XiaoMi-AI文件搜索系统
World File Search System被动
使用PCM复合材料的锂离子电池的被动热管理系统：实验和数值研究
摘要 - 本文专用于在锂离子电池单元的规模上使用PCM金属泡沫复合材料设计最佳热管理系统。研究了PCM和PCM金属泡沫复合材料吸收由锂离子细胞产生的热量的能力，开发了数学和数值模型。该建模基于从CERTES实验室中开发的新实验测试工作台进行的表征实验收集的数据。为了表征锂离子细胞的热行为，开发的二维数值模型集成了Brinkmann-Forchheimer扩展的Darcy方程，焓孔隙率法和二元能量方程。数值研究是通过耦合MATLAB和COMSOL多物理学进行的。结果表明，添加铝泡沫可以对细胞进行更有效的热管理。优化研究表明，低估厚度（所需的PCM质量）会导致极端温度。还发现，额外的PCM添加对细胞表面温度没有很大影响。
被动能量的质感和刚性毛细管材料...
毛细血管本质上是无处不在的，直接参与了生活系统的功能。[1]天然多孔培养基的特征是随机（例如，土壤，海绵）或有序（例如木材，肺）结构。他们的人造顾问在大多数行业，例如过滤器，瓷砖（编织和非织造），吸收剂，陶瓷或组织脚手架中广泛采用。[2]工程设计了多孔材料的毛细管特性，以提高热量，[3]机械，[4]电气，[5]光学，[6]和生物医学[7]性能。除了本质上多孔的材料（例如，金属有机框架[8]）外，该研究还集中在制造过程上，这些工艺可以很好地构成物质添加（例如3D打印[1,9]）或去除（例如，从Bulking [6,10]）从Bulk buts from Bulk Interal in Bulk Interipition from bualte interctuction。具有工程多功能性的多孔材料对被动能源转换设备特别希望。这些设备通常不需要高质量的能源输入，并且由于没有移动机械零件，需要低维护，并且具有成本效益。此外，它们对于离网装置是最佳的，通常，它们促进了与水能Nexus相关的行业的可持续过渡。[11]这些设备可以利用多孔毛细管介质克服小液压头并在整个系统中提供工作流体，而无需进行主动的机械或电气组合。[19]这些材料提供了有限的优化程度已经提出了用于蒸汽产生的应用，[12]淡化，[13,14]盐沉淀，[15]水卫生，[16]太阳能热能收集，[6]和冷却，[17]等。清楚地，优化这种被动设备中多孔材料的毛细血管特性对于提高其整体性能至关重要：较差的毛细管可能会导致连续蒸发过程中的干燥，并且会显着限制最大可实现的设备尺寸。[18]因此，亚最佳毛细血管特性将显着阻碍系统总体的生产率和尺度能力。被动能量转换设备通常使用非构成毛细管材料（例如纸张或商业纺织品）作为移动工作流体的被动组件。
被动和主动微/...的多尺度仿真分析
新型刺激和记录系统极大地促进了神经元和神经网络研究，这些系统通常使用采用先进电子技术（尤其是微纳米级 CMOS）制造的生物芯片。传感器和神经元活动记录所涉及的传导机制模型有助于优化传感设备架构及其与读出电路的耦合，以及解释测量数据。本文首先概述了最近发表的用于体外研究的采用现代（基于 CMOS）微纳米技术制造的集成有源和无源微纳米电极传感设备，然后介绍了一种混合模式设备电路数值分析多尺度和多物理场模拟方法来描述神经元传感器耦合，适用于得出有用的设计指南。从最相关的电气性能指标（包括信噪比）的角度更详细地分析了一些代表性结构和耦合条件。
首届跨会话工作量估计被动式脑机接口竞赛回顾
