XiaoMi-AI文件搜索系统
World File Search System调整到
H2 在底物导向合成尺寸...中的作用
摘要：最近对过渡金属二硫属化物 (TMD) 纳米带的研究促进了这些尺寸受限晶体的受控生长合成策略的发展。我们展示了在由用磷化氢处理的 Si(001) 组成的设计表面上生长的 MoSe 2 纳米带的宽度控制合成。调节载气流中的 H 2 分压可以将纳米带宽度调整到 175 nm 到近 500 nm 之间。实验和模拟表明，H 2 暴露增加了 Si-P 二聚体上氢的表面覆盖率，而 Si-P 二聚体通常是纳米带成核和生长的有利区域。此外，MoSe 2 纳米带表现出异常光致发光蓝移，其幅度为 60 meV，与 MoS 2 纳米带的光发射光谱中报道的幅度相似。这些研究表明，最近开发的纳米带的基底定向生长策略可以扩展到硒化物系列 TMD。此外，它们扩展了制备复杂 TMD 异质结构的合成基础，而这种结构是光学和量子传感器、换能器和处理器所必需的。关键词：过渡金属二硫属化物、纳米带、MoSe 2 、表面、光致发光、激子■ 简介
基于 5×5 VCSEL 阵列的启发计算
摘要 人工神经网络等受大脑启发的计算概念已成为经典冯·诺依曼计算机架构的有前途的替代品。光子神经网络的目标是在光子基底中实现神经元、网络连接和潜在学习。本文，我们报告了通过高质量垂直腔面发射激光器 (VCSEL) 阵列开发快速、节能的光子神经元纳米光子硬件平台。开发的 5 × 5 VCSEL 阵列通过均匀制造结合对激光波长的单独控制提供高光学注入锁定效率。注入锁定对于基于 VCSEL 的光子神经元中信息的可靠处理至关重要，我们通过注入锁定测量和电流诱导光谱微调证明了 VCSEL 阵列的适用性。我们发现我们研究的阵列可以轻松调整到所需的光谱均匀性，因此表明基于我们技术的 VCSEL 阵列可以作为下一代光子神经网络的高能效和超快光子神经元。结合完全并行的光子网络，我们的基板有望实现达到10 GHz 带宽的超快速操作，并且我们表明，基于我们的激光器的单一非线性变换每个 VCSEL 仅消耗约 100 fJ，与其他平台相比，具有很强的竞争力。
基于机器学习方法的数据驱动电网安全评估：预印本
为了预测暂态稳定性裕度，在系统中引入了输电线上的三相故障。虽然在所有模拟过程中故障位置都是固定的，但故障清除时间是变化的。在此示例中，故障位于 18 总线系统中 North-01（总线 1）和 North-02（总线 2）之间的分支。在每个时间步骤或 24 小时数据周期的每 5 分钟测试同一组故障清除时间。在每个 5 分钟时间步骤中，故障清除时间以 20 毫秒的间隔从 60 毫秒调整到 720 毫秒。因此，总共创建了 9,792 个测试用例。选择临界清除时间 (CCT) 作为暂态稳定性的度量。CCT 定义为在不中断系统性能的情况下允许消除干扰的最大时间。如果可以在允许的时间之前清除干扰，则系统是稳定的。以较小的间隔调整故障清除时间的目的是为了创建足够数量的稳定和不稳定情况，以确定更准确的 CCT。在每次模拟过程中，所有机器的转子角度都会受到监控。如果任何两台发电机的转子角度偏差超过 180 度，则认为这种情况不稳定。
centerachAdapt：通过LLM推理
混合现实越来越多地用于封闭房屋和办公空间以外的移动设置。此移动性引入了适应不同上下文的用户界面布局的需求。但是，现有的自适应系统仅针对静态环境而设计。在本文中，我们介绍了centerAdapt，该系统通过在共享环境中考虑环境和社交线索来将混合现实UI的混合现实UIS调整到现实世界中。我们的系统包括对UI适应的感知，推理和优化模块。我们的感知模块标识用户周围的对象和个人，而我们的推理模块则利用视觉和语言模型来评估交互式UI元素的位置。这种调整的布局不会阻碍相关的环境线索或干扰社会规范。我们的优化模块会生成混合的现实接口，以解释这些考虑以及时间约束。进行评估，我们首先验证了与人类专家用户相比，我们的推理模块评估UI上下文的能力。在一项在线用户研究中，我们建立了centerachAdapt为混合现实生成上下文意识的布局的能力，在此效果优于以前的自适应布局方法。我们以一系列应用程序和场景结束，以证明centerachAdapt的多功能性。
Wang Qian-新加坡 供应链管理科学硕士（SCM）...
