XiaoMi-AI文件搜索系统
World File Search System重复性
通过 BET 方程计算的表面积的可重复性如何？
Johannes WM Osterrieth, James Rampersad, David Madden, Nakul Rampal, Luka Skoric, Bethany Connolly, Mark D. Allendorf, Vitalie Stavila, Jonathan L. Snider, Rob Ameloot, João Marreiros, Conchi Ania, Diana Azevedo, Enrique Vilarrasa-Garcia, Xinca F, Buan, Buan, Hanze, Hanze, Neil. R. Champness, Sarah L. Griffin, Banglin Chen, Rui-Biao Lin, Benoit Coasne, Seth Cohen, Jessica C. Moreton, Yamil J. Colón, Linjiang Chen, Rob Clowes, François-Xavier Coudert, Yong Cui, Bang Hou, Deanna M. D'Alessandro, Payne Dohen, Doen, Doe, Sun, Christian. Michael Thomas Huxley, Jack D. Evans, Paolo Falcaro, Raffaele Ricco, Omar Farha, Karam B. Idrees, Timur Islamoglu, Pingyun Feng, Huajun Yang, Ross S. Forgan, Dominic Bara, Shuhei Furukawa, Eli Sanchez, Jorge Gascon, Selvedin Telalović, Sukho Khamed, Khammed Murji, Murji Murji, Matthew R. Saum. diq, Patricia Horcajada, Pablo Salcedo-Abraira, Katsumi Kaneko, Radovan Kukobat, Jeff Kenvin, Seda Keskin, Susumu Kitagawa, Ken-ichi Otake, Ryan P. Lively, Stephen JA DeWitt, Phillip Llewellyn, Bettina V. Lotsch, Sebastian T. Ender, Alexander M. Pati M. Pati M. al, Javier García-Martínez, Noemi Linares, Daniel Maspoch, Jose A. Suárez del Pino, Peyman Moghadam, Rama Oktavian, Russel E. Morris, Paul S. Wheatley, Jorge Navarro, Camille Petit, David Danaci, Matthew J. Rosseinsky, Alexandros P., Kat Schunder, Martin Xu, Sergeant, Sergian, Sergeant. s Mouchaham, David S. Sholl, Raghuram Thyagarajan, Daniel Siderius, Randall Q. Snurr, Rebecca B. Goncalves, Shane Telfer, Seok J. Lee, Valeska P. Ting, Jemma L. Rowlandson, Takashi Uemura, Tomoya Iiyuka, Monique A. van der Revere, David Revere, Speed, M.J. and Lamaire, Krista S. Walton, Lukas W. Bingel, Stefan Wuttke, Jacopo Andreo, Omar Yaghi, Bing Zhang, Cafer T. Yavuz, Thien S. Nguyen, Felix Zamora, Carmen Montoro, Hongcai Zhou, Angelo Kirchon, and David Fairen-Jimenez*
钙钛矿太阳能电池的超薄等离子体聚合物钝化可提高稳定性和可重复性
在人类活动导致的气候危机背景下[1,2]，由于基于混合金属卤化物钙钛矿材料的太阳能装置的发展，光伏领域在过去几年中取得了迅速发展。 [3] 目前，这些装置的效率已经与商业硅电池相媲美。 [4] 迄今为止，最高效的钙钛矿太阳能电池 (PSC) 是通过使用介孔 TiO 2 (m-TiO 2) 作为电子传输层 (ETL) 的介观结构实现的。介孔支架通常掺杂吸湿化合物如锂盐以增强其电子迁移率。 [5–8] 虽然锂处理提高了钙钛矿装置的性能，因为它主要提高了电池的开路电压和填充因子，但它也导致太阳能装置对环境湿度的不稳定性更大，以及其光伏参数的低可重复性。 [9,10] 事实上，目前 PSC 实际应用面临的一些最重要瓶颈与创纪录的效率无关，而是与以下两个方面有关：1) 缺乏可重复的制造方法；2) 在实际室外条件下（湿度、紫外线照射、温度等）固有的低稳定性。在第一种情况下，PSC 的效率分散性在更受认可的实验室中并不狭窄，正如 Saliba 等人 [9] Jimenez-López 等人 [11] Qiu 等人 [12] 等许多学者在该主题的参考文章中对此进行了彻底讨论。其次，PSC 对环境条件的敏感性，尤其是钙钛矿材料，要求使用干气氛手套箱，这阻碍了这些太阳能装置的大规模生产。 [13–18] 在此背景下，许多研究人员致力于寻找钝化材料来修改中间层，这些材料不会损害器件的性能，但可以提高器件的稳定性。到目前为止，用于钝化界面的材料包括二维钙钛矿、金属氧化物化合物或绝缘有机材料。这些报道的方法通常使用溶液法，然而，尚未探索可扩展到工业制造的替代真空工艺。[19–21]
