AI基础研究具身智能 AI金融

本网站上的内容仅供参考，不提供医疗或其他专业建议，不代表活水快报、贡献者或合作伙伴的观点。

© 2024-2025 活水快报 - 42Digest.

|

京ICP备2024044642号-15

介观与纳米尺度物理学研究快报

相关分类

凝聚态物理学

Condensed Matter

无序系统与神经网络

Disordered Systems and Neural Networks

材料科学

Materials Science

介观与纳米尺度物理学

Mesoscale and Nanoscale Physics

凝聚态物理学

Condensed Matter

无序系统与神经网络

Disordered Systems and Neural Networks

材料科学

Materials Science

介观与纳米尺度物理学

Mesoscale and Nanoscale Physics

最新研究

具有自由度旋转程度的离散精细机械模型是否将同质化为Cosserat或Caucy Continuum?

本文回答了离散细尺度机械模型(如粒子或晶格模型)的同质化是否产生了相当于柯西型或Cossrat型的连续体的问题。该研究采用渐近膨胀同质化的机械来分析具有旋转自由度的离散机械模型,通常用于模拟异质固体的机械行为。拟议的推导在静止(稳定状态)和瞬态(假设波长大于粒度)和任意非线性,非弹性精细尺度构图方程中具有一般有效性。结果表明,单元单元问题总是静止的,唯一的惯性术语出现在粗尺度的线性动量平衡方程中。根据局部弯曲刚度的大小,数学同质化严格地确定了与Caucy连续体和Cossrat连续体相对应的两个限制条件。这两个限制条件的通灵组合在从一个限制情况过渡到另一个限制的情况下也提供了非常准确的结果。最后,研究表明,同质化反应的Cossrat特征显着的病例与非物理上高微尺度弯曲僵硬有关,因此对实践不感兴趣。

经典物理学介观与纳米尺度物理学材料科学计算工程、金融与科学

Δ_T 中镜混合结中的噪声:屏障强度和热偏差的影响

量子噪声是量子传输现象的基本探针,提供了对当前相关性和波粒二度的见解。这种噪声的一种特别有趣的形式,Δ_T噪声,在没有零电压偏置的电荷电流的情况下,在有限的温差下出现。在这项工作中,我们研究 Δ_T 了包含绝缘屏障的中镜混合连接点的噪声,其中平均电荷电流在零偏差时保持零。使用量子射噪声测量,我们证明金属绝缘子-超导体(NIS)结中的Δ_T噪声比金属绝缘体-金属(NIN)对口的噪声高约16倍。我们的 Δ_T 分析进一步揭示,噪声表现出对屏障强度的非单调依赖性,在下降之前上升到峰值,同时随着应用温度偏差的单调增加。这些发现强调了热梯度和屏障特性在确定混合中相系统中量子噪声特性方面的丰富相互作用。

介观与纳米尺度物理学系统与控制数学物理应用物理学

量子球面代码

我们引入了一个框架,通过重铸经典球形代码的量子模拟等代码来构建在球体上定义的量子代码。我们将这个框架应用于玻色子编码,获得猫代码的多模扩展,可以超越以前的构造,同时需要类似类型的开销。我们基于多顶的猫代码由具有大分离的点集组成,这些点同时形成称为球形设计的平均值集。我们还重新构建了将带有猫代码的CSS代码作为量子球形代码的连接,揭示了一种自主保护免受降噪的新方法。

量子物理学介观与纳米尺度物理学信息论度量几何

QDFlow:用于量子点器件物理模拟的Python包

机器学习(ML)的最新进展加速了校准和操作量子点(QD)设备的进展。然而,大多数ML方法依赖于访问大型具有代表性的数据集,旨在捕获实践中遇到的全谱数据质量,具有用于训练,基准测试和验证的高和低质量数据,标签捕获设备状态的关键特征。由于数据可用性有限,测量带宽缓慢以及标签的劳动密集型性质,通过实验整理此类数据集具有挑战性。 QDFlow是一个用于多QD阵列的开源物理模拟器,可以生成具有地面真实标签的现实合成数据。 QDFlow结合了自立的Thomas-Fermi求解器,动态电容模型和灵活的噪声模块,以模拟电荷稳定性图和类似于实验的基于射线的数据。凭借一系列可更改和可定制的噪声模型的广泛参数,QDFlow支持创建用于ML开发,基准测试和量子设备研究的大型,多样化的数据集。

