Управляемая случайность: как настроить поведение ванадиевого диоксида

от

В ходе исследования продемонстрировано, что при токе [latex]I = 0.26 \text{ mA}[/latex] и [latex]I = 4 \text{ mA}[/latex] при температуре [latex]T = 313.15 \text{ K}[/latex], устройство демонстрирует кратковременную память, стирание и обучение: первоначальное состояние сохраняется около 1000 секунд, после чего происходит мгновенное стирание, а после 1000 циклов переключения устройство приобретает предпочтительную нано-доменную конфигурацию, приводящую к детерминированному переключению и высокой корреляции между последовательными событиями, что подтверждается анализом корреляционного распада [latex]g_2(t)[/latex] и нормализованной корреляции [latex]\Delta G(n, n+1)[/latex].

Новое исследование демонстрирует возможность контролировать распределение нанодоменов в ванадиевом диоксиде посредством электрического переключения, открывая путь к созданию более эффективных нейроморфных вычислительных устройств.

Восстановление четкости: Нейросеть для мобильной рентгеновской визуализации

от

В рамках разработанной системы BSoNet, предназначенной для оптимизации качества изображений, полученных методом фазового контраста (PBI), ключевые компоненты - Resolution Adaptive Network (RANet) с модулем Channel Attention (CA), Backscatter Optimization Transformer (BSformer) с Feature Learning Network (FLN) и Feature Fusion Network (FFN), а также слои Adaptive Average Pooling (AAP) и Adaptive Max Pooling (AMP) - совместно обеспечивают адаптивную обработку и повышение качества результирующих изображений.

Новая архитектура глубокого обучения BSoNet значительно улучшает качество изображений, получаемых с портативных систем обратного рассеяния, открывая новые возможности для контроля безопасности и неразрушающего контроля.