今天,我们使用REST API实现用户名密码认证,服务端端点如下: Endpoint 请求 响应 /login { username: '',password: '' } auth_token /logout add a token to headers /register { username: '', password: '' } 1、创建Ionic 2 APP 反复练习,应该是很熟悉了: ionic start Ionic2RestAuth --v2 我习惯上会先启动看看,确保项目创建成功: c
掺杂原子被动打进到基板的晶体内部,但是它是被硬塞进去的,不是一个热平衡下的过程,杂质一般也不出在晶格点阵上,且离子轨迹附近产生很多缺陷。如下图,
问题 注册安卓硬件返回按钮事件是必须的,因为用户不小心点击了返回按钮就退出app体验很不好,所以有几种方法: 1.实现按返回键最小化应用(最小化应用需要装cordova-plugin-appminimize插件,使用window['AppMinimize'].minimize();)。 2.要么请求用户确认(添加一个Confirmation Alerts)。 3.按一下提示,按两下退出(加一个方法用toast提醒)。 这里用第三种展示。 解决 在app.html中,添加#myNav,在app.compo
今天聊一下半导体工艺的一个知识,离子注入。离子注入是半导体掺杂以及改性常用的一个工艺。把需要掺杂的杂质电离成电子,然后加速,去碰撞到半导体wafer上,就像弯弓射箭靶一样,箭的动能越大,射进靶的深度也会越深。
介绍工艺之前,我们先聊一下昨天一个朋友提到的日本日新的离子注入设备。日本日新是全球3大离子注入设备商之一。
该系统中使用了一种混合离子导体,可以同时传输负氧离子和带电荷的氢离子,大大提高了氢气的生产总量。 近日,韩国蔚山科学技术大学、韩国能源研究所、淑明女子大学联合开发了一套基于“固体氧化物电解槽”的水电解系统——Hybrid-SOEC。相较于先前的水电解系统,该系统的效率更高。 科学家介绍,Hybrid-SOEC系统在底层原理上和其他系统一样,都是通过利用电流分解水分子已得到氧气和氢气的。但他们对该系统的电极和电解质进行改进,将原有的液态电极和电解质都换成了固态的。相较于液体电解质需要不断的填充补满,固态电解质
来自伦敦大学的化学教授Robert Palgrave在网上公开揭露,论文在材料表征方面存在非常严重的问题。
自从7月底,宁德时代揭开第一代钠离子电池的“神秘面纱”之后,关于这类新电池的争议就一直没有停息。
金属有机骨架(MOFs)由于其高度可调节的结构特性,在吸附、分离、传感和催化等领域具有极大的应用潜力。然而,MOFs必须能在水蒸气中保持稳定,才能在工业中得到应用。目前,预测MOFs的水稳定性是十分困难的:一是因为MOFs合成的时间成本高昂,二是因为目前的建模技术无法准确地捕获MOFs水稳定性特征。对此,我们建立了一个机器学习模型,可以根据不同的应用目的或所处环境的水蒸气浓度,迅速且准确地判断MOFs是否稳定。该模型的训练集包括200多个已测量水稳定性的MOFs,并设计了一套全面的化学特征描述符。描述符中的信息包括三类:MOFs的金属节点、有机配体、金属-配体摩尔比。除了为未来的实验筛选水稳定的MOFs候选材料外,我们还从训练好的模型中提取了一些关于MOFs水稳定性的简单化学趋势。本文所述的通用方法,可以基于其他设计标准筛选MOFs。
该技术未来可应用到储能等方面。 我们可以将物质分为四类:固体、液体、气体和等离子体。等离子体是由带正、负电荷的离子和电子,也可能还有一些中性的原子和分子所组成的集合体。在工业中,现有的应用都是基于等离子体发生器产生的部分电力等离子体来完成的。 通常,等离子体没有自己明确的形状,它们发出的光会沿着空气中最小的路径形成分叉结构,因此人造等离子体需要在真空室或电磁场的条件下来达到工业上的要求,并且,在通常情况下,等离子体需要高温条件。 而近日,加州理工学院的工程师们只简单使用了水流和晶片,就在空气中创造了一个稳定