针对数百名（而非数千名）参与者的脑部疾病神经影像学研究的可重复性
图 1. 功效计算和重复率的实证分析。图 a 显示了统计功效与样本量和显著性阈值（1,000 次迭代）的关系。实线表示基于 ENIGMA 7 精神分裂症效应量（患者和对照组之间的皮质厚度组间差异）的功效计算；为了进行比较，虚线表示 Marek 等人报告的功效计算。3（源数据图 3 取自原始文章）。水平虚线对应于 80% 统计功效的领域标准。模拟表明，对于 P <10 -4 的 BWAS，550 个病例和 550 个对照的样本量达到 80% 的统计功效；对于 P <10 -3 的 BWAS，450 个样本达到 80% 的功效。图 b 显示了精神分裂症实证数据的重复率（橙色实线）与样本量的关系（在 114 个区域进行 BWAS，根据 P <0.05 Bonferroni 测试；1,000 次迭代；线周围的彩色区域表示迭代间平均值的上下一个标准差）。橙色虚线表示外推数据（参见补充方法）。实证分析表明，需要大约 400 名患者和 400 名对照的样本量才能检测到重复率为 80% 的效果。蓝色实线显示阿尔茨海默病实证数据的重复率（蓝色实线）。样本量是指每次分析中具有相等数量对照的病例数。
通过 BET 方程计算的表面积的可重复性如何？
Johannes WM Osterrieth, James Rampersad, David Madden, Nakul Rampal, Luka Skoric, Bethany Connolly, Mark D. Allendorf, Vitalie Stavila, Jonathan L. Snider, Rob Ameloot, João Marreiros, Conchi Ania, Diana Azevedo, Enrique Vilarrasa-Garcia, Xinca F, Buan, Buan, Hanze, Hanze, Neil. R. Champness, Sarah L. Griffin, Banglin Chen, Rui-Biao Lin, Benoit Coasne, Seth Cohen, Jessica C. Moreton, Yamil J. Colón, Linjiang Chen, Rob Clowes, François-Xavier Coudert, Yong Cui, Bang Hou, Deanna M. D'Alessandro, Payne Dohen, Doen, Doe, Sun, Christian. Michael Thomas Huxley, Jack D. Evans, Paolo Falcaro, Raffaele Ricco, Omar Farha, Karam B. Idrees, Timur Islamoglu, Pingyun Feng, Huajun Yang, Ross S. Forgan, Dominic Bara, Shuhei Furukawa, Eli Sanchez, Jorge Gascon, Selvedin Telalović, Sukho Khamed, Khammed Murji, Murji Murji, Matthew R. Saum. diq, Patricia Horcajada, Pablo Salcedo-Abraira, Katsumi Kaneko, Radovan Kukobat, Jeff Kenvin, Seda Keskin, Susumu Kitagawa, Ken-ichi Otake, Ryan P. Lively, Stephen JA DeWitt, Phillip Llewellyn, Bettina V. Lotsch, Sebastian T. Ender, Alexander M. Pati M. Pati M. al, Javier García-Martínez, Noemi Linares, Daniel Maspoch, Jose A. Suárez del Pino, Peyman Moghadam, Rama Oktavian, Russel E. Morris, Paul S. Wheatley, Jorge Navarro, Camille Petit, David Danaci, Matthew J. Rosseinsky, Alexandros P., Kat Schunder, Martin Xu, Sergeant, Sergian, Sergeant. s Mouchaham, David S. Sholl, Raghuram Thyagarajan, Daniel Siderius, Randall Q. Snurr, Rebecca B. Goncalves, Shane Telfer, Seok