XiaoMi-AI文件搜索系统
World File Search System纵横
通道和管道中磁流体力学流动的能量稳定性
我们研究了矩形管道中压力驱动层流磁流体动力学流动的能量稳定性，该管道具有横向均匀磁场和电绝缘壁。对于足够强的场，层流速度分布具有均匀的核心和凸起的哈特曼和谢尔克利夫边界层，这些边界层位于垂直和平行于磁场的壁上。该问题通过横向流坐标中的切比雪夫多项式的双重展开进行离散化。临界雷诺数的线性特征值问题取决于流向波数、哈特曼数和纵横比。我们考虑了小纵横比和大纵横比的极限，以便与基于一维基流的稳定性模型进行比较。对于大纵横比，我们发现数值结果与基于准二维近似的结果具有良好的一致性。升力机制在零流向波数极限中占主导地位，并使管道中的临界雷诺数和哈特曼数呈线性依赖关系。小纵横比的管道结果收敛到 Orr 的原始能量稳定性结果，即对平面泊肃叶基流施加展向均匀扰动。我们还研究了特征模态的不同可能对称性以及管道几何中的纯流体动力学情况。
利用焦外扫描光学显微镜和深度学习方法进行 MEMS 高深宽比沟槽三维测量
摘要：高纵横比结构在 MEMS 器件中的重要性日益凸显。对高纵横比结构进行原位、实时关键尺寸和深度测量对于优化深蚀刻工艺至关重要。离焦扫描光学显微镜 (TSOM) 是一种高通量且廉价的光学测量方法，可用于关键尺寸和深度测量。迄今为止，TSOM 仅用于测量尺寸为 1 µ m 或更小的目标，这对于 MEMS 来说远远不够。深度学习是一种强大的工具，它可以利用额外的强度信息来提高 TSOM 的性能。在本文中，我们提出了一种基于卷积神经网络模型的 TSOM 方法，用于测量硅上单个高纵横比沟槽，其宽度可达 30 µ m，深度可达 440 µ m。进行了实验演示，结果表明，该方法适用于测量高纵横比沟槽的宽度和深度，标准偏差和误差约为一百纳米或更小。所提出的方法可应用于半导体领域。
在人工智能时代将缩放到1,000层3D NAND -MEDISEROMER
3D NAND垂直堆栈缩放缩放量主要是在膜沉积和蚀刻方面引起的挑战，这与设备通过功能尺寸减小进行缩放不同。与图案，隔离并连接垂直集成的3D存储器设备，需要难以高纵横比（HAR）蚀刻。通常将孔或沟槽的纵横比定义为深度与孔或沟槽宽度的比率。3D NAND制造中的关键过程包括替代堆栈膜沉积，高纵横比蚀刻和文字线金属化。找到位密度，读写速度，功率，可靠性和成本之间的平衡对于应用至关重要。当我们在结构中添加更多层，并且还有额外的资本支出，随着层的数量增加，增加更多的存储容量变得越来越昂贵。
光学显微镜中的亚微米线宽计量
低至 366 nm 汞线），可以对低至约 0.3 Ilm 的线宽进行光学测量（对于 366 nm 的 f/1 光学元件，艾里斑直径为 0.45 Ilm）。但是，要达到如此窄的线宽，必须对图像中的衍射效应进行建模，并制定一个有意义的标准，确定图像轮廓上的哪个点对应于线的边缘。随着特征高度变得大于大约四分之一波长，并且纵横比（特征高度/宽度）接近并大于 1，这种建模变得越来越困难。这种困难部分是数学上的（例如，不能使用标量理论将特征视为平面，并且对于小线宽和大纵横比，相邻边缘的衍射效应会相互作用）。困难的部分原因还在于，随着特征高度的增加和边缘几何形状与理想垂直形状的偏离，衍射效应变得更加明显，并从边缘进一步传播。事实上，对于大纵横比和非垂直壁，“线宽”的定义本身就有多种解释。
同轴钛丝基激光金属沉积中激光散焦对焊珠几何形状的影响