介观与纳米尺度物理学计算机视觉与模式识别机器学习量子物理学

实用非Hermitian特征概率的指数量子优势

非赫密斯物理学已成为一个丰富的研究领域,其应用范围从PT对称断裂和皮肤效应到非隐士拓扑相变。然而,大多数研究仍然局限于小规模或经典可处理的系统。虽然量子计算在Hermitian特征概率方面表现出强劲的表现,但它对非Hermitian制度的扩展在很大程度上仍未被探索。在这里,我们开发了一个量子算法来解决一般非Hermitian特征值问题,特别是针对复杂平面中给定线附近的特征值 - 从而概括了Hermitian矩阵的地面状态能量和光谱间隙估计的先前结果。我们的方法将模糊的量子特征值检测器与分而治之策略相结合,以有效地隔离相关的特征值。这为非隐士特征问题产生了可证明的指数级量子加速。此外,我们还讨论了在检测自发PT对称断裂,估计Liouvillian间隙和分析经典马尔可夫过程方面的广泛应用。这些结果突出了量子算法在解决量子物理学及其他领域具有挑战性的问题方面的潜力。

量子物理学介观与纳米尺度物理学数据结构与算法数值分析

为什么拓扑结构很难学习?

人们对使用机器学习来近似物理概念的关注已经很多了。然而,由于机器学习技术可解释性的挑战,物理机器学习模型能够学习的问题仍然是开放的。在这里,我们将物理量的概念及其机器学习近似于神经网络在物理学中的原始应用:拓扑相分类。我们构建了一个混合的张量-神经网络对象,它准确地表达了真实的空间拓扑不变性,并严格评估其训练性和概括性。具体来说,我们将张量神经网络的准确性和可训练性与多种类型的神经网络进行了基准测试,从而证明了可训练性和代表性能力的差异。我们的工作突出了学习拓扑不变性的挑战,并构成了在凝聚态物理中实现更准确、更可推广的机器学习表征的垫脚石。

介观与纳米尺度物理学无序系统与神经网络机器学习

用于原子层处理中知识发现的LLM代理

大型语言模型(LLM)已经引起了几年的高度重视。最近,他们作为独立推理代理的使用被提出。在这项工作中,我们测试了这种药剂在材料科学中知识发现的潜力。我们重新利用LangGraph的工具功能,为代理商提供黑匣子功能来审问。与过程优化或执行特定的用户定义的任务相反,知识发现包括自由探索系统,摆姿势和验证有关此黑匣子行为的陈述,其唯一目的是生成和验证可推广语句。我们通过儿童客厅游戏为这种方法提供概念证明,证明了试错和在知识发现中持久性的作用,以及结果的强烈路径依赖性。然后,我们采用相同的策略来表明LLM剂可以在使用故意有限的探针功能进行高级原子层处理反应器模拟中探索,发现和利用不同的化学相互作用,而无需明确的指示。

人工智能介观与纳米尺度物理学材料科学

用于高泛音散声共振器(HBAR)的综合等效电路模型

本文为高泛音散声谐振器(HBAR)提出了一种新的综合等效电路模型。 HBARs展示了几种非常尖锐的共振模式,几乎在非常宽的频率范围内周期性地分布。 HBAR的这种频谱响应具有独特的优势,但带来了重大的建模挑战。拟议的电路包含并建模了HBAR的独特物理组件:压电传感器,基板(一种完美的周期性多模腔),压电耦合,以及关键,不完美匹配的传感器-基板接口,赋予HBAR模式频谱的特征周期性。通过明智地使用固定,周期性或严格限制的虚拟集合元素分支和分支集,该模型保留了与物理设备的清晰和直观的链接,同时降低了安装密集宽带数据集所需的复杂性。我们通过在1 GHz范围内同时为61种GaN/NbN/蓝宝石HBAR模式的测量数据以及提取诸如质量因子和耦合系数等模态参数来证明该模型的有效性和功率。我们展示了这种新模型紧凑且可扩展:通过利用HBAR中固有的内部关系,该模型可以轻松扩展,包括多个传感器泛音和信封,多个不同的传感器和虚假模式。除了拟合测量数据集外,新模型还可用于轻松分析HBAR标称状态的各种扰动。我们预计新模型对于设计基于经典的基于HBAR的振荡器、滤波器和传感器以及将HBAR集成到量子电路中非常有用。