J. Lee, Valeska P. Ting, Jemma L. Rowlandson, Takashi Uemura, Tomoya Iiyuka, Monique A. van der Revere, David Revere, Speed, M.J. and Lamaire, Krista S. Walton, Lukas W. Bingel, Stefan Wuttke, Jacopo Andreo, Omar Yaghi, Bing Zhang, Cafer T. Yavuz, Thien S. Nguyen, Felix Zamora, Carmen Montoro, Hongcai Zhou, Angelo Kirchon, and David Fairen-Jimenez*
通过 BET 方程计算的表面积的可重复性如何？
Johannes WM Osterrieth, James Rampersad, David Madden, Nakul Rampal, Luka Skoric, Bethany Connolly, Mark D. Allendorf, Vitalie Stavila, Jonathan L. Snider, Rob Ameloot, João Marreiros, Conchi Ania, Diana Azevedo, Enrique Vilarrasa-Garcia, Xinca F, Buan, Buan, Hanze, Hanze, Neil. R. Champness, Sarah L. Griffin, Banglin Chen, Rui-Biao Lin, Benoit Coasne, Seth Cohen, Jessica C. Moreton, Yamil J. Colón, Linjiang Chen, Rob Clowes, François-Xavier Coudert, Yong Cui, Bang Hou, Deanna M. D'Alessandro, Payne Dohen, Doen, Doe, Sun, Christian. Michael Thomas Huxley, Jack D. Evans, Paolo Falcaro, Raffaele Ricco, Omar Farha, Karam B. Idrees, Timur Islamoglu, Pingyun Feng, Huajun Yang, Ross S. Forgan, Dominic Bara, Shuhei Furukawa, Eli Sanchez, Jorge Gascon, Selvedin Telalović, Sukho Khamed, Khammed Murji, Murji Murji, Matthew R. Saum. diq, Patricia Horcajada, Pablo Salcedo-Abraira, Katsumi Kaneko, Radovan Kukobat, Jeff Kenvin, Seda Keskin, Susumu Kitagawa, Ken-ichi Otake, Ryan P. Lively, Stephen JA DeWitt, Phillip Llewellyn, Bettina V. Lotsch, Sebastian T. Ender, Alexander M. Pati M. Pati M. al, Javier García-Martínez, Noemi Linares, Daniel Maspoch, Jose A. Suárez del Pino, Peyman Moghadam, Rama Oktavian, Russel E. Morris, Paul S. Wheatley, Jorge Navarro, Camille Petit, David Danaci, Matthew J. Rosseinsky, Alexandros P., Kat Schunder, Martin Xu, Sergeant, Sergian, Sergeant. s Mouchaham, David S. Sholl, Raghuram Thyagarajan, Daniel Siderius, Randall Q. Snurr, Rebecca B. Goncalves, Shane Telfer, Seok J. Lee, Valeska P. Ting, Jemma L. Rowlandson, Takashi Uemura, Tomoya Iiyuka, Monique A. van der Revere, David Revere, Speed, M.J. and Lamaire, Krista S. Walton, Lukas W. Bingel, Stefan Wuttke, Jacopo Andreo, Omar Yaghi, Bing Zhang, Cafer T. Yavuz, Thien S. Nguyen, Felix Zamora, Carmen Montoro, Hongcai Zhou, Angelo Kirchon, and David Fairen-Jimenez*
了解人机交互实践和脑信号实验报告的挑战：实现可重复性和重用性