和许多研究领域的情况一样，脑机接口 (BCI) 领域数据共享仍然很少，尤其是在被动 BCI 领域——即基于从脑部测量估计的用户心理状态实现隐性交互或任务调整的系统。此外，该领域的研究目前面临一个重大挑战，即解决脑信号变异性，例如跨会话变异性。因此，为了在该领域发展良好的研究实践，并使整个社区能够联合起来进行跨会话估计，我们创建了第一个关于跨会话工作量估计的被动脑机接口竞赛。本次竞赛是第三届国际神经人体工程学会议的一部分。数据是从 15 名志愿者（6 名女性；平均 25 岁）获得的脑电图记录，他们进行了 3 次多属性任务组合 II (MATB-II) 测试，每次测试间隔 7 天，每场测试有 3 个难度级别（伪随机顺序）。数据（训练和测试集）与 Matlab 和 Python 玩具代码一起在 Zenodo 上公开提供（https://doi.org/10.5281/zenodo.5055046）。到目前为止，该数据库的下载次数已超过 900 次（2021 年 12 月 10 日所有版本的独立下载次数：911）。来自 3 大洲的 11 个团队（31 名参与者）提交了他们的作品。表现最好的处理流程包括基于黎曼几何的方法。虽然结果优于调整后的随机水平（对于 3 类分类问题，α 为 0.05，结果为 38%），但准确率仍然低于 60%。这些结果清楚地强调了跨会话估计的真正挑战。此外，它们再次证实了黎曼方法对 BCI 的稳健性和有效性。相反，三分之一的方法（4 个团队）基于深度学习获得了随机水平结果。与传统方法相比，这些方法在本次比赛中没有表现出更优的结果，这可能是由于严重的过度拟合。然而，这次比赛是共同努力解决 BCI 变异性并促进包括可重复性在内的良好研究实践的第一步。
用于被动能源的纹理刚性毛细管材料...
毛细管现象在自然界中无处不在，直接参与生命系统的功能。[1] 天然多孔介质的特点是随机（如土壤、海绵）或有序（如木材、肺）结构。人造毛细管介质种类繁多，广泛应用于大多数行业，如过滤器、纺织品（编织和非编织）、吸收剂、陶瓷或组织支架。[2] 人们一直致力于改造多孔材料的毛细管特性，以实现改进的热学、[3] 机械学、[4] 电学、[5] 光学[6] 和生物医学 [7] 性能。除了本质上多孔的材料（如金属有机骨架 [8] ）之外，最近的研究还集中于可以精细控制材料添加（如 3D 打印 [1,9] ）或从块体材料中去除（如激光蚀刻 [6,10] ）的制造工艺，以设计精确的孔隙结构。具有多功能工程设计的多孔材料特别适用于被动式能量转换装置。这些装置通常不需要高质量的能量输入，而且由于没有移动的机械部件，维护成本低，而且具有成本效益。此外，它们最适合离网安装，并且总体上可以促进与水能关系相关的行业的可持续转型。[11] 这些装置可以利用多孔毛细管介质来克服小水头，并在无需主动机械或电气部件的情况下为整个系统提供工作流体。已提出将其应用于蒸汽发电、[12] 海水淡化、[13,14] 盐沉淀、[15] 水卫生、[16] 太阳能热能收集 [6] 和冷却 [17] 等。显然，优化此类被动装置中多孔材料的毛细管特性对于提高其整体性能至关重要：毛细管特性差可能导致连续蒸发过程中干燥，并会严重限制可实现的最大装置尺寸。[18] 因此，毛细管特性不佳会严重阻碍整个系统的生产率和可扩展性。被动能量转换装置通常使用非结构化毛细管材料（如纸或商用纺织品）作为移动工作流体的被动组件。[19] 然而，考虑到
用于内存计算的完全 CMOS 兼容被动式 TiO2 忆阻器交叉开关
HAL 是一个多学科开放存取档案库，用于存放和传播科学研究文献，无论这些文献是否已出版。这些文献可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