介观与纳米尺度物理学其他凝聚态物理系统与控制应用物理学

用于低噪声、漂移稳定、可调化学传感的主动双门石墨烯晶体管

石墨烯场效应晶体管(GFET)是超灵敏化学和生物传感最有前途的平台之一,因为它们具有高载波流动性,表面积大和内在噪声低。然而,液体环境中的常规单门GFET传感器受到严重限制,包括信号漂移,电荷捕获和信号放大不足。在这里,我们引入了双门GFET架构,该架构集成了高k二氧化铵局部后门与电解质顶闸门,加上实时反馈偏置。这种设计可实现电容式信号放大,同时抑制闸门泄漏和低频噪声。通过系统地评估七个不同的操作模式,我们将双模式固定配置确定为最佳配置,实现高达20倍的信号增益,与闸门方法相比,>15倍的低漂移,以及各种反流物(包括神经递质,挥发性有机化合物,环境污染物和蛋白质)高达7倍的信号噪声比。我们进一步演示了使用PCB集成GFET传感器阵列的稳健多路复用检测,强调了在复杂环境中便携式高通量传感平台的可扩展性和实用性。这些进步共同建立了多功能和稳定的传感技术,能够在环境和生理条件下对分子目标进行实时、无标签检测,在健康监测、食品安全、农业和环境筛查方面具有广泛的适用性。

应用物理学介观与纳米尺度物理学系统与控制

作为物理学习系统的自组织忆阻网络

物理系统学习是一种新兴范式，旨在利用物理基质固有的非线性动力学进行学习。硬件用于计算智能的范式转变动力主要源于在传统基于晶体管的硬件上实现的人工神经网络软件的不可持续性。本视角重点介绍了一种有前景的方法，使用由阻变存储器纳米尺度组件组成的物理网络，具有动态可重构、自组织的电路结构。实验进展揭示了这些自组织忆阻网络（SOMNs）内部非平凡的相互作用，为理解其集体非线性和自适应动力学提供了见解，以及如何利用这些特性通过不同的硬件实现进行学习。理论方法，包括平均场理论、图论和无序系统概念，揭示了SOMNs动力学的更深层次见解，特别是在不同电导状态之间的转变过程中，实验和模型中都出现了临界性和其他动力学相变。此外，SOMNs中的自适应动力学与生物神经网络中的可塑性之间的相似性表明，实现节能、类脑的持续学习具有潜力。因此，SOMNs为实现嵌入式边缘智能提供了一条有前景的途径，通过在资源受限环境中实现嵌入式学习，为自主系统、动态传感和个性化医疗保健解锁实时决策能力。本视角的总体目标是展示纳米技术、统计物理、复杂系统和自组织原理的融合如何为推进新一代物理智能技术提供独特机遇。

无序系统与神经网络介观与纳米尺度物理学软凝聚态物理新兴技术

带拓扑边界棘轮的赛道计算

多稳定顺序参数提供了一种在空间域中编码非易失性信息的自然手段,这一概念构成了磁存储器设备的基础。然而,这种稳定性与需要围绕设备移动信息进行处理和读取的必然性相冲突。虽然在磁性系统中,域可以使用电流或外部场进行传输,但在中性系统中稳健地传输信息承载域的机制很少。在这里,我们通过实验实现弹性超材料中的拓扑边界棘轮,其中数字信息被编码在屈曲域中,并通过循环加载以量化的方式传输。运输的起源是拓扑的:邻近的域充当不同的拓扑泵,用于他们的Bogooliubov激发,因此它们的界面承载拓扑边界模式。循环加载通过域间压力使这些模式不稳定,进而驱动域壁的运动。我们证明信息传播的方向可以通过屈曲梁上的可调节的机械约束来控制,并在弹性超材料网络中数值研究基于屈曲的域壁逻辑电路。具有低阶非线性的底层紧密结合结构使这种方法成为中性系统中赛道记忆的一般途径。

介观与纳米尺度物理学新兴技术

在非线性扰动超材料中实现计算

设计进行高级计算的超材料是一项重大挑战。强大的设计策略将问题分为两个步骤:第一,在离散或紧密结合模型中编码所需的功能,第二,识别符合模型的超材料几何。将这种方法应用于信息处理任务需要准确地映射非线性 - 这是计算的基本要素 - 从离散模型到几何。在这里,我们通过非线性坐标变换来制定这种映射,该变换将紧密结合的自由度与非线性机制中的超材料激发值准确连接起来。这种转变使我们能够在广泛的计算范围内设计信息处理超材料,可以表示为紧密结合模型,我们展示了基于三种不同计算范式的示例的能力:一个连贯的Ising机器,通过最小化近似组合优化问题,机械赛道内存示例内存,以及基于模拟神经形态计算的语音分类超材料。

