XiaoMi-AI文件搜索系统
World File Search System高密度
高密度透明石墨烯阵列用于根据表面电位记录预测深度细胞钙活性
光学透明神经微电极有助于同时从大脑表面进行电生理记录以及神经活动的光学成像和刺激。剩下的挑战是将电极尺寸缩小到单细胞大小并增加密度，以高空间分辨率记录大面积的神经活动，从而捕捉非线性神经动力学。在这里，我们开发了透明石墨烯微电极，它具有超小开口和大而透明的记录区域，视野中没有任何金延伸，高密度微电极阵列高达 256 个通道。我们使用铂纳米粒子来克服石墨烯的量子电容极限，并将微电极直径缩小到 20 μm。引入了层间掺杂的双层石墨烯以防止开路故障。我们进行了多模态实验，将微电极阵列的皮质电位记录与小鼠视觉皮层的双光子钙成像相结合。我们的结果表明，视觉诱发反应在空间上是局部的，适用于高
基于单个晶体管的高密度 SOT-MRAM 存储器阵列
Rana Alhalabi 1、Etienne Nowak 1、Ioan-lucian Prejbeanu 2 和 Gregory Di Pendina 2 1 CEA LETI，Minatec campus，17 Rue des martyrs，38054 Grenoble，法国 2 Univ. Grenoble Alpes，CEA，CNRS，Grenoble INP*，INAC，SPINTEC，F-38000 Grenoble，法国 摘要 — 自旋轨道扭矩磁性 RAM (SOT-MRAM) 方法代表了一种通过分离读取和写入路径来克服自旋转移扭矩 (STT) 存储器限制的新方法。由于每个位单元有两个晶体管，因此它对于不需要非常高密度的高速应用尤其有用。本文介绍了一种基于单个晶体管和单向二极管的高密度 SOT-MRAM 存储器阵列。这种方法有三个优点。 32kb 存储器阵列的晶体管数量减少了 45%，与传统 SOT 位单元相比，单元密度提高了 20%。此外，读取操作所需的控制更少，最终可实现高耐久性、高速度和高密度。关键挑战在于在感测裕度和读取能量之间进行调整。
高密度脂蛋白胆固醇与糖尿病性视网膜病之间的关联：2型糖尿病患者的横断面研究
6儿童和青少年精神病学和心理治疗系，中央研究所17心理健康研究所，医学院曼海姆，海德堡大学，德国曼尼海姆市海德堡大学186儿童和青少年精神病学和心理治疗系，中央研究所17心理健康研究所，医学院曼海姆，海德堡大学，德国曼尼海姆市海德堡大学18
碳掺杂二维材料中的人工智能能隙预测：利用 Behler-Parrinello 描述符实现高密度系统
摘要 在本研究中，我们使用机器学习 (ML) 技术探索了碳掺杂六方氮化硼 (h-BN) 薄片的电子特性。六方氮化硼是一种被广泛研究的二维材料，具有出色的机械、热学和电子特性，使其适用于纳米电子学和光电子学应用。通过用碳原子掺杂 h-BN 晶格，我们旨在研究掺杂如何影响其电子结构，特别关注基态能量和 HOMO-LUMO 间隙。我们生成了一个包含 2076 个 h-BN 薄片的数据集，这些薄片被氢饱和并掺杂了随机变化浓度的碳原子。选择了三种典型的掺杂场景——一个、十个和二十个碳原子——进行深入分析。使用密度泛函理论 (DFT) 计算，我们确定了这些配置的基态能量和 HOMO-LUMO 间隙。使用 Behler-Parrinello 原子对称函数从优化结构生成描述符，这些描述符捕获了 ML 模型的关键特征。我们采用了随机森林和梯度提升模型来预测能量和 HOMO-LUMO 间隙，实现了较高的预测准确率，R 平方值分别为 0.84 和 0.87。这项研究证明了 ML 技术在预测掺杂 2D 材料特性方面的潜力，为传统方法提供了一种更快、更经济的替代方案，对纳米电子、储能和传感器领域的材料设计具有广泛的意义。
血小板与高密度脂蛋白胆固醇比率与糖尿病和糖尿病前期风险之间的关联：2005 - 2018 年 NHANES 的最新发现
方法：本研究分析了 2005-2018 年全国健康和营养检查调查 (NHANES) 的数据。糖尿病和糖尿病前期的患病率以及 HDL-C 水平和血小板计数均来自横断面调查。PHR 通过将血小板计数除以 HDL-C 浓度计算得出，并根据既定的临床标准对糖尿病或糖尿病前期进行分类。我们使用多元逻辑回归分析来估计比值比 (OR) 和 95% CI。逻辑回归模型分为分类模型和连续模型。使用受限三次样条函数 (RCS) 和两段线性回归评估潜在的非线性关系以确定任何拐点。此外，还进行了亚组和相互作用分析以确定不同人群之间的差异。
从海洋火山渗漏中新分离出的蓝藻表现出快速下沉和强劲、高密度生长的特点
