XiaoMi-AI文件搜索系统
World File Search System超低
超低 GWP 发胶 | 配方表
尽管霍尼韦尔国际公司认为本文所含信息准确可靠，但本文不提供任何形式的保证或责任，也不构成霍尼韦尔国际公司的任何明示或暗示的陈述或保证。许多因素可能会影响与用户材料一起使用的任何产品的性能，例如其他原材料、应用、配方、环境因素和制造条件等，用户在生产或使用产品时必须考虑所有这些因素。用户不应认为本文包含了正确评估这些产品所需的所有数据。本文提供的信息并不免除用户自行进行测试和实验的责任，用户承担与使用本文所含产品和/或信息相关的所有风险和责任（包括但不限于与结果、专利侵权、法规遵从性以及健康、安全和环境有关的风险）。Solstice 是霍尼韦尔国际公司的注册商标。
引用：Vera A Grin-Yatsenko (2020) 超低频神经反馈调节脑电位的超慢振荡：一项对照研究。
本研究对超低频神经反馈与主动控制条件心率变异性训练进行了正式比较。研究涉及 17 名年龄在 21-50 岁之间、没有神经或精神疾病史但报告了一些生理或心理不适的参与者。在 20 节训练课之前和之后的测试中，通过视觉 Go/NoGo 测试表现和慢 EEG 振荡的频谱功率来监测参与者的进展。在健康状况和视觉 Go/NoGo 测试结果方面，结果显示超低频神经反馈训练优于心率变异性训练。仅在神经反馈队列中观察到超低频范围内振幅的显著升高。关键词：神经反馈；脑电图；超慢 EEG 振荡；心率变异性；超低频训练
使用超低噪声 SQUID 放大器实现量子点的灵敏射频读取
半导体中的电子自旋是最先进的量子比特实现方式之一，也是利用工业工艺制造的可扩展量子计算机的潜在基础 [1–3]。一台有用的计算机必须纠正计算过程中不可避免地出现的错误，这需要很高的单次量子比特读出保真度 [4]。用于错误检测的全表面码要求在计算机的每个时钟周期内读出大约一半的物理量子比特 [5]。直到最近，自旋量子比特装置中的单次读出只能通过自旋到电荷的转换来实现，由附近的单电子晶体管 (SET) 或量子点接触 (QPC) 电荷传感器检测 [6–9]。然而，如果使用色散读出，硬件会更简单、更小，这利用了双量子点中单重态和三重态自旋态之间的电极化率差异 [10–13]。可以通过与量子点电极之一粘合的射频 (RF) 谐振器监测由此产生的两个量子比特状态之间的电容差异。量子点中的电荷跃迁也会发生类似的色散偏移，这样反射信号有助于调整到所需的电子占据 [14–16]。色散读出的优势在于它不需要单独的电荷传感器，但即使在自旋衰减时间较长的系统中，电容灵敏度通常也不足以进行单次量子比特读出 [17–23]。最近，已经在基于双量子点的系统中展示了色散单次读出 [24–28]，但为了提高读出保真度，仍然需要更高的灵敏度。
NEBULA：一种用于 SNN 和 ANN 的基于神经形态自旋的超低功耗架构
摘要 — 迄今为止，脑启发式认知计算主要有两种方法：一种是使用多层人工神经网络 (ANN) 执行模式识别相关任务，另一种是使用脉冲神经网络 (SNN) 模拟生物神经元，以期达到与大脑一样高效和容错的效果。前者由于结合了有效的训练算法和加速平台而取得了长足的进步，而后者由于缺乏两者而仍处于起步阶段。与 ANN 相比，SNN 具有明显的优势，因为它们能够以事件驱动的方式运行，因此功耗非常低。最近的几项研究提出了各种 SNN 硬件设计方案，然而，这些设计仍然会产生相当大的能源开销。在此背景下，本文提出了一种涵盖设备、电路、架构和算法级别的综合设计，以构建用于 SNN 和 ANN 推理的超低功耗架构。为此，我们使用基于自旋电子学的磁隧道结 (MTJ) 设备，这种设备已被证明既可用作神经突触交叉开关，又可用作阈值神经元，并且可以在超低电压和电流水平下工作。使用这种基于 MTJ 的神经元模型和突触连接，我们设计了一种低功耗芯片，该芯片具有部署灵活性，可用于推理 SNN、ANN 以及 SNN-ANN 混合网络的组合——与之前的研究相比，这是一个明显的优势。我们在一系列工作负载上展示了 SNN 和混合模型的竞争性能和能源效率。我们的评估表明，在 ANN 模式下，所提出的设计 NEBULA 的能源效率比最先进的设计 ISAAC 高达 7.9 倍。在 SNN 模式下，我们的设计比当代 SNN 架构 INXS 的能源效率高出约 45 倍。 NEBULA ANN 和 SNN 模式之间的功率比较表明，对于观察到的基准，后者的功率效率至少高出 6.25 倍。索引术语 — 神经网络、低功耗设计、领域特定架构、内存技术
超低成本全加器单元利用非线性效应...