介观与纳米尺度物理学新兴技术

LREI: 量子Landau-Lifshitz方程的快速数值求解器

我们开发了LREI（低秩本征模积分），一种内存和时间高效的方案，用于求解量子Landau-Lifshitz（q-LL）和量子Landau-Lifshitz-Gilbert（q-LLG）方程，这些方程控制开放量子系统中的自旋动力学。尽管系统大小随自旋数量呈指数增长，我们的方法利用密度矩阵的低秩结构和哈密顿量的稀疏性来避免全矩阵计算。通过低秩因子表示密度矩阵，并应用Krylov子空间方法进行部分特征分解，我们将Runge-Kutta和Adams-Bashforth方案的每步复杂度从𝒪(N^3)降低到𝒪(r^2N)，其中N = 2^n是n个自旋的希尔伯特空间维度，r ≪ N是有效秩。类似地，内存成本从𝒪(N^2)减少到𝒪(rN)，因为不形成完整的N×N矩阵。一个关键进展是处理零特征值的子空间。通过使用为主本征空间构建的Householder反射器，我们完全无需大矩阵进行求解。例如，一个二十自旋系统的时间步，密度矩阵大小超过一百万，现在在标准笔记本电脑上仅需几秒钟。Runge-Kutta和Adams-Bashforth方法都被重新表述以在整个演化过程中保持密度矩阵的物理性质。这种低秩算法使得模拟更大的自旋系统成为可能，这在以前是不可行的，提供了一个强大的工具来比较q-LL和q-LLG动力学、测试每个模型的有效性，并探究量子特征（如相关性和纠缠）在不同系统大小和阻尼机制下的演化。

量子物理学介观与纳米尺度物理学材料科学数值分析

从头算量子输运与GW近似：42,240个原子和持续百亿亿级性能

设计纳米尺度电子器件（如当前制造的纳米带场效应晶体管NRFETs）需要能够捕捉所有相关量子力学效应的先进建模工具。最先进的方法结合了非平衡格林函数（NEGF）形式和密度泛函理论（DFT）。然而，随着器件尺寸不再超过几纳米，电子被限制在超小体积中，产生了强烈的电子-电子相互作用。为了考虑这些关键效应，DFT+NEGF求解器应该扩展到GW近似，这极大地增加了它们的计算强度。在这里，我们提出了第一个能够处理与实验尺寸相当的NRFET几何结构的NEGF+GW方案实现。这个名为QuaTrEx的软件包利用了一种新颖的空间域分解方案，可以处理多达84,480个原子组成的器件，在Alps和Frontier超级计算机上具有很好的扩展性（>80

分布式、并行与集群计算介观与纳米尺度物理学计算工程、金融与科学

隔离面纳米结构的三维相干衍射成像

远程飞行中分离纳米样本的结构和动力学可以通过使用X射线自由电子激光器的强脉冲和短脉冲直接可视化。广角散射图像甚至对样品的三维形态信息进行编码,但检索这些信息仍然是一个挑战。到目前为止,只有通过配合高度受限的模型才能实现从单次拍摄的有效三维形态重建,需要事先了解可能的几何形状。在这里,我们提出了一种更通用的成像方法。依靠一个模型,允许由凸多面体描述的任何样品形态,我们重建了来自单个银纳米粒子的广角衍射模式。除了已知的高对称性的结构动机外,我们还检索了以前无法访问的不完美的形状和集聚物。我们的结果为真正的3D结构确定单纳米粒子并最终确定超快纳米级动力学的3D电影开辟了新的途径。

原子与分子团簇介观与纳米尺度物理学神经与演化计算数据分析、统计与概率

基于高效无监督网络异常检测的定量非易失性非磁性突触器

在基于自动编码器的异常检测范式中,由于硬件、能源和计算资源有限,在能够实时学习的边缘设备中实现自动编码器极具挑战性。我们通过设计基于低分辨率的非易失性内存突触的自动编码器并采用有效的量化神经网络学习算法来证明这些限制。我们提出了一个铁磁赛道,工程缺口托管磁域壁(DW)作为自动解码器突触,其中有限状态(5态)突触重量由自旋轨道扭矩(SOT)电流脉冲操纵。在NSL-KDD数据集上评估拟议自动编码器模型的异常检测性能。执行自编码器的有限分辨率和DW器件随机性感知训练,与具有浮点精度重量的自动编码器产生可比的异常检测性能。虽然已知纳米级设备中量化状态的有限数量和DW突触重量固有的随机性会对性能产生负面影响,但我们的硬件感知训练算法被证明利用这些不完美的设备特性来改进异常检测精度(90.98)