对具有可自定义性能的高级材料的需求不断增长，已将广泛的研究促进了有机和无机材料的整合，以实现靶向功能。本文的重点是基于两维（2D）材料膜的智能设备的开发，特别是氧化石墨烯（GO）和Ti 3 C 2 t x Mxene，由于其出色的可调性。膜制造过程中的修改，从纳米结构调整到三维形态学工程，可显着提高膜性能并扩大其潜在应用。这些基于2D材料膜的智能设备具有广泛的应用，包括智能体系结构，软电子设备和医疗设备。具体来说，具有致动功能的纳米结构修饰的平面膜为智能体系结构和软机器人技术提供了可编程响应。创新的弯曲膜增强了声学隔膜的结构适应性。具有独特的纳米结构和表面形态的皱纹膜可实现人体运动监测的高敏性压力感应，作为可伸缩的无线通信的可伸缩天线，并提高气体分离效率。这些进步强调了结构设计在充分利用2D材料膜的潜力方面的重要性，为开发下一代多功能智能设备开发了新的可能性。
真实世界的深层离线增强学习
在许多慢性疾病管理和重症监护应用中推荐最佳治疗策略的数据驱动方法越来越兴趣。强化学习方法非常适合这个顺序的决策问题，但必须专门在回顾性病历数据集上进行培训和评估，因为直接在线探索是不安全且不可行的。尽管有这一要求，但绝大多数治疗优化研究都使用了偏离RL方法（例如，在纯粹的离线设置中表现较差的双重深Q网络（DDQN）或其变体）。离线RL的最新进展，例如保守Q学习（CQL），提供了合适的替代方案。，但是在将这些方法调整到现实世界应用中仍然存在挑战，在这些方法中，次优示例主导着回顾性数据集，并且需要满足严格的安全限制。在这项工作中，我们引入了一种实用且理论上的过渡抽样方法，以解决离线RL培训期间的行动失衡。我们对糖尿病和败血症治疗优化的两个现实世界任务进行了广泛的实验，以将所提出的方法的性能与突出的非上线和离线RL基准（DDQN和CQL）进行比较。在一系列有原则和临床相关的指标中，我们表明我们提出的方法可以根据相关的实践和安全指南进行实质性改善。
Neuropose：使用EMG可穿戴设备
无处不在的手指运动跟踪可以在增强现实，体育分析，康复 - 医疗保健，触觉等方面进行许多令人兴奋的应用程序。本文介绍了神经蛋白，该系统显示了使用柏拉图可穿戴肌电图（EMG）传感器进行3D手指运动跟踪的可行性。EMG传感器可以通过手指激活引起的肌肉感知电势，从而提供丰富的信息，以获得细粒的手指运动感测。然而，将传感器信息转换为3D手指的姿势是微不足道的，因为来自多个手指的信号以复杂的模式在传感器处叠加。为解决这个问题，神经蛋白与机器学习架构在复发性神经网络（RNN），编码器 - 编码器网络和重新NETS上的机器学习体系结构中融合了信息，从而从噪声EMG数据中解释了3D手指运动。生成的运动模式在时间上是光滑的，并且在解剖学上是一致的。此外，要利用一种转移学习算法将一个用户的验证模型调整到具有最小培训开销的新用户。对12位用户的系统研究表明中位错误为6。24◦和90％的误差为18。33◦在跟踪3D指关节角。准确性对于传感器安装位置的自然变化以及用户的腕部位置变化是可靠的。神经蛋白是在智能手机上实施的，其处理延迟为0.101，并且高能开销。
高级士兵市场情况说明书 - MyNavyHR