被动式底板通风系统技术表 - vim
被动式底板通风系统依靠风效应、热效应和压力差来诱导气流。这种气流将可能积聚在建筑物下方的污染蒸汽通过通风口排入大气。自然气流产生的通风量和被动屏障下方产生的蒸汽浓度取决于场地特定条件以及通风材料或底板对气流的阻力。被动通风系统最容易在建筑物施工前安装。虽然已经为现有结构设计了有效的被动通风系统，但其有效性取决于是否存在可渗透的底板层以及安装足够的通风输送网络的能力以及充分密封的楼板。现有结构的被动通风通常受到底板材料的渗透性和缺乏穿孔管或通风条输送系统的限制。因此，被动通风在新建建筑中最常用。在新建建筑中，排出底板土壤气体的典型方法是使用穿孔通风网络，该网络由管道或低型通风口组成，这些管道或通风口位于底板下方，并将蒸汽引导至位于中心的集气箱或管道集管。另一种有效的底板通风选项是通风地板空隙空间系统 (VSS)；通风地板空隙空间系统 (VSS) 技术信息表中提供了 VSS 的详细信息。
打开用于被动脑计算机界面应用程序的EEG数据集：缺乏和观点
摘要 - 随着开放科学的出现，越来越多的研究人员正在共享他们的数据集和处理方法。但并非所有领域都关注，并且有些仍然缺乏开放的数据库，这些数据库可以更快，更相关的研究，更重要的是赞成结果的可复制性和可重复性。对于脑部计算机界面的领域尤其如此，尤其是在被动脑机接口的相对新领域。本文概述了基于脑电图的被动脑机接口应用程序的当前可用数据集。详细介绍了其主要特征，包括参与者的数量，任务，电极设置和电极位置信息。缺乏被突出显示和讨论，并为将来的研究提供了建议。
对心理的被动传感：利用可穿戴技术的数据预测情绪状态
摘要。抑郁症和焦虑是世界上最常见的精神健康障碍，导致了大量发病和死亡。过去的治疗主要集中在治疗抑郁症和焦虑症上。但是，迫切需要检测慢性压力状态并可能使用即时的个性化干预措施进行干预。现代技术彻底改变了我们被动测量各种生物学和生理信号的能力。在我们的日常生活中，我们从手机，可穿戴技术，手表甚至计算机和汽车中产生大量的电子数据。在此分析中，我们专注于使用Fitbit的可穿戴数据来被动地预测日常情绪状态（例如，悲伤/紧张/焦虑与快乐）。我们使用弹性净回归机器学习算法的日常使用来自38名参与者的每日FITBIT数据和约1200天的数据来预测情绪状态（例如，悲伤/紧张/焦虑与快乐）。我们能够使用交叉验证的机器学习算法准确地预测这些状态，并确定了每个情绪状态的特征。在此概念验证分析中，我们表明，预测日常情绪状态是可行的，并且不仅可能有助于检测日常情绪状态，还可以提高被动意识并提供及时的干预措施。
双被动反应脑机接口
本研究提出了一种新的神经自适应技术概念，即双被动-反应脑机接口 (BCI)，可实现人与机器之间的双向交互。我们在逼真的飞行模拟器中实现了这样一个系统，使用 NextMind 分类算法和框架来解码飞行员的意图（反应性 BCI）并推断他们的注意力水平（被动 BCI）。12 名飞行员使用反应性 BCI 执行检查单以及由被动 BCI 监督的防撞雷达监控任务。当后者检测到飞行员没有遇到即将到来的碰撞时，它会模拟自动避让动作。当仅执行检查单任务时，反应性 BCI 的分类准确率达到 100%，平均反应时间为 1.6 秒。当飞行员还必须驾驶飞机并监控防撞雷达时，准确率高达 98.5%，平均反应时间为 2.5 秒。被动 BCI 的 F 1 − 得分为 0.94。首次演示展示了双 BCI 改善人机协作的潜力，可应用于各种应用。