介观与纳米尺度物理学机器学习神经与演化计算

训练非线性光学神经网络与散射反向传播

随着深度学习应用继续部署越来越大的人工神经网络,相关的高能量需求正在创造对替代神经形态方法的需求。光学和光子学是特别引人注目的平台,因为它们提供高速和能源效率。基于非线性光学的神经形态系统能够以最少的参数提供高表达率。然而,到目前为止,还没有一种高效和通用的基于物理的训练方法,使我们能够为最通用的非线性光学系统提取梯度。在这项工作中,我们介绍了散射反向传播,这是一种用于实验测量非线性光学神经网络近似梯度的有效方法。值得注意的是,我们的方法不需要物理非线性的数学模型,并且只涉及两个散射实验来提取所有梯度近似值。估计精度取决于偏离互惠。我们成功地将我们的方法应用于著名的基准,如XOR和MNIST。散射反向传播广泛适用于现有的最先进的可扩展平台,如光学、微波,也扩展到其他物理平台,如电路。

光学无序系统与神经网络介观与纳米尺度物理学新兴技术

Si/SiGe 多量子点设备的引导、自主测试和初始化系统

半导体量子点(QD)设备已成为基于自旋量子计算的进步的核心。然而,现代QD设备日益复杂,使得校准和控制 - 特别是在高温下 - 成为进步的瓶颈,突出了对强大和可扩展的自主解决方案的需求。一个主要的障碍来自氧化物层内的捕获电荷,它诱导闸电极上的随机偏移电压变化,标准差约为当今最先进的设备中大约83的变化。高效表征和调优大型 QD 量子比特阵列取决于自动化协议的选择。在这里,我们引入了一个物理直观的框架,用于引导,自主测试和初始化系统(BATIS),旨在简化QD设备评估和校准。 BATIS导航高维门电压空间,自动化必要的步骤,如泄漏测试,形成所有电流通道,以及在存在被困电荷的情况下进行闸门表征。对于形成当前通道,BATIS遵循一种非标准方法,无论通道数量如何,都需要一组测量。 BATIS在四QD Si/Si_xGe_1-x设备上以1.3的速度进行演示,消除了初始设备诊断过程中对深层低温环境的需求,显着提高了可扩展性并缩短了设置时间。通过只需要对设备架构的最低限度的先验知识,BATIS代表了一个平台无关的解决方案,可适应各种QD系统,这弥合了QD自动调谐的关键差距。

介观与纳米尺度物理学计算机视觉与模式识别新兴技术量子物理学

低密度闭细胞泡沫的各向异性抗压特性的中导源:更深入的了解

许多封闭式细胞泡沫在泡沫上升方向上表现出细长的细胞形状,从而产生各向异的抗压性能。然而,潜在的变形机制和细胞形状各向异性如何诱导这种机械各向异性尚未完全了解,特别是对于具有高细胞面分数和低相对密度的泡沫。此外,中结构随机的影响往往被忽视。这种贡献对低密度闭细胞泡沫的各向异性抗压行为进行了系统数值研究,该作用是细胞形状各向异性,细胞结构和不同的中结构随机。泡沫中层结构的代表性体积元素(RVE)被建模,在有限旋转设置中被描述为Reissner-Mindlin外壳的细胞壁。引入了混合应力应变驱动的同质化方案,允许执行整体单轴应力状态。对细胞壁变形行为的定量分析证实了膜变形在初始弹性区域中的主导作用,而弯曲的贡献只有在屈曲后才变得重要,其次是膜产生。基于确定的变形机制,开发了将机械各向异性与细胞形状各向异性联系起来的分析模型。发现细胞形状各向异性通过三个通路,细胞承重面积分数,细胞壁屈曲强度和细胞壁倾角转化为抗氧化特性的各向异性。此外,由此产生的机械各向异性受到细胞形状各向异性随机体的强烈影响,而对细胞大小和细胞壁壁厚度随机几乎不敏感。本研究结果为低密度闭细胞泡沫的各向异性抗压特性和中结构之间的关系提供了更深入的见解。

数值分析介观与纳米尺度物理学材料科学

在多领域相干打孔机中学习

我们引入了一个耦合振荡器网络,可以从一组示例中学习解决分类任务 - 通过系统的非线性演进执行训练和推理。我们通过结合三个关键要素来实现学习:长期记忆,存储学习反应,类似于生物大脑中的突触;存储神经激活的短期记忆,类似于神经元的放电模式;以及更新突触响应新实例的进化定律,灵感来自突触可塑性。在基于波的信息处理器(如超材料)中实现所有三个元素都是一个重大挑战。在这里,我们通过利用材料多稳定来实现长期记忆,并利用对称性和热噪声来实现学习规则来解决它。我们的分析表明,学习机制虽然受到突触可塑性的启发,但也与细菌进化策略相似,其中突变率在有毒刺激的存在下增加。

介观与纳米尺度物理学无序系统与神经网络新兴技术神经与演化计算

继续滚动加载更多