XiaoMi-AI文件搜索系统
World File Search System近几年来
基于钙钛矿的高效超薄发光二极管
d 中山大学化学学院生物无机与合成化学教育部重点实验室，广州 510275 基于钙钛矿纳米晶体的发光二极管 (PNCs-LED) 引起了下一代显示和照明技术的极大兴趣，因为它们的色纯度、高亮度和发光效率接近从器件结构中提取电致发光的固有极限。虽然现在是开发有效的光耦合策略以进一步提高器件性能的时候了，但 PNC-LED 的这一技术相关方面仍然没有明确的解决方案。在这里，遵循理论指导并且没有集成复杂的光子结构，我们实现了稳定的 PNC-LED，其 EQE 高达 29.2%（平均 EQE =24.7%），这大大突破了普通 PNC-LED 的耦合限制，并系统地超越了以前任何基于钙钛矿的器件。这种前所未有的性能的关键是引导薄至 10 nm 的 PNC 发射层中的复合区，我们通过使用用镍氧化物层重新表面化的 CsPbBr 3 PNC 精细平衡电子和空穴传输来实现这一点。超薄方法具有普遍性，原则上也适用于其他钙钛矿纳米结构，用于制造高效、颜色可调的透明 LED，非常适合不显眼的屏幕和显示器，并与光子元件的集成兼容，以进一步提高性能。关键词：卤化铅钙钛矿纳米晶体、发光二极管、外部量子效率、光耦合、透明 LED 近几年来，铅因其优越的光学性能和经济实惠的溶液加工性而备受推崇
半导体辐射探测器
近几年来，用于核辐射和粒子的半导体探测器发展迅速。虽然这些发展已在大量出版物中有所记载，但以入门教科书的形式收集这些信息似乎很有用，该教科书还包含最新发展背后的基本概念。本书旨在作为学术教学的基础，以及所有从事半导体探测器开发或使用的人员的指南和参考。半导体探测器现在用于科学和技术领域的众多领域，包括核物理、基本粒子物理、光学和 X 射线天文学、医学和材料测试 - 而且应用数量不断增长。与半导体应用密切相关且由半导体应用引发的是用于信号读出的低噪声低功耗集成电子器件的发展。半导体探测器的成功归功于其他类型探测器所不具备的几种独特特性。这些特性的例子有：极高精度的位置测量与高读出速度的结合；直接以电子形式提供信号；同时精确测量能量和位置；以及在公共基片上集成探测器和读出电子器件的可能性。值得注意的是，所有这些发展都源于为基础研究（这里是基本粒子物理学）提供调查工具的需要，而且这些发展的成果现在也造福于其他科学技术领域。在介绍材料时，重点介绍了探测中的物理原理和设备结构，而具体应用和探测器系统则放在一边。大部分内容是关于读出电子器件和探测器放大器系统中的噪声考虑。虽然不涉及探测器系统本身，但本文讨论了目前计划在新建粒子对撞机的严酷辐射环境中应用数万个探测器对探测器性能提出的要求。生产如此大量的探测器需要一种简单的设计，既经济又能应对辐射引起的材料性质的剧烈变化。因此，辐射损伤和设备稳定性领域也得到了广泛的覆盖。
固态系统中的量子计算
近几年来，随着超导器件在单个芯片上达到数十个甚至数百个量子比特，量子计算已成为现实 [1,2]，它可以解决那些即使使用最强大的传统超级计算机也需要耗费大量时间的问题。这些早期的量子计算机 (QC) 被称为有噪声的中型量子计算机，因为在如此小的量子比特阵列中无法有效抵消环境噪声。虽然某些算法确实可以充分利用数百个不完美量子比特的潜力 [3]，但量子计算的伟大前景需要完美量子比特，而这只能在更大规模的量子比特阵列中实现，使用量子纠错 (QEC) [4,5]。半导体中的自旋量子比特 [6,7] 是迄今为止唯一有潜力达到如此规模的平台，为容错量子计算铺平了道路。量子点 (QDs) [6] 中的量子比特尺寸为几十纳米，可在单个芯片上集成数百万个量子比特。硅纳米结构中的自旋量子比特是尤其有吸引力的候选对象。凭借半导体行业数十年的经验，硅是研究最多的元素之一，拥有独特先进的制造技术。硅中的电子自旋量子比特在过去几年中已非常成熟，已达到与 QEC 算法的误差阈值相匹配的单量子比特和双量子比特门保真度 [8, 9]。然而，导带中弱的本征自旋轨道相互作用 (SOI) 需要使用微磁体来辅助全电量子比特控制。这种额外的复杂性给设备设计和制造带来了新的挑战。另一方面，硅和锗量子点中的空穴自旋量子比特受益于强直接 Rashba SOI [10]，可将量子比特控制速度加速到几百兆赫 [11,12]，而无需在设备中集成其他元件。在本文中，我们首先介绍并简要概述