随着全球能源日趋紧张,太阳能作为新型能源得到了大力的开发,其中较为常见的就是太阳能电池了,利用太阳能电池板从太阳中获取能量,但是转换效率低。为了改变这一现状,科学家研发了一种全新的太阳能电池。
解决大脑的多尺度组织,这是器官动态库的基础,仍然具有挑战性。原则上,应该可以对神经元和突触进行详细建模,然后将它们连接成大型神经元组件,以解释微观现象、大规模大脑功能和行为之间的关系。从集成测量(例如目前通过大脑活动记录获得的测量)推断神经元功能更加困难。在这篇文章中,研究者考虑了从神经元生物物理学原理产生的自下而上模型与基于网络活动的集成表示和功能原理的自上而下模型相结合的理论和策略。这些综合方法有望在虚拟大脑和神经机器人中提供有效的多尺度模拟,并为未来在医学和信息技术中的应用铺平道路。
秘密研发3年,DeepMind去年宣称,首次成功用AI控制「托卡马克」内部等离子体。其重磅成果登上Nature。
假如在contact.html页面上点击弹出模态框 首先在html页面上加click事件
NIST量子计算实验中使用的离子陷阱(Ion trap),通过用两种不同种类离子形成的量子比特进行逻辑运算。 上周,两个研究团体——一个来自位于科罗拉多州巨石城美国国家标准技术研究所(NIST),另一
机器之心报道 机器之心编辑部 高能离子 > 加速到 99% 光速进行碰撞 > 诱发强电磁场 > 产生虚光子 > 虚光子相互作用 > 产生真实光子(光)> 真实光子碰撞 > 电子 / 正电子对(物质)产生。 我们都知道爱因斯坦的质能方程式 E=mc^2。 式中 E 为能量,m 为质量,c 为光速,后者是一切物质运动速度的最大极限。 1905 年,著名物理学家阿尔伯特・爱因斯坦创建了关于时空观的革命性的理论――狭义相对论,这是一个能够正确描述高速世界运动规律的理论。在讨论了高速运动中的空间与时间的关系后,爱因
冯翔:研发总监,超过5年的区块链底层架构设计与研发经验,区块链专业技术论坛区块链兄弟(Blockchain Brother)的核心发起人,Hyperledger项目核心开发人员、Hyperledger Explorer开源项目发起人,机械工业出版社《区块链开发实战》系列丛书第一作者。
而最近,普林斯顿团队用AI提前300毫秒预测了核聚变等离子不稳定态,这个时间,就足够约束磁场调整应对等离子体的逃逸!
今天给大家介绍的是中国科学院计算机研究所发表在Briefings in Bioinformatics上的一篇文章“pNovo 3: precise de novo peptide sequencing using a learning-to-rank ramework”。
,向生成树中添加任意一条边,则会形成环。生成树存在多种,其中权值之和最小的生成树即为最小生成树。
这架飞机翼展5米,总重量仅2.5公斤,甚至连一个行李箱的重量都不到,飞行高度也只有1米左右。但它却是人类历史上第一架由离子引擎推动的飞机。
两固体表面间的粘着对微机电系统的发展意义重大。在微纳尺度下,机械系统主要受表面效应的影响而非惯性效应。粘着是微机电系统在制造和使用中失效的一个主要原因。随着微机电系统进一步微型化,研究如何避免粘着失效也成为提升系统可靠性的迫切要求
普林斯顿大学的研究人员开发了一个 AI 控制器,能够提前 300 毫秒预测到等离子体的潜在撕裂风险并及时干预。
有人认为 AI 已经穷途末路,但一些绝顶聪明的人还在继续求索。 整理|黄楠、王玥 编辑|陈彩娴 近日,DeepMind 的创始人 Demis Hassabis 作客 Lex Fridman 的播客节目,谈了许多有趣的观点。 在访谈的一开头,Hassabis 就直言图灵测试已经过时,因为这是数十年提出来的一个基准,且图灵测试是根据人的行动与反应来作判断,这就容易出现类似前段时间谷歌一工程师称 AI 系统已有意识的“闹剧”:研究者与一个语言模型对话,将自己的感知映射在对模型的判断上,有失客观。 从2015年成立