本文介绍了一种高效设计量子点细胞自动机 (QCA) 电路的新方法。所提方法的主要优点是减少了 QCA 单元的数量，同时提高了速度、降低了功耗并增大了单元面积。在许多情况下，需要将特定中间信号的效应加倍。最先进的设计利用一种扇出来实现这些，从而增加了单元数量，消耗了更多功率并降低了电路的整体速度。在本文中，我们介绍了单元对齐，以将某个信号的效果乘以二、三甚至更多。这可以被视为设计任何需要此属性的任意电路的新视角。此外，还介绍了一种新的共面交叉方法，该方法能够在两个连续时钟内进行共面交叉，最坏情况下需要一个旋转单元。为了证明所提想法的有效性，我们设计了一个新的全加器单元和一个新的进位纹波加法器（4 位），它提供更少的 QCA 单元数量以及更低的功耗和成本。
h-BN 封装中的超低肖特基势垒...
图 1：(a) 具有铁磁触点的 h-BN 封装单层 WSe 2 隧道器件示意图 (b) 器件的光学显微镜图像。矩形部分（红色）表示封装结构；定义触点之前的封装样品的光学图像。(c) (顶部) 单层 WSe 2 相对于直接接触材料铂的能级图；(底部) 在有限偏压和超阈值栅极电压下的正向偏压条件下的漏源电流示意图。请注意，在我们的器件中，多数电荷载流子是空穴。围绕铁磁触点弯曲的能带未缩放。(d) 4.7K 下单层 WSe 2 的光致发光 (PL) 光谱仪（X o 表示中性激子峰）；（插图）同一单层 WSe 2 的室温 PL 光谱显示单层中集体激发的单个特征峰在 1.67 eV 处。
GaAs MMIC 超低噪声.pdf
摘要 采用 70 nm GaAs mHEMT OMMIC 工艺 (D007IH) 设计了四级 K 波段 MMIC 低噪声放大器 (LNA)。基于 Momentum EM 模拟结果，四级 LNA 实现了 29.5 dB ±1 dB 的增益、低至 1 dB 的噪声系数 (NF) 和整个波段优于 -10 dB 的输入回波损耗。LNA 芯片尺寸为 2500 µm x1750 µm。由于选择源阻抗以最小化实现输入匹配网络所需的元件数量，因此设计工作流程可以改善 LNA 的 NF 和输入回波损耗。所提出的电路的输入匹配网络由与有源器件的栅极串联的单个锥形八角形电感器组成，从而对第一级实现的 NF 影响很小，并显著改善 LNA 的输入回波损耗。
超低功率整流器的分析与优化...
摘要 — 能够通过天线从环境中收集射频能量并将其转换为直流能量以输送给负载的系统称为整流天线。整流电路是整流天线的重要组成部分，由于它采用了在极低功率水平下工作的非线性装置，因此其建模非常困难。此外，系统中还存在一些损耗。因此，设计高效整流器是一项巨大的挑战。在这项工作中，使用遗传算法优化了几种整流器拓扑，以实现最高效率和输出电压。还分析了变量对这些整流器输出的影响。所研究的拓扑针对 -15 dBm 输入功率和 2.45 GHz 工作频率进行了优化，以符合最适合能量收集的频段。在这些条件下，单二极管系列拓扑表现出最佳性能。当输入功率为 -15 dBm 时，其输出电压为 402 mV，效率为 51.3%。在该功率水平下，实现的效率高于文献中所述的效率。
超低功耗 0.45 mW 2.4 GHz CMOS 低噪声放大器
本文介绍了用于无线传感器网络 (WSN) 应用的超低功耗低噪声放大器 (LNA) 的设计拓扑。所提出的超低功耗 2.4 GHz CMOS LNA 设计采用 0.13 µm Silterra 技术实现。LNA 的低功耗得益于第一级和第二级的正向体偏置技术。为了提高增益，同时降低整个电路的功耗，实施了两级。仿真结果表明，在 0.55 V 的低电源电压下，总功耗仅为 0.45 mW。与之前的工作相比，功耗降低了约 36%。实现了 15.1 dB 的增益、5.9 dB 的噪声系数 (NF) 和 -2 dBm 的输入三阶截点 (IIP3)。输入回波损耗 (S11) 和输出回波损耗 (S22) 分别为 -17.6 dB 和 -12.3 dB。同时，计算出的品质因数（FOM）为7.19 mW -1 。
超低温冷冻机 RevcoTM RDE 系列，...
本手册中描述的 –86°C 冷冻机（请参阅特定型号系列的型号）用于在 -65°C 下将冷冻红细胞储存在 40% 甘油中长达 10 年；在 -65°C 下将冷冻复原红细胞储存长达 10 年；在 -65°C 下将新鲜冷冻血浆储存长达 10 年；以及将冷冻或低温保存的组织长期储存：将肌肉骨骼组织储存在 -40°C 或更低的温度下，将皮肤储存在 -40°C 或更低的温度下，将骨骼储存在 -40°C 或更低的温度下。这些产品只能由授权和经过充分培训的人员使用。它被视为医疗器械，因此已在医疗器械监管机构 FDA 上市，并被 FDA 视为 II 类医疗器械。该产品在产品代码 KSE 下列出，法规编号为 864.9700，并被视为 510(K) 豁免。本设备不适用于分类危险场所，也不适用于储存易燃物品。参考：AABB - 技术手册第 17 版，第 273、274 页。