与传统诊断成像方法相比，人工智能工具在癌症检测中的应用：系统评价概述
由于癌症的早期诊断与患者的更好治疗效果相关，人们对通过图像识别将人工智能 (AI) 技术用于癌症筛查和检测有着浓厚的兴趣，希望能够减少诊断时间并提高诊断准确性 [ 1 ]。人工智能在医学、生物医学和癌症研究等领域取得了重大进展。为了预测癌症行为和预后，人工智能采用数学方法，帮助基于逻辑和自主思维以及有效适应性做出决策或采取行动 [ 2-4 ]。人工智能有可能极大地影响肿瘤学的几乎所有方面——从增强诊断到个性化治疗，再到发现新型抗癌药物。因此，回顾人工智能应用的最新巨大进展及其在日常临床实践中的潜力，并强调其局限性和缺陷非常重要 [ 1, 2 ]。多项研究已证明人工智能技术具有预测某些恶性肿瘤（包括结直肠癌、乳腺癌、皮肤癌和肺癌）诊断、预后和治疗反应的潜力[5-8]。机器学习 (ML) 是人工智能的一个分支，已证明可以最大限度地减少发育不良和癌症分类的重复性，确保一致性和有效性，并影响治疗决策[9]。深度学习 (DL) 方法的进展已在癌症和肿瘤学研究中基于图像的诊断和疾病检测方面取得了进展[10,11]。DL 配置是分层耦合的非线性人工神经网络。近几年来，人们开发了一系列基于输入数据类型的 DL 架构。同时，对模型的性能进行了评估，发现 DL 在癌症预测中的应用优于 ML 中采用的标准程序[12]。在此背景下，这些系统提供了巨大的潜力来支持和增强诊断方法，例如克服人类记忆和注意力的局限性，提高计算和解释数据的有效性，以及防止偏见和成见影响判断。然而，由于图像数据的数量巨大且复杂，放射科医生发现吸收和评估大量数据以进行诊断和治疗具有挑战性。诊断需要更长的时间，出错的风险更高，而且放射科医生容易疲劳。放射成像领域的自动化可以帮助解决许多问题，包括a）提高准确性和
智能人类国际会议论文集
前言 近几年来，人机交互 (HCI) 科学技术取得了巨大进步。这推动了两种相反的趋势。一种不同的趋势是组织单独的会议，讨论诸如“交互设计和以用户为中心的设计等”等重点主题，而这些主题以前都属于 HCI 范畴。另一种趋同的趋势是在 HCI 会议中吸收新的领域，例如“用文字计算”、“亲社会代理开发”和“基于注意力的应用”等。IHCI-2021 是少数专注于上述趋势交叉点上的“智能”和“人机交互”问题的会议之一。很荣幸能够介绍第 13 届智能人机交互国际会议 (IHCI-2021) 的论文集。该会议由肯特州立大学于 2021 年 12 月 20 日至 22 日在美国俄亥俄州肯特市肯特州立大学设计创新中心举办。IHCI 是人机交互领域的年度国际会议，我们在会上探讨机器智能与人类智能之间复杂交互中出现的研究挑战。这是第十三次以“超越物理极限的智能交互”为主题的活动，有 12 个特别专题，与会议主题以及 IHCI 领域的一般主题有关。在提交的 138 篇论文中，66 篇论文被程序委员会接受进行口头陈述和出版，该委员会基于至少 3 位专家审稿人的建议。论文集分为九个部分，与会议的每个专题相对应。第 13 届 IHCI 会议包括五位主旨演讲人和十位受邀演讲人，以及 29 位强大的专家会议主席和 6 位论坛组织者，他们曾在行业和学术界工作，吸引了 200 多名参与者，成为全球（超过 22 个国家）最重要的学术研究人员、研究生、顶级研究智库和行业技术开发人员的聚会。因此，我们确实相信，参与者最大的好处是实现他们在 HCI 领域的目标。这最终将带来更大的商业成功，最终对社会有益。此外，我们应该向所有向 IHCI-2021 提交作品的作者表示热烈的感谢。在提交、审查和编辑阶段，Easy chair 会议系统非常有用。我们感谢技术计划委员会 (TPC) 和当地组织委员会为确保本次会议的成功所做的不懈努力。最后，我们要感谢我们的演讲者、作者和参与者为使 IHCI-2021 成为一个令人振奋和富有成效的会议所做的贡献。如果没有他们未来的持续支持，IHCI 会议系列就无法实现年度里程碑。2021 年 12 月
欧洲人工智能政策