作者丨施方圆 编辑丨陈彩娴 2022 年 11 月 17 日,高性能计算领域的最高荣誉之一“戈登贝尔奖”公布,来自法国、日本和美国的16人国际团队获奖。 获奖原因是:在超算上实现突破性的网格细化粒子细胞模拟,推动激光电子加速器设计的发展。 相关工作成果介绍体现在论文“Pushing the Frontier in the Design of Laser-Based Electron Accelerators with Groundbreaking Mesh-Refined Particle-In-Cell
大数据文摘授权转载自AI科技评论 作者丨施方圆 编辑丨陈彩娴 2022 年 11 月 17 日,高性能计算领域的最高荣誉之一“戈登贝尔奖”公布,来自法国、日本和美国的16人国际团队获奖。 获奖原因是:在超算上实现突破性的网格细化粒子细胞模拟,推动激光电子加速器设计的发展。 相关工作成果介绍体现在论文“Pushing the Frontier in the Design of Laser-Based Electron Accelerators with Groundbreaking Mesh-Refined
众所周知,对于碳化硅MOSFET(SiC MOSFET)来说,高质量的衬底可以从外部购买得到,高质量的外延片也可以从外部购买到,可是这只是具备了获得一个碳化硅器件的良好基础,高性能的碳化硅器件对于器件的设计和制造工艺有着极高的要求,接下来我们来看看安森美(onsemi)在SiC MOSFET器件设计和制造上都获得了哪些进展和成果。
信息基因的选择是基因表达研究中的重要问题。基因表达数据的小样本量和大量基因特性使选择过程复杂化。此外,所选择的信息基因可以作为基因共表达网络分析的重要输入。此外,尚未充分探索基因共表达网络中枢纽基因和模块相互作用的鉴定。本文提出了一种基于支持向量机算法的统计学上基因选择技术,用于从高维基因表达数据中选择信息基因。此外,已经尝试开发用于鉴定基因共表达网络中的中枢基因的统计学方法。此外,还开发了差异中枢基因分析方法,以在案例与对照研究中基于它们的基因连接性将鉴定的中枢基因分组成各种组。基于这种提出的方法,已经开发了R包,即dhga(https://cran.rproject.org/web/packages/dhga)。在三种不同的农作物微阵列数据集上评估了所提出的基因选择技术以及中枢基因识别方法的性能。基因选择技术优于大多数信息基因的现有技术。所提出的中枢基因识别方法,与现有方法相比,确定了少数中枢基因,这符合真实网络的无标度属性原则。在这项研究中,报道了一些关键基因及其拟南芥直系同源物,可用于大豆中的铝毒性应激反应工程。对各种选定关键基因的功能分析揭示了大豆中铝毒性胁迫响应的潜在分子机制。
机器之心报道 编辑:陈萍、泽南 以后在北方开电车也不是问题了? 一种新型锂离子电池既可以在零下 40°C 的低温下工作,也可以在 50°C 的高温下工作。这种新型电池阴极使用硫制作,电池可以储存更多的能量。这是来自加州大学圣地亚哥分校(UCSD)的一项新研究。 这种电池可以增加电动汽车在寒冷温度下的行驶里程。此外,它们还可以用于卫星、航天器、高空无人机和潜艇。UCSD 纳米工程教授陈政(Zheng Chen)表示:通过大幅扩展锂电池的可操作窗口,我们可以为电动汽车之外的应用提供更强大的电化学物质。 目前来看
美国斯坦福大学(Standford University)网站发布消息,称该校科学家正在将人工智能技术用于制造更安全的锂离子电池。 科学家们已经花费了几十年时间寻找锂离子电池中可燃液体电解质的安全替代品。现在,斯坦福大学的研究人员已经确定了大约20多种固体电解质,有望在未来替代智能手机、笔记本电脑和其他电子设备中使用的挥发性液体。他们的研究结果以人工智能(AI)和机器学习技术为基础,发表在《能源与环境科学》(Energy & Environmental Science)杂志上。 “电解质让锂离子在电池的正负
在12月13日晚的新闻发布会上,美国能源部部长和LLNL的科学家们共同宣布了这项有关「无限清洁能源」的重大科学突破!
