都集中在EEG信号的准确解码上，同时忽略其安全性。最近的研究表明，BCIS中的机器学习模型容易受到对抗攻击的影响。本文提出了对基于EEG的BCI的基于对抗过滤的逃避和后门攻击，这非常容易实施。在不同BCI范式的三个数据集上进行了实验，证明了我们提出的攻击方法的效果。据我们所知，这是对基于脑电图的BCI的对抗过滤的第一项研究，提出了新的安全问题，并呼吁更多地关注BCIS的安全性。