NAVADMIN 261/22 中宣布的高级士兵市场为高级士兵 E-7 至 E-9 水手带来了基于岗位的晋升，从有资格参加 2023 年春季 2024 财年 E-9 选拔委员会的 E-8 水手开始。这一转变将有助于将我们最有经验的士兵水手与特别需要他们的培训、领导力和经验的岗位相匹配。 这一过程更好地将水手的才能与单位工作要求相结合，并寻求提升致力于留在海军的水手。这一变化还旨在减少当水手在正常的永久换岗时间表之外重新调整到与其薪级相匹配的职位时对水手、家人和指挥部的干扰。 在过渡期间，随着我们建立基于岗位的晋升机制并启动高级士兵市场，海军将继续努力通过高级士兵任务优化流程纠正高级士兵薪级中的薪级错位。 指挥高级士兵计划、核、音乐家和海军特种作战（特种作战操作员 (SO) 和特种作战艇操作员 (SB)）水手不受此变化影响，将继续遵循各自的遗留委员会和分配流程。 未来几年，政策和信息技术系统将逐步发生变化，以支持海军最终过渡到完全基于岗位的 E-5 至 E-9 水手晋升系统。
基于脉冲宽度调制的直流电机闭环...
印度海得拉巴 Sridevi 女子工程学院 EEE 系。摘要 使用微控制器和脉冲宽度调制 (PWM) 技术调节直流电机的速度是本项目的主要目标。每个机器人项目都严重依赖直流电机控制。在许多应用中，旋转具有高或低速度限制的直流电机是必要的。我们为此采用 PWM 方法。在脉冲宽度调制 (PWM) 电路中，可以通过调整开关比将平均导通时间从零调整到百分之百，从而产生方波。这允许改变对负载的功率输送。与电阻功率控制器相比，脉冲宽度调制 (PWM) 电路效率更高。当设置为 50% 的负载功率时，PWM 使用大约 50% 的全功率，几乎所有功率都流向负载。相比之下，电阻控制器使用大约 71% 的全功率，其中一半功率流向负载，另外 21% 的功率浪费在加热串联电阻上。脉冲宽度调制还有一个额外的好处，就是允许脉冲达到整个电源电压。这样，它们就能够更容易地克服电机内部的阻力，从而在电机中产生更大的扭矩。这个项目采用了使用嵌入式 C 指令编码的车载计算机。车载计算机可以与输入和输出模块通信。为了显示直流电机的当前速度，LCD 充当输出模块。可以使用控制按钮调整电机的速度。
数据驱动添加剂制造的可传输性分析
数据驱动的增材制造（AM）的研究在近年来取得了巨大的成功。这导致了许多科学文献的出现。这些作品中的知识包括AM和人工智能（AI）上下文，这些环境尚未以综合的方式开采和形式化。此外，没有任何工具或准则可以支持从一个上下文到另一种上下文的数据驱动知识转移。结果，仅针对特定的AM过程技术开发并验证了使用特定AI技术的数据驱动解决方案。有可能利用各种AM技术的固有相似性，并使用AI（例如转移学习）将现有解决方案从一个过程或问题调整到另一个过程。我们在AM中提出了一个三步知识转移性分析框架，以支持数据驱动的AM知识传输。作为可转让性分析的先决条件，AM知识被介绍为已识别的知识组成部分。该框架由转移，转移和转移后的步骤组成，以完成知识转移。在旗舰金属AM过程之间进行了案例研究。激光粉末床融合（LPBF）是知识的来源，它是由于其在定向能量沉积（DED）上应用AI时相对成熟度（DED）的来源，它可以将知识转移的需求作为较少探索的目标过程。我们在数据驱动的解决方案的不同级别上显示了成功的传输，包括数据表示，模型体系结构和模型参数。AM