在人机交互 (HCI) 领域，人们一直在推动开放科学，但迄今为止，由于支持重用和再现的指导方针不明确，利用脑信号的 HCI 研究尚未持续实现开放。为了了解该领域的现有做法，本文研究了 110 篇出版物，探索领域、应用、模式、心理状态和过程等。该分析揭示了作者报告实验的方式存在差异，这给理解、再现和建立该研究带来了挑战。然后，它描述了一个总体实验模型，该模型为报告使用脑信号的 HCI 研究提供了一个正式的结构，包括每个方面的定义、术语、类别和示例。通过因子分析确定了多种不同的报告风格，并将其与不同类型的研究联系起来。本文最后提出了建议并讨论了未来的挑战。这从抽象模型和经验观察中创建了可操作的项目，使使用脑信号的 HCI 研究更具可重复性和可重用性。
在功能性近红外光谱中应用短通道回归时表征脑血流动力学反应的可重复性
它可以测量与任务相关的大脑活动模式相关的脑血液动力学变化。5 近年来，fNIRS 的应用开始从受控的研究实验室转向更自然的环境和现实世界的任务。6 – 8 fNIRS 的可穿戴和不受约束的使用为神经成像应用铺平了道路，例如，用于床边和家庭中监测大脑功能 9、10 或用于脑机接口 (BCI) 设置，以与机器人设备结合使用来协助神经障碍者在日常生活活动中。11 – 13 此类应用需要满足高技术要求的尖端 fNIRS 系统[例如，高信噪比 (SNR)、快速信号处理和消除运动伪影的功能]和可用性（例如，高舒适度和准确的传感器放置）以捕捉日常生活环境中大脑活动的细微变化。 7、14此外，家庭和临床脑活动监测对 fNIRS 测量的稳健性和可靠性/可重复性提出了很高的要求，因为这些因素直接影响灵敏地捕捉神经变化和准确控制 BCI 外部设备的能力。虽然在群体层面上已经发现了良好的可重复性，15-17这足以回答许多研究问题，但尚未提供个人在多天内可重复的 fNIRS 测量的证据。因为单级可重复性对大多数临床和日常应用都至关重要，所以彻底表征它是必不可少的。预计会影响 fNIRS 测量可重复性的主要因素是硬件的信号质量（即 SNR）、18、19 光极的放置和固定、18、20
深度学习可重复性和可解释人工智能 (XAI)
本文借助图像分类示例研究了深度学习 (DL) 训练算法的不确定性及其对神经网络 (NN) 模型可解释性的影响。为了讨论这个问题，我们训练了两个卷积神经网络 (CNN) 并比较了它们的结果。比较有助于探索在实践中创建确定性、稳健的 DL 模型和确定性可解释人工智能 (XAI) 的可行性。本文详细描述了所有努力的成功和局限性。本文列出了所获得的确定性模型的源代码。可重复性被列为模型治理框架的开发阶段组成部分，该框架由欧盟在其 AI 卓越方法中提出。此外，可重复性是建立因果关系以解释模型结果和建立信任以应对 AI 系统应用的迅猛扩展的必要条件。本文研究了在实现可重复性的过程中必须解决的问题以及处理其中一些问题的方法。
人类大脑中的区域放射组学相似网络 (R2SN)：可重复性、小世界特性和生物学基础
结构协方差网络 (SCN) 已成功用于结构磁共振成像 (sMRI) 研究。然而，大多数 SCN 都是由单一标记构建的，对区分不同疾病阶段不敏感。本研究的目的是设计一种新型的区域放射组学相似性网络 (R2SN)，以便在形态网络分析中提供更全面的信息。通过计算从每个受试者的任意一对区域中提取的放射组学特征之间的 Pearson 相关性来构建 R2SN（AAL 图谱）。我们进一步评估了 R2SN 的小世界特性，并在不同数据集和重测分析中评估了其可重复性。我们还探讨了 R2SN 与一般智力/区域间基因共表达之间的关系。无论使用不同的特征子集，R2SN 都可以在不同数据集中复制。R2SN 在重测分析中表现出很高的可重复性（组内相关系数 > 0.7）。此外，R2SN 具有小词特性 (σ>2) 以及基因表达与一般智力之间的高相关性 (R=0.29，p<0.001)。此外，该结果也在 Brainnetome 图谱中得到重复。R2SN 提供了一种基于 sMRI 了解人类形态协方差的新颖、可靠且生物学上合理的方法。
功率 SiC MOSFET 在重复性
摘要 本文研究了商用平面和沟槽 1.2 kV 4H-SiC MOFSET 在重复非钳位电感开关 (UIS) 和短路 (SC) 应力下的可靠性。观察到器件特性的退化，包括传输特性、漏极漏电流 Idss 和输出特性。对 400 和 600 V 总线电压进行重复 SC 应力。应力期间总线电压的增加对测试器件的电气性能有更大的影响。在老化实验期间可能会发生热载流子注入和进入沟道区域栅极氧化物的捕获，这被认为是导致电气参数变化的原因。 关键词：可靠性、退化、SiC MOSFET、TrenchMOSFET、重复 UIS、重复短路 介绍 近年来，碳化硅 (SiC) 功率 MOSFET 制造技术已经相当成熟，因此，现在可以从不同的制造商处大量购买 [1]。由于其优异的性能，SiC 器件可用于更高温度、更高开关频率和更高功率密度的应用 [2-3]。尽管如此，在它们完全取代硅 (Si) 器件之前，稳健性和可靠性仍然是这些器件在过流、过温、短路和非箝位电感开关 (UIS) [5] 等多种极端工作条件下的主要问题 [3-4]。随着为降低成本而缩小芯片尺寸的趋势，雪崩稳健性和短路承受能力变得更加关键，因为它们对芯片尺寸设计非常敏感，因为芯片的最大能量密度是固定的。在 UIS 测试中，MOSFET 通常连接到没有反向并联续流二极管的电感，以在关闭器件时换向环路电流。因此，器件必须在工作阶段吸收先前存储在电感中的所有能量。因此，只要存储的能量足够高，MOSFET 就会进入雪崩模式，导致器件结温逐渐升高 [6]。在大电流雪崩操作期间，会产生高浓度的热载流子，这可能会导致界面和绝缘 (氧化物) 层的退化。