XiaoMi-AI文件搜索系统
World File Search System超高
基于硅透镜的超高频超声波换能器（150MHz）
摘要：声学显微镜和声镊在微粒操控、生物医学研究和无损检测等领域有着重要的应用价值。超高频超声换能器是声学显微镜的关键部件，而声镊和声透镜又是超高频超声换能器的重要组成部分，因此声透镜的制备至关重要。硅具有声速高、声衰减小、可加工性好等特点，是制备声透镜的合适材料。前期研究中硅透镜主要采用刻蚀法制备，但刻蚀存在一些缺点，大尺寸刻蚀工艺复杂、耗时长、成本高，且垂直刻蚀优于球面刻蚀。因此，本文介绍了一种新的超精密加工方法来制备硅透镜。本文制备了口径为892 μm、深度为252 μm的硅透镜，并基于硅透镜成功制备了中心频率为157 MHz、−6-dB带宽为52%的超高频超声换能器。换能器焦距为736μm，F数约为0.82，换能器横向分辨率为11μm，可以清晰分辨硅片上13μm的狭缝。
TIVAR® CleanStat 超高分子量聚乙烯– |微机
本出版物中包含的所有声明、技术信息和建议均根据我们的最佳知识和信念提供，并且通常基于被认为是可靠的实践经验的测试。但请读者注意，三菱化学先进材料不保证该信息的准确性或完整性，并且客户有责任评估三菱化学先进材料产品是否适合特定应用。
环氧复合材料中煤炭衍生的闪光石墨烯添加剂的超高负荷
石墨烯已被证明是复合材料的特殊增强添加剂，但其合成的高成本在很大程度上阻止了其在工业规模上的增加。Flash Joule加热提供了一种快速的，批量的方法，用于从煤炭材料（例如冶金可乐（MC））合成石墨烯，进入冶金焦源浅灰灰石墨烯（MCFG）。在这里，这项工作研究了比文献中先前报道的纳米纤维含量含量更高的石墨烯 - 环氧复合材料的特性。具有20至50 wt％的MCFG的复合材料。MCFG的比例为1：2：DGEBA，年轻的模量增加了92％，比例为1：3，硬度增加了140％。 在MCFG的1：4比率下，DGEBA，抗压强度和最大应变分别增加145％和61％。 在MCFG的1：3比例时：DGEBA，韧性增加了496％。 最后，以MCFG的1：1比率：DGEBA，温室气体排放，用水和能耗分别降低了33％，47％和34％。 作为FG坠落的成本，因为它可以由MC（如MC）（如MC），没有溶剂或水的毫秒而产生，因此前景有望在复合材料中进行高载荷。MCFG的比例为1：2：DGEBA，年轻的模量增加了92％，比例为1：3，硬度增加了140％。在MCFG的1：4比率下，DGEBA，抗压强度和最大应变分别增加145％和61％。 在MCFG的1：3比例时：DGEBA，韧性增加了496％。 最后，以MCFG的1：1比率：DGEBA，温室气体排放，用水和能耗分别降低了33％，47％和34％。 作为FG坠落的成本，因为它可以由MC（如MC）（如MC），没有溶剂或水的毫秒而产生，因此前景有望在复合材料中进行高载荷。在MCFG的1：4比率下，DGEBA，抗压强度和最大应变分别增加145％和61％。在MCFG的1：3比例时：DGEBA，韧性增加了496％。最后，以MCFG的1：1比率：DGEBA，温室气体排放，用水和能耗分别降低了33％，47％和34％。作为FG坠落的成本，因为它可以由MC（如MC）（如MC），没有溶剂或水的毫秒而产生，因此前景有望在复合材料中进行高载荷。
先进的机器学习算法来评估原材料对超高性能混凝土流动性和抗压强度的影响
通过人工智能技术估算混凝土特性已被证明是建筑领域节省时间和成本的有效方法。超高性能混凝土 (UHPC) 的制造基于多种成分的组合，从而产生一种非常复杂的新鲜和硬化形式的复合材料。成分越多，可能的组合、特性和相对混合配比就越多，导致难以预测 UHPC 行为。本研究的主要目的是开发机器学习 (ML) 模型来预测 UHPC 的流动性和抗压强度。因此，当前的研究采用了复杂而有效的人工智能方法。为此，应用了一个名为决策树 (DT) 的单独 ML 模型和名为引导聚合 (BA) 和梯度提升 (GB) 的集成 ML 算法。还采用了诸如判定系数 (R2)、均方根误差 (RMSE) 和平均绝对误差 (MAE) 之类的统计分析来评估算法的性能。结论是，GB 方法可以适当地预测 UHPC 的流动性和抗压强度。DT 技术的 R 2 值较高，分别为抗压和流动性的 0.94 和 0.95，误差值较小，与其他 R 2 值较低的算法相比具有更高的精度。SHAP 分析表明，石灰石粉含量和固化时间分别对 UHPC 的流动性和抗压强度具有最高的 SHAP 值。本研究成果将有利于建筑行业的学者快速有效地确定 UHPC 的流动性和抗压强度。
受大脑启发的超维计算，实现超高效的边缘 AI
摘要 — 超维计算 (HDC) 正在迅速成为传统深度学习算法的有吸引力的替代方案。尽管深度神经网络 (DNN) 在许多领域取得了巨大的成功，但它们在训练期间所需的计算能力和存储空间使得将它们部署在边缘设备中非常具有挑战性，甚至不可行。这反过来不可避免地需要将数据从边缘传输到云端，这在可用性、可扩展性、安全性和隐私方面引发了严重的担忧。此外，边缘设备通常从传感器接收的数据本质上是有噪声的。然而，DNN 算法对噪声非常敏感，这使得以高精度完成所需的学习任务变得非常困难。在本文中，我们旨在全面概述 HDC 的最新进展。HDC 旨在通过使用更接近人脑的策略来实现实时性能和稳健性。事实上，HDC 的动机是人类大脑在高维数据表示上运行的观察。在 HDC 中，对象被编码为具有数千个元素的高维向量。在本文中，我们将讨论 HDC 算法对噪声的良好鲁棒性以及从少量数据中学习的能力。此外，我们将介绍 HDC 与冯·诺依曼架构之外的出色协同作用，以及 HDC 如何通过其所需的超轻量级实现为边缘高效学习打开大门，这与传统 DNN 不同。索引术语 — 超维计算、嵌入式系统、节能计算、对抗性攻击、电压调节、内存计算、安全、图形、机器人、计算机视觉