摘要：同轴丝材激光金属沉积是一种多功能、高效的增材工艺，可在复杂结构的制造中实现高沉积速率。本文研究了三光束同轴丝材系统，特别关注了沉积高度和激光散焦对所得珠子几何形状的影响。随着沉积间隔距离的变化，工件照明比例也会发生变化，该比例描述了直接进入原料丝材和基材的能量比。在不同的散焦水平和沉积速率下沉积单个钛珠，并测量和分析珠子的纵横比。在实验设置中，发现散焦水平和沉积速率对所得珠子的纵横比有显著影响。随着离光束会聚平面的散焦水平增加，光斑尺寸增加，沉积轨道更宽更平。工艺参数可用于将沉积材料调整到所需的纵横比。在同轴丝材沉积中，散焦为丝材和基材之间的热量分布提供了一种调节机制，对所得沉积物有重要影响。
在高宽高比结构中对原子层沉积过程中的不完全结合性进行建模
原子层沉积允许精确控制膜厚度和形式。它是高纵横比结构（例如3D NAND记忆）的关键推动因素，因为它的自限性行为比传统过程更高的合并性。然而，随着纵横比的增加，经常发生与完全保征的偏差，需要全面的建模以帮助开发新技术。到此为止，我们为存在不完整的整合性的原子层沉积过程中提供了一个模型。该模型结合了基于Knudsen扩散和Langmuir动力学的现有方法。我们的模型通过（i）通过Bosanquet公式融合了气相扩散率以及在Yanguas-Gil和Elam首先提出的建模框架中的反应可逆性，以及（ii）有效地集成在级别设定的地形模拟器中。该模型在侧面高纵横比结构中手动校准了Al 2 O 3的原型原子层沉积结果。我们研究了h 2 o步的温度依赖性，从而提取了0的活化能。178 eV与最近的实验一致。在TMA步骤中，我们观察到Bosanquet公式的精度提高，并以相同的参数集复制了多个独立的实验，这突显了模型参数有效地捕获了反应器条件。
用于细胞研究的 SU-8 聚合物结构的电子束光刻制造
摘要 — 用微结构和纳米结构装饰的平面是生物医学研究中的重要工具，用于控制细胞形状，研究机械传导、膜力学、细胞迁移以及细胞与纳米结构表面的相互作用。现有的制造表面结合纳米结构的方法通常受分辨率、纵横比或吞吐量的限制。在这项工作中，我们探索了基于电子束光刻的玻璃基板上环氧抗蚀剂 SU-8 的结构。我们专注于系统地研究工艺参数，并确定制造工艺的极限，包括空间分辨率、结构纵横比和制造吞吐量。所述方法能够直接在透明基板上生产高纵横比、表面结合纳米结构，其高度范围为 100 nm 至 4000 nm，平面分辨率低于 100 nm。制造的纳米结构表面可以与生物医学研究的常用技术相结合，例如高数值孔径光学显微镜。此外，我们还展示了如何使用所述方法在同一表面上制造具有多种高度的纳米结构，这是使用其他制造方法无法轻易实现的。我们的研究为制造纳米结构表面并应用于生命科学研究开辟了一条替代方法。
使用深度...检测驾驶员困倦
摘要：驾驶员困倦是导致全球道路交通事故的一个关键因素。为了缓解这一问题，人们使用计算机视觉、机器学习和生理信号处理等先进技术开发了各种驾驶员困倦检测系统。使用带注释的困倦和警觉驾驶实例数据集训练机器学习算法，以准确分类驾驶员的状态。从面部表情、眼球运动和生理信号中提取的特征被输入分类器，以有效检测困倦模式。该技术基于光学数据和人工智能，可以自动检测驾驶疲劳。一种算法被用来检查驾驶员是否在睡觉或打哈欠，如果是，就发出警报，这样我们就可以防止事故发生。索引术语——计算机视觉、深度学习、卷积神经网络、眼睛纵横比、嘴巴纵横比。
识别均匀的医疗保健使用概况和
硅纳米结构（如纳米式阵列）在各种应用中具有巨大的潜力，例如光伏电池[1]，传感器[2]，信息存储[3]，仅举几例。纳米果（NNS）被定义为具有较高纵横比的纳米材料。那些属于两个主要类别：单针，外部操纵以接触细胞和组织（近场显微镜（AFM），微型操纵器）或支持基板支撑的垂直高纵横比纳米结构的阵列。前者涵盖了各种纳米结构，包括纳米线，纳米柱，多孔纳米酮，纳米管和纳米膜。各种材料/尺寸/形状使每种类型的NN具有不同的特定感应需求的特性，也就是说，在机械生物学，纳米电机生理学，光遗传学，纳米遗传学，转染/载体化/矢量化（药物输送）中，各种应用[4] [4]。