XiaoMi-AI文件搜索系统
World File Search System铁电膜
基于二维铁电半导体极化切换的高线性和对称突触记忆晶体管
基于人工突触的受脑启发的神经形态计算硬件为执行计算任务提供了有效的解决方案。然而，已报道的人工突触中突触权重更新的非线性和不对称性阻碍了神经网络实现高精度。在此，这项工作开发了一种基于 α -In 2 Se 3 二维 (2D) 铁电半导体 (FES) 中的极化切换的突触记忆晶体管，用于神经形态计算。α -In 2 Se 3 记忆晶体管利用记忆晶体管配置和 FES 通道中电配置极化状态的优势，表现出出色的突触特性，包括近乎理想的线性度和对称性以及大量可编程电导状态。因此，α -In 2 Se 3 记忆晶体管型突触在模拟人工神经网络中的数字模式识别任务中达到了 97.76% 的高精度。这项工作为在先进的神经形态电子学中使用多端 FES 记忆晶体管开辟了新的机遇。
具有 Hf1-xZrxO2 栅极结构的低压工作 2D MoS2 铁电存储晶体管
铁电场效应晶体管 (FeFET) 因其良好的工作速度和耐用性而成为一种引人注目的非易失性存储器技术。然而，与读取相比，翻转极化需要更高的电压，这会影响写入单元的功耗。在这里，我们报告了一种具有低工作电压的 CMOS 兼容 FeFET 单元。我们设计了铁电 Hf 1-x Zr x O 2 (HZO) 薄膜来形成负电容 (NC) 栅极电介质，这会在少层二硫化钼 (MoS 2 ) FeFET 中产生逆时钟极化域的磁滞回线。不稳定的负电容器固有支持亚热电子摆幅率，因此能够在磁滞窗口远小于工作电压的一半的情况下切换铁电极化。 FeFET 的开/关电流比高达 10 7 以上，在最低编程 (P)/擦除 (E) 电压为 3 V 时，逆时针存储窗口 (MW) 为 0.1 V。还展示了强大的耐久性 (10 3 次循环) 和保留 (10 4 秒) 特性。我们的结果表明，HZO/MoS 2 铁电存储晶体管可以在尺寸和电压可扩展的非易失性存储器应用中实现新的机会。
钛酸钡纳米晶体中应变条纹网络的行为越过其铁电相变
八面体外壳。它具有最低温度的菱形晶格（三角形晶体系统，r3m），在-70°C时在-70°C下的正交晶格（B2mm），在5°C下以5°C的四方晶格（P4mm），并在120°C [30°C [3，4 4°C [3，4 4°C [3，4 c [3，4）。它也显示出滞后，在加热和冷却之间的过渡温度存在差距。在眼镜中也可以看到这样的过渡延迟，这意味着系统的一阶转变，其中系统需要时间和激活能才能完成过渡。在BTO中，据信激活来自与自发极化的不同比对相关的差异[5-7]。BTO中的铁电性来自晶格中的对称性破裂，在远距离库仑力和短距离排斥之间存在微妙的平衡
特刊 - 膜
二维（2D）材料长期以来一直是材料科学的焦点，这是由于其高度可调的化学结构，均匀的孔径分布和内在的传输途径。在过去的二十年中，突破性的2D材料的出现，包括石墨烯，过渡金属二分法（TMDC），分层双氢氧化物（LDHS），金属氮化物/碳化物（MXENES），金属 - 有机框架（MOFS）和远处的有机框架（MXENES），以及赖以生成的框架（MOFS），以及赖因构架（COFS），并列出了赖因（COFS），并将其延伸 - 本期特刊旨在探索和最大化2D材料在气体捕获和分离中的潜力，以理论和基于模拟的进步进行桥接实验演示。通过促进一种系统的方法来采用2D材料来进行高效，低能的膜工艺，我们希望为其工业实施和未来创新建立全面的基础。
膜科学杂志
在此，首次评估了高分子量氟化芳族聚酰亚胺，以恢复与其他氢氟甲苯和氢氟氟此类的混合物中的差异（R-32）（R-32）（R-134A：R-134A：1,1,1,1,1,1,2- Tetrafluoroorothane，r-125：r-125：pentane and pentane and-pentane and-1-pentane，and-1-pentane，and-1-1-134：pentane and rororo; 2,3,3,3-tetrafluorpene）。First, a screening was performed with thick flat membranes made of the 4,4 ' -(hexafluoroisopropylidene)diphthalic anhydride (6FDA) and three different amines: 2,2 ′ -bis(4-aminophenyl)hexafluoropropane (6FpDA), 2,4,6-trimethyl-m-phenylenedi amine （TMPD）和2,3,5,6-四甲基-1,3-苯二胺（Durene）。因此，由于其每种形式出色的R-32分离，因此选择了6FDA-TMPD来制造无缺陷的空心纤维薄膜复合膜（HF-TFCM）。这些HF-TFCM表现出出色的分离性能，可从商业二进制混合物R-410A和R-454B（R-32和R-1234YF的混合物）中获得高纯度R-32（渗透浓度> 99 Vol％）。此外，我们首次报告了从三元混合R-407C（R-32/R-134A/R-125 38.2：43.8：18 Vol％）的R-32膜回收率。最终，对CO 2 /CH 4（50:50 vol％）和CO 2 /N 2（15:85 vol％）的合成气体混合物的分离进行了基准测试，这表明制备的HF-TFCM保持了6FDA-TMPD厚的厚膜的分离性能。