超高体积分数增强铝基复合材料的原位反应打印
增材制造 (AM) 可以制造出传统制造方法无法实现或不经济的复杂结构。其独特的功能推动了多种打印技术的出现，并引发了对材料采用的广泛研究，特别是铁基、钛基和镍基合金。同时，铝作为一种轻质结构材料，其凝固范围大、反射率高，大大降低了铝与 AM 的兼容性。不兼容性的根源在于铝在 AM 的快速循环热条件下的不稳定行为及其与激光的相互作用较差。这阻碍了基于激光的铝 AM 的发展，并加剧了目前中温范围内轻质结构材料的缺乏。铝基复合材料 (AMC) 具有作为热稳定轻质结构材料的巨大潜力，结合了铝基体的轻质特性和增强相的强度。然而，AMC 的制造主要采用传统方法，仅实现中等体积分数的增强，同时与 AM 相比零件复杂性有限。为了应对这些挑战，原位反应打印 (IRP) 作为一种新型 AM 方法被采用，利用不同元素粉末混合物的反应产物来制造具有超高体积分数金属间增强体的 AMC。在本研究中，系统地研究了钛添加到元素铝原料粉末中对材料加工性、微观结构特征和力学性能等不同方面的影响。结果表明，与现有的 AM 铝合金和其他 AMC 相比，IRP 可以克服 AM 与铝之间的不兼容性，并生产出具有特殊体积分数增强体和出色刚度增强的 AMC。
在超高真空下，使用多环芳烃在Cu上（111）上的石墨烯生长
多环芳烃芳烃和pyr烯和吡啶的超高真空沉积在cu（111）表面上保持在1000 K的温度下，从而显示出导致石墨烯的形成。使用扫描隧道显微镜，X射线光电子光谱，角度分辨光发射光谱，拉曼光谱和低能电子衍射证明了石墨烯的存在。与更常用的甲烷或乙烯（例如甲烷或乙烯）相比，前体，倍吡林和吡啶是相对较大的芳香族分子。虽然当将pyrene用作前体时，可以天真地期待六边形石墨烯晶格的形成，但对于倍吡林来说，情况更为复杂。在这种情况下，只有5个和7元环的非替代叠层的非替代拓扑形成观察到的六边形石墨烯晶格。这样的重排，将非替代拓扑转化为替代拓扑，与先前描述类似拓扑改变的报道一致，包括分子倍吡林与pyrene的异构化。在此提出的热合成途径在相对较低的温度和超高真空条件下可以实现，这可以在严格控制和清洁的环境中进一步研究，而传统前体无法访问。
2023_34_ESE_Jackson：开发世界上最大的地电池：超高温地下热能储存，用于大规模发电
帝国理工学院 NORMS 小组的初步研究表明，英国可以在地下旧油气储层和深层盐水层中储存数 PWh 的电能。这种储存容量比电池或抽水蓄能等传统储存技术大几个数量级；相比之下，澳大利亚的“大电池”项目可以储存 450 GWh，英国最大的抽水蓄能设施可以储存 9 GWh，而英国每年的电力需求约为 350 TWh。大规模储存对于缓解风能和太阳能等间歇性可再生能源的供需不平衡至关重要，因为这种不平衡会造成价格不稳定和停电风险。然而，尽管它具有大规模储存电力的潜力，但往返储存效率、放电容量、地下对 UHT-UTES 的响应以及如何最佳地设计系统仍然存在很大的不确定性。
真正的量子密码学。超高的性能。
•演示（10）独特的量词后数字签名，这些签名将用于与外部派对进行身份验证（例如，云或主机服务，其他设备等）作为典型安全通信会话的启动的一部分（例如tls）。也用于数据和代码签名。
用于电路量子电动力学的多模态和超高 Q 值超导铌腔
2 3D 腔体.......................................................................................................................................................................................................................................................20 2.1 概述和动机..................................................................................................................................................................................................................................................................20 2.2 3D 腔体中的损耗机制..................................................................................................................................................................................................................................21 2.2.1 损耗概述..................................................................................................................................................................................21 . ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ... 48 2.3.3 辐射损耗和衰减损耗 . ...