摘要 蓝藻是一种光合生物，在碳循环中发挥重要作用，是很有前途的生物生产底盘。在这里，我们从独特的海洋环境中分离出两种具有 4.6Mbp 基因组的新型蓝藻，UTEX 3221 和 UTEX 3222，这些蓝藻的 CO₂ 自然升高。我们描述了这两种分离物的完整基因组序列，并重点研究了 UTEX 3222（因为它在液体中浮游生长），描述了与生物技术相关的生长和生物量特性。UTEX 3222 在固体培养基上超过了其他快速生长的模型菌株。它可以在液体培养基中每 2.35 小时翻一番，并在批量培养中生长到高密度（>31 g/L 生物量干重），几乎是最近报道的高密度生长的 Synechococcus sp. PCC 11901 的两倍。此外，UTEX 3222 易于下沉，比其他快速生长的菌株沉降速度更快，这表明收获 UTEX 3222 生物质具有良好的经济效益。这些特性可能使 UTEX 3222 成为海洋二氧化碳去除 (CDR) 和 CO₂ 光合生物生产的有力选择。总体而言，我们发现在自然 CO₂ 升高的环境中进行生物勘探可能会发现具有独特特征的新型 CO₂ 代谢生物。
超高密度 3D 集成电路的热支架
与传统的 2D 计算系统相比，超密集 3D 集成电路（3D IC），例如单片 3D IC（图 1），可以为数据密集型应用带来巨大的能量延迟积（EDP）优势 [1,2]。为了实现这些优势，需要将多层逻辑和存储器（例如，逻辑和/或存储器设备的薄层，以及相关的信号/全局金属布线）以 3D 形式集成，并使用有限长宽比的后端制程（BEOL）层间过孔（ILV）建立超密集（例如，间距 ≤ 100 纳米）垂直连接 [3]。现有的 BEOL 布线结构已经在使用这种纳米级 ILV。3D IC 变得至关重要，因为工艺技术小型化的根本限制使得传统的缩放路径更加困难。但是，必须克服重大的热挑战才能在多个 3D 层上实现高速和高功率计算引擎 [4-5]。如果没有新技术，未来 3D IC 的上层最高温度将大大超过可靠运行所需的上限（例如 [6] 中的 125°C）。我们使用图 1 中的单片 3D IC 来了解 3D 层中的温升和热耗散（详细分析见第 III 部分）。图 1 中的 N 层中的每一层都包含一层高速、高功率硅逻辑器件（例如，计算引擎）和由铜布线和超低κ 层间电介质 (ILD) 组成的 BEOL 层（例如，用于信号布线）。各层通过超密集 ILV 电连接。在某些设计中，每层还存在硅存储器、存储器访问设备和额外的 BEOL。3D IC 由附加的散热器进行外部冷却，散热器将产生的所有热量以散热器比传热系数 h（W/m 2 /K）散发到环境中。最高温度 T j 取决于散热器、环境温度和 N 层的热特性。散热器创新（如 [7]）只需散热器上 10°C 的温升（即 h= 10 6 W/m 2 /K）即可消除 1000 W/cm 2 的热量，尽管
心肌梗塞和预后后非高密度脂蛋白胆固醇的强化早期和持续降低：SwedeHeart注册表
动脉粥样硬化脂蛋白包括LDL，脂蛋白（A）和富含甘油三酸酯的残留颗粒，每个颗粒均携带单个载脂蛋白B（APOB）分子。所有含APOB的脂蛋白都与动脉粥样硬化事件的风险相关。1 - 4可以用固结度量非HDL-C估计含ApoB的脂蛋白中发现的总体动脉粥样硬化凝结剂Terol含量。大多数含APOB的脂肪蛋白由LDL颗粒组成；因此，大多数动脉粥样硬化的Chol酯货物都包含在LDL颗粒中，因此，大多数非HDL-C包含LDL-C。因此，LDL-C的分布通常与非– HDL-C一致。在其他含APOB脂蛋白浓度的浓度很高的情况下，尤其是当含甘油三酸酯的脂蛋白丰富时，LDL-C和非HDL-C不一致，而LDL-C则变得不足以捕获总脂质相关的风险，而这种风险更好地使用了非– HDL-COB或APOB。不容易获得非– HDL-C，并通过从测量的总胆固醇中减去测量的HDL-C提供。此外，它可以在非快速状态下报告，即使三甘油酸升高也可以报道。
功能失调的高密度脂蛋白胆固醇与冠状动脉疾病：叙述性综述
摘要：高密度脂蛋白 (HDL) 胆固醇传统上被视为预防心血管疾病 (CVD) 的物质。然而，新证据表明，功能失调的 HDL 以胆固醇逆向转运 (RCT) 受损、抗炎和抗氧化活性降低以及内皮功能障碍增加为特征，这可能导致冠状动脉疾病 (CAD)。功能失调的 HDL 是由载脂蛋白 A-1 (Apo A-1) 的氧化修饰和酶失活引起的，无法有效清除外周组织中的胆固醇，并可能促进炎症和动脉粥样硬化。影响 HDL 代谢的基因突变进一步使其在心血管健康中的作用复杂化。研究表明，旨在提高 HDL-C 水平的传统疗法不一定能减少心血管事件，这凸显了改善 HDL 功能的新方法的必要性。正在探索治疗策略，例如 Apo A-1 模拟肽、重组 HDL 输注和针对特定 HDL 代谢途径的药物。此外，减肥、他汀类药物治疗和烟酸已显示出增强 HDL 功能的潜力。功能失调的 HDL 的病理生理学涉及复杂的机制，包括氧化应激、炎症和基因突变，这些机制会改变其结构和功能，从而削弱其心脏保护作用。新的功能检测，如胆固醇流出能力 (CEC) 和 HDL 炎症指数，通过评估 HDL 质量而不是数量，可以更准确地预测心血管风险。随着研究的进展，重点转向增强 HDL 功能并解决其功能障碍根本原因的治疗策略，从而为降低心血管风险和预防 CAD 提供更有效的方法。