{带有固体能量助推器的液流电池:}
溶液中：[Fe(CN) 6 ] 3- + ½S 2 2- = [Fe(CN) 6 ] 4- + S ↓ (7) 溶液中：[Fe(CN) 6 ] 3- + ½ S 2- = [Fe(CN) 6 ] 4- + ½ S ↓ (8) 尽管如此，即使是离子选择性膜，其能够维持的电荷选择性也存在唐南排除极限。例如，当量为 1200 g/mol H + 的 Nafion 在与浓度超过 1 M 的 HCl 溶液接触时，氯离子会明显渗透 [20]。对于其他阴离子，Nafion 及其类似物通常也能保持电荷选择性，直至约 1 M [21-25]，并且它们可以减缓溶液中的寄生反应（即不会产生通过电池的电流）(6)以及其他潜在的副反应。然而，在电活性阴离子浓度较高时，交叉现象变得明显。在硫化物-铁氰化物氧化还原电池 (4) 和 (5) 的具体示例中，总溶解硫浓度为 2.0 M（在 0.1 M LiOH 中），总溶解铁氰化物络合物浓度为 0.3 M（也在 0.1 M LiOH 中），硫沉积物形成在 Nafion 117 膜的正极（铁氰化物）侧 [10]。
实验和模型
摘要：提出了一个分析子阈值摇摆（SS）模型，以观察当堆叠的SIO 2-中的FERROCTRIC结构用作无连接双门（JLDG）MOSFET的氧化物膜时，SS的变化。60 mV/dec的SS对于在保持晶体管性能的同时减少功率耗散至关重要。如果使用具有负电容（NC）效应的铁电材料，则可以将SS降低到60 mV/dec以下。使用2D电势分布，SS与从漏极电流和栅极之间的关系得出的SS相吻合。作为分析SS模型得出的结果，发现通过调节硅频道，SIO 2和铁电的厚度，也可以在15 nm通道长度下获得60 mV/dec的SS。，随着SIO 2的厚度的增加，SS根据铁电厚度的变化饱和，并且随着硅通道的厚度减小，几乎是恒定的。
序列膜...
治疗药物的有效和特定于现场的递送仍然是癌症治疗中的一个至关重要的挑战。传统的药物纳米载体（例如抗体 - 药物缀合物）通常由于成本高而无法使用，并且可能导致严重的侧面影响，包括威胁生命的过敏反应。在这里，通过使用创新的双重印迹方法制造的超分子代理的工程来克服这些问题。开发的分子印刷纳米颗粒（纳米虫）的目标是雌激素受体Alfa（ER 𝜶）的线性表位，并用化学治疗药物阿霉素加载。这些纳米纳米具有成本效率和竞争性的ER 𝜶商业抗体的功能。在大多数乳腺癌（BCS）中过表达的材料与ER 𝜶的特定结合后，通过受体介导的内吞作用实现核药物的递送。因此，在过表达ER 𝜶的BC细胞系中引起了显着增强的细胞毒性，为BC的精确治疗铺平了道路。通过在复杂的三维（3D）癌症模型中评估其药物效应的临床使用概念概念，该模型捕获了体内肿瘤微环境的复杂性而无需动物模型。因此，这些发现突出了纳米元作为一种有希望的新型药物化合物用于癌症治疗的潜力。
2D铁电器中的新兴多功能性
2D铁电材料分别与磁性/valleytronics，力学和光学的耦合，在信息存储，传感器技术和光电子化中呈现了有希望的应用。2D铁电与磁性的整合通过启用电场控制的磁状态来增强存储设备中的数据存储密度。铁电 - 瓦利耦合通过利用山谷极化的电控制，对高速，低能电子电子设备有望。铁电 - 应变耦合会导致各种极性拓扑，并在高密度数据存储技术和传感器设备中使用潜在的应用。此外，铁电和光学之间的耦合促进了基于铁电材料的非线性光子学的发展。本综述总结了耦合机制中最新的理论进步，包括dzyaloshinskii-moriya-interaction诱导的磁电耦合，与对称性相关的铁电 - 触发器耦合，通过互动式极高的拓扑结构，以及第二个型号，通过互动式互动。提供了为多功能应用的2D铁电材料中耦合的当前挑战和未来的机会。
电 - ...在...
摘要。交通摄像头的视频供稿对于许多目的都是有用的，其中最关键的是与监视道路安全有关。车辆轨迹是危险行为和交通事故的关键要素。在这方面，至关重要的是要脱离那些异常的车辆轨迹，即偏离通常的路径的轨迹。在这项工作中，提出了一个模型，以使用流量摄像机的视频序列自动解决该模型。该提案通过框架检测车辆，跨帧跟踪其轨迹，估计速度向量，并将其与其他空间相邻轨迹的速度向量进行比较。可以从速度向量的比较中，可以检测到与相邻的trajectories非常不同（异常）的轨迹。实际上，该策略可以检测错误的轨迹中的车辆。模型的某些组成部分是现成的，例如最近深度学习方法提供的检测；但是，考虑了几种不同的选择和分析车辆跟踪。该系统的性能已通过各种真实和合成的交通视频进行了测试。