近几年来，人工智能 (AI) 在消费者、商业、科学和政府部门中日益受到重视，常常作为推动新政策和治理形式的“流行词”。一些国家，例如英国，已经成立了许多不同的机构，制定和讨论主要针对人工智能和其他数据密集型技术的公共政策，政府和业界普遍呼吁创新监管。与此同时，不同的公司、商业协会、民间社会、智库等已经制定了许多举措，重点关注道德原则和工具包，以解决与人工智能部署相关的价值紧张问题。所有这些不同的机构、法律和行业努力共同构成了 Ryan Calo (2017) 所说的“人工智能政策”：一个独立而独特的政策制定领域，旨在应对与人工智能和类似技术相关的不同挑战，包括正义和公平、安全和认证、隐私和权力动态、税收和劳动力转移。 5 从这个意义上讲，人工智能政策需要被理解为一个横跨不同领域和部门的横向政策领域，并面临随之而来的各种挑战。这场辩论的一个关键参与者是欧盟 (EU)，过去几年来，欧盟一直在努力制定以人工智能和数据驱动技术为重点的政治战略、金融政策和监管制度。在本工作文件中，我们总结了其中一些努力，绘制了辩论图，并概述了关键的机构安排和资金战略。我们认为这是掌握欧盟围绕人工智能的政策辩论的构成、问责制和权力动态的有益练习。因此，这是进一步研究人工智能变革方面与社会正义问题相关的政策回应的起点。工作文件概述了欧盟政策格局中相关参与者的立场。在本文中，我们重点关注欧盟委员会和其他欧洲机构，如欧洲议会、咨询委员会或执行机构，以及它们为制定与人工智能相关的共同战略所做的努力。为了做到这一点，我们将自由国家对技术和创新的干预的双重方面结合在一起，一方面涵盖公共研究资助原则，另一方面涵盖行业监管干预。6 在这些领域，无数的工具和官僚机制塑造了当代欧盟关于人工智能的政策辩论的性质。我们首先概述一些历史背景，然后概述欧盟委员会发布的有关人工智能的主要政策文件的主要特征。然后，我们继续讨论资金和投资战略，并概述所谓“专家组”的贡献以及欧洲议会和其他协商机构举行的决议和辩论，最后简要介绍委员会记录的与数字政策交叉的关键政策挑战。
反卷积网络在癫痫检测中的特征可解释性应用
大脑中不规则的电活动会导致人的行为、运动、感官体验和对周围环境的意识发生深刻而暂时的变化（Nasiri 和 Clifferd，2021 年）。在早期阶段识别和治疗癫痫对患有这种疾病的人来说可以带来关键而有价值的变化。头皮脑电图 (EEG) 是一种测量大脑电活动的非侵入性技术，是诊断癫痫的广泛使用的补充检查（Liang 等人，2020 年）。在癫痫发作期间，患者的脑电图将显示出明显的异常模式（Staba 等人，2014 年）。医生可以通过检查脑电图来帮助确定是否发生癫痫。然而，审查长期脑电图需要医生投入大量的时间和精力。因此，开发自动癫痫检测算法至关重要（Si 等人，2023 年）。研究人员正积极致力于开发利用脑电图数据自动检测癫痫发作的方法。从最初使用硬件电路的尝试到后来利用时域信息和基于阈值的方法进行癫痫发作检测。后续发展涉及使用频域特征和提取时频特征（Xia 等人，2015 年）进行癫痫发作检测。自引入以来，深度学习模型在计算机视觉任务中比手动提取的特征更具弹性（Chen 等人，2024 年）、语音识别（Eris and Akbal，2024 年）和自然语言处理（Luo 等人，2024 年）。因此，利用深度学习技术自动使用脑电图信号检测癫痫发作已显示出在做出最合适和最快临床决策方面具有重大前景（Ahmad 等人，2023 年）。近几年来，各种深度学习模型已用于癫痫发作检测，包括循环神经网络（Tuncer 和 Bolat，2022 年）、生成对抗网络（Rasheed 等人，2021 年）、深度神经网络（Liu 和 Richardson，2021 年）、分层神经网络（Hu 等人，2021 年）和卷积神经网络。这些模型取得了令人鼓舞的结果（Kaur 等人，2022 年）。卷积网络在逐像素进行端到端训练后，性能得到了进一步提升。随着全卷积网络 (FCN) 的引入，神经网络设计可以处理不同大小的输入，并通过高效的推理和学习机制产生相应大小的输出（Chou 等人，2023 年）。然而，FCN 尚未广泛应用于癫痫发作检测。同时，以往的深度学习算法往往忽略了不同通道对分类任务的贡献，导致模型的可解释性有限。针对上述问题，本文提出了一种基于深度学习的独立癫痫检测算法。算法可以从多通道脑电图数据中自主提取时间和空间信息，从而能够精确识别不同患者的癫痫发作事件。本文做出了几个关键贡献，包括：λ 提出了一种结合 SE（挤压和激励）模块的 CNN 模型检测算法。该方法已在 CHB-MIT 数据集上进行了评估，并取得了优异的性能。λ 首次将 FCN 模型中的上采样方法应用于癫痫发作检测，通过利用反卷积实现，将降尺度的图像从