模式识别算法通常用于简化亚原子物理实验中轨道重建的挑战性和必要步骤。在歧视相关相互作用的帮助下,模式识别旨在通过隔离感兴趣的信号来加速轨道重建。在高碰撞率实验中,这种算法对于确定是否保留或从给定相互作用中保留或丢弃信息至关重要,甚至在数据传输到磁带之前。随着数据速率,检测器的解决,噪声和效率低下的增加,模式识别在计算上变得更具挑战性,激发了更高效率算法和技术的发展。量子关联记忆是一种方法,旨在利用量子机械现象以获得学习能力的优势,或者可以存储和准确召回的模式数量。在这里,我们研究基于量子退火的量子关联记忆,并将其应用于粒子轨道分类。我们专注于基于量子关联记忆模型(QAMM)召回和量子内容 - 可调地理内存(QCAM)召回的歧视模型。我们使用D-Wave 2000Q处理器作为测试台将这些方法的分类性能表征为函数检测器分辨率,模式库的大小和效率低下。使用溶液状态能量和分类标签嵌入了溶液状态中的歧视标准。我们发现,基于能量的QAMM分类在较小的模式密度和低探测器效率低下的状态下表现良好。相比之下,基于州的QCAM可实现相当高的准确性回忆,以实现大模式密度和对各种检测器噪声源的最大回忆精度的鲁棒性。
许多研究表明,脉冲激光器和聚焦X射线以类似于重离子的方式产生SEE的能力,同时提供了设备内电荷产生的精致空间和时间控制[9-11]。三种测试方法的电荷产生曲线在轴向和径向尺寸中有所不同。重离子通常在大多数设备尺寸的相关距离上沿轴向方向具有线性电荷产生曲线,其特征是线性能传递(LET)。典型的集中飞秒脉冲激光系统使用光学器件,可产生由高斯两光子吸收(TPA)描述的电荷产生曲线[5,12-15]。我们注意到,最近,美国已经开发了一种光学配置。海军研究实验室(NRL),该实验室使用准贝斯梁来产生扩展的电荷产生曲线[16],这在这项工作中未评估。使用聚焦的皮秒脉冲X射线的新兴技术产生了由Beer定律描述的电荷产生曲线,并随着穿透深度而呈指数降低[17]。这些
脉冲激光沉积 (PLD) 是一种成熟的复杂化学计量薄膜沉积技术,在成功制造薄膜形式的高温超导体 (HTS) 后引起了广泛的研究关注。[1] 从那时起,PLD 主要用于在晶格匹配基板上外延生长多种复合氧化物的应用,但在光伏 (PV) 领域尚未得到探索。尽管在 21 世纪初,高导电性的 In 基 TCO 已通过 PLD 制造并成功用作 OLED 的前触点 [2,3],但关于 PLD 生长触点在 PV 设备中的应用的报道仍然很少。文献报道包括用于 CIGS [4] 和有机 [5] 太阳能电池的掺杂 ZnO 薄膜以及用于卤化物钙钛矿太阳能电池的金属氧化物传输层。 [6] 此外,PLD 已被提议用于硫族化物吸收层的制造 [7,8],最近又用于卤化物钙钛矿吸收层。[9,10]
脉冲激光沉积(PLD)是一种具有复杂化学计量的薄膜,在成功制造高温超级导管(HTS)以薄膜形式的高温制造后,它引起了很大的研究注意。[1]从那时起,PLD主要用于与晶格匹配底物上多元化合物氧化物外延生长有关的应用,但尚未在光伏(PV)社区中进行探索。尽管在2000年代初通过PLD制造了高度导电的TCO,并通过PLD制造,并在OLEDS [2,3]中成功实现,但关于PV设备中PLD生长的触点的应用仍然很少。文献报道包括用于CIGS [4]的掺杂的ZnO膜和有机的太阳能电池和金属氧化物传输层用于卤化物钙钛矿太阳能电池。[6]此外,已经提出了PLD用于硫化葡萄糖剂吸收剂[7,8],最近,对于卤化物钙钛矿吸收剂层。[9,10]