XiaoMi-AI文件搜索系统
World File Search System磁序
Genomics 基因体学
■Genomics (基因体学) ■History of DNA sequencing (DNA定序历史) ■The first-generation DNA sequencing (第㇐代DNA定序) ■Next-generation sequencing (NGS,次世代定序) ■CRISPR/cas9 genome editing (基因编辑技术) ■Genome analysis (基因体分析)
![arXiv:2301.03268v1 [cond-mat.mes-hall] 2023 年 1 月 9 日](/simg/g:\will\search\icon\source\5\5441eb61fdb00c278b905ece909eacbfb2a37594.webp)
arXiv:2301.03268v1 [cond-mat.mes-hall] 2023 年 1 月 9 日
自从在 Cr 2 Ge 2 Te 6 [1] 和 CrI 3 [2] 的单层和双层中发现长程磁序以来，许多单层或几层厚度的（反）铁磁范德华材料已被发现。由于层间和层内交换以及磁各向异性的相互作用导致自旋纹理丰富，它们是自旋电子学的理想平台。许多反铁磁范德华材料在低温下是电绝缘的，这意味着不存在自由载流子引起的磁化衰减。因此，它们对于研究磁序的集体激发，即自旋波及其量子，磁振子 [3, 4] 具有吸引力。传统磁体中的磁振子输运已得到广泛研究，例如，通过自旋泵浦 [5]、自旋塞贝克效应 (SSE) [6] 和电磁振子自旋注入/检测 [7]。反铁磁体赤铁矿 [8]、氧化镍 [9] 和 YFeO 3 [10] 中的长距离磁振子传输已被证实。低阻尼亚铁磁钇铁石榴石 (YIG) 超薄膜是高效磁振子传输的首选材料，它以强烈增强的磁振子电导率形式显示出二维 (2D) 相对于三维 (3D) 传输的有益效应 [11]。温度梯度驱动的磁振子自旋输运 (SSE) [12] 已被报道存在于铁磁和反铁磁范德华材料中 [13, 14]。然而，局部和非局部 SSE 仅提供有关磁振子传输特性的复杂信息。热磁振子电流是由整个样品中的热梯度产生的，因此很难区分磁振子弛豫长度和磁振子自旋电导率 [7, 11]。CrCl 3 [15] 的反铁磁共振揭示了声学和光学磁振子模式的存在，但并未解决它们在自旋输运中的作用。因此，为了评估范德华磁体在自旋电子学应用中的潜力，我们必须研究由微波或我们将在此处展示的电注入局部产生的磁振子的传播。
激光浮区法生长的磁性韦尔半金属候选材料 NdAlGe 的块体物理性质
摘要：本研究报告了空间群为I 4 1 md 的磁性外尔半金属候选材料NdAlGe单晶的成功生长。该晶体采用浮区技术生长，该技术使用五个激光二极管（总功率为2 kW）作为热源。为了确保在生长过程中稳定形成熔融区，我们采用了钟形分布的垂直辐射强度曲线。将电弧熔炼锭粉碎后的标称粉末在静水压力下成型，然后在由氧化钇稳定的氧化锆制成的氧气泵产生的超低氧分压（<10 − 26 atm）的氩气气氛中烧结进料棒和种子棒，加热至873 K。成功生长出长度为50 mm 的NdAlGe单晶。生长的晶体在 13.5 K 时表现出块状磁序。基本物理特性通过磁化率、磁化强度、比热、热膨胀和电阻率测量来表征。这项研究表明，磁序在 NdAlGe 中诱导各向异性磁弹性、磁熵和电荷传输。
![利用人工智能（AI）技术与电磁学进行优化设计 [I]](/simg/g:\will\search\icon\source\e\e2b202296b0567a88b2efb733a168494aa2a8937.png)
利用人工智能（AI）技术与电磁学进行优化设计 [I]
(1) MP Bendsøe 和 N. Kikuchi，“使用均质化方法在结构设计中生成最佳拓扑”，Comp. Methods in Appl. Mech. Eng.，第 71 卷，第 197-224 页，1988 年。 (2) MP Bendsøe 和 O. Sigmund，拓扑优化，理论、方法和应用，Springer，2004 年。 (3) Hidenori Sasaki 和 Hajime Igarashi，“使用傅里叶级数对 IPM 电机进行拓扑优化”，Journal of Electrical Engineering (B)，第 137 卷，第 3 期，第 245-253 页，2017 年 3 月。 (4) Y. Tsuji 和 K. Hirayama，“使用基于函数扩展的折射率分布的拓扑优化方法设计光路设备”，IEEE Photonics Technol. Lett.， (5) T. Sato、H. Igarashi、S. Takahashi、S. Uchiyama、K. Matsuo 和 D. Matsuhashi，“使用拓扑优化实现内置永磁同步电机转子形状优化”，《电气工程杂志 (D)》，第 135 卷，第 3 期，第 291-298 页，2015 年 3 月。 (6) S. Kobayashi，“实数编码 GA 的前沿”，《人工智能杂志》，第 24 卷，第 1 期，第 147-162 页，2009 年 1 月。 (7) T. Sato、K. Watanabe 和 H. Igarashi，“基于正则化高斯网络的电机多材料拓扑优化”，《IEEE 会刊》， (8) S. Hiruma、M. Ohtani、S. Soma、Y. Kubota 和 H. Igarashi，“参数和拓扑优化的新型混合：应用于永磁电机，”IEEE Trans. Magn.，第 57 卷，第 7 期，8204604，2021 年 (9) Y. Otomo 和 H. Igarashi，“用于无线电源传输设备的磁芯 3-D 拓扑优化，”IEEE Trans. Magn.，第 55 卷，第 6 期，8103005，2019 年。 (10) K. Itoh、H. Nakajima、H. Matsuda、M. Tanaka 和 H. Igarashi，“使用带归一化高斯网络的拓扑优化开发用于缝隙天线的小型介电透镜，”IEICE Trans. Electron.， E101-C 卷，第 10 期，第 784-790 页，2018 年 10 月。 (11) N. Hansen、SD Müller 和 P. Koumoutsakos，“通过协方差矩阵自适应降低去随机化进化策略的时间复杂度（CMA-ES），”进化计算，第 11 卷，第 1 期，第 1-18 页，2003 年。 (12) N. Aage、E. Andreassen、BS Lazarov 和 O. Sigmund，“用于结构设计的千兆体素计算形态发生”，自然，第 550 卷，23911，2017 年。
使用类型癌症分析GAPP中的致癌作用
研究成果の概要（英文）：我们在分析中包括了7个GAPP家族（16名患者）。中位年龄为43.5（18-84）岁，男性为7。8例患者患有胃癌（I/II/IV期= 3：1：4）。 用直接测序方法对APC基因进行了种系分析，因此14例患者的点突变为APC外显子1b。 基因组癌变分析分析正常粘膜，发育异常和腺癌的活检标本表明，基因A，B和C基因与GAPPS患者的致癌作用有关。 特别是在每个标本中都会散布基因A，因此揭示了与癌变的关系。 另一方面，染色体分析表明，染色体异常也与癌变有关。 建立了具有特定生长因子的类器官。8例患者患有胃癌（I/II/IV期= 3：1：4）。用直接测序方法对APC基因进行了种系分析，因此14例患者的点突变为APC外显子1b。基因组癌变分析分析正常粘膜，发育异常和腺癌的活检标本表明，基因A，B和C基因与GAPPS患者的致癌作用有关。特别是在每个标本中都会散布基因A，因此揭示了与癌变的关系。另一方面，染色体分析表明，染色体异常也与癌变有关。建立了具有特定生长因子的类器官。
量子磁体TbMn6Sn6中发现室温附近拓扑磁结构
具有 Kagome 晶格的量子材料中独特的电子行为 [5] 和磁性行为 [6,7] 使得 Kagome 材料成为一个极其有趣的平台。这些有趣的量子态是由于电子能带结构和磁序的非平凡拓扑、强电子关联和受挫而出现的。探索这些材料中电子能带结构和相应磁性之间的相互作用，发现了大块狄拉克半金属 Fe 3 Sn 2 、[5] 外尔半金属 Mn 3 X（X = Sn，Ge）[8] 和 Co 3 Sn 2 S 2 、[9]，它们表现出本征陈量子相、较大的异常霍尔效应和手性异常。[5,10,11] 一个特别有趣的例子是磁体 RMn 6 Sn 6（R = 稀土元素），它根据特定 R 元素和受挫 Mn Kagome 晶格之间的相互作用而具有几种磁序。 [12–14] 在室温下，Tb 和 Mn 磁矩位于不同的 Kagome 子晶格上，且呈非平面反平行排列的亚铁磁结构已被证明能有效实现具有拓扑
定时偏序推理算法 - AAAI 出版物
在本文中，我们提出了定时偏序 (TPO) 模型来指定工作流程安排，尤其是用于对制造流程进行建模。TPO 集成了工作流程中事件的偏序，指定“先发生”关系，并使用时钟上的保护和重置指定时间约束——这是从定时自动机规范中借鉴的想法。TPO 自然使我们能够捕获事件顺序以及一类受限制但有用的时间关系。接下来，我们考虑从工作流程日志中挖掘 TPO 安排的问题，其中包括事件及其时间戳。我们展示了制定 TPO 和图着色问题之间的关系，并提出了一种具有正确性保证的 TPO 学习算法。我们在合成数据集上展示了我们的方法，其中包括两个受飞机调头的实际应用启发的数据集和 Overcooked 电脑游戏的游戏视频。我们的 TPO 挖掘算法可以在几秒钟内从数千个数据点推断出涉及数百个事件的 TPO。我们表明，由此产生的 TPO 为工作流的依赖关系和时间约束提供了有用的见解。