DeepMind研究科学家David Pfau在论文发表后感叹道:「为了分享这个时刻我已经等了很久,这是第一次在核聚变研究设备上进行深度强化学习的演示!」
2022年9月,安进药物产品技术部的Prashant Agarwal等人在Drug Discov Today发表文章Trends in small molecule drug properties: A developability molecule assessment perspective,分析了1900-2020年期间,FDA批准的口服小分子药物的特性变化。本文可为药物研发团队的开发决策提供参考。
来源:机器之心本文约2400字,建议阅读5分钟用强化学习控制核聚变反应堆内过热的等离子体。 过去三年,DeepMind 和瑞士洛桑联邦理工学院 EPFL 一直在进行一个神秘的项目:用强化学习控制核聚变反应堆内过热的等离子体,如今它已宣告成功。 DeepMind研究科学家David Pfau在论文发表后感叹道:「为了分享这个时刻我已经等了很久,这是第一次在核聚变研究设备上进行深度强化学习的演示!」 可控核聚变、强人工智能、脑机接口是人类科技发展的几个重要方向,有关它们何时可以实现,科学家们的说法永远是「还需
机器学习预测工具正在帮助各个领域的研究人员,比如发现分子的新方法、在分析中发现细微信号,提高医学诊断质量、揭示基本粒子的性质等。
2018年人工智能成为重塑世界格局的关键。谷歌BERT模型刷新多项自然语言处理纪录,DeepMind则用星际争霸II对局再次引爆机器智能无限可能。阿里与华为分别推出AI芯片,作为底层支撑的计算体系结构也将迈入黄金十年发展期。
本文经AI新媒体量子位(公众号ID:qbitai)授权转载,转载请联系出处。本文约1400字,建议阅读5分钟DeepMind开发出世界上第一个深度强化学习AI。 DeepMind在蛋白质折叠问题上实现巨大突破后,目标又转向核聚变了。 最近,它开发出了世界上第一个深度强化学习AI——可以在模拟环境和真正的核聚变装置(托卡马克)中实现对等离子体的自主控制。 陌生名词不要急,后面马上解释。 这比传统的计算机控制要更高效且精准,成果登上今天的Nature。 作为强化学习最具有挑战性的一个应用,这一成果也对加速可
“AI+物理”成功破圈,DeepMind 怕是要上天。 作者 | 王晔 编辑 | 陈彩娴 北京时间凌晨四点,DeepMind在官方推特上发布消息,称其与瑞士洛桑联邦理工学院(EPFL)合作研究出第一个可以在托卡马克(Tokamak)装置内保持核聚变等离子体稳定的深度强化学习系统,为推进核聚变研究开辟了新途径,工作已发表在Nature! 消息一出,立刻引起围观,收获一千多点赞、数百转发: 据该工作的其中一位成员@317070披露,该工作已经秘密进行了三年,并兴冲冲地表示:“它真的成功了!深度强化学习真的很擅
丰色 发自 凹非寺 量子位 | 公众号 QbitAI DeepMind在蛋白质折叠问题上实现巨大突破后,目标又转向核聚变了。 最近,它开发出了世界上第一个深度强化学习AI——可以在模拟环境和真正的核聚变装置(托卡马克)中实现对等离子体的自主控制。 陌生名词不要急,后面马上解释。 这比传统的计算机控制要更高效且精准,成果登上今天的Nature。 作为强化学习最具有挑战性的一个应用,这一成果也对加速可控核聚变有很大意义。 用强化学习控制核聚变反应 核聚变是未来最有潜力的清洁能源:只靠一个原子核就能产生巨大能
上周,新智元报道了DNA数据存储的新闻,不仅16G的维基百科能够存储到一个DNA分子上,就连存储全球的数据也只需要1kg DNA。
细胞死亡的相关研究一直是生命科学领域的热点。依据发生机制的不同 (起始的刺激、中间过程的激活和末端的效应器的不同) ,细胞的死亡可以区分为不同的方式,常见的有细胞凋亡、焦亡、坏死、铁死亡等。
今天为大家介绍的是来自Scott Banta的一篇新闻。科学家们发现了一种蛋白质,相比于较重的元素,它与稀土金属家族的轻元素更强烈地结合在一起。考虑到这些元素的化学相似性,这个发现令人惊叹。
在这个教程中,我们将展示如何用 Python 创建简单但实用的数字孪生,锂离子电池将是我们的实物资产。这个数字孪生将使我们能够分析和预测电池行为,并且可以集成到任何虚拟资产管理工作流程中。我们将使用Keras建立神经网络,使用plotly绘图。
郑集杨 晓查 发自 凹非寺 量子位 报道 | 公众号 QbitAI 关于马斯克旗下SpaceX的“星链”(Starlink),令人担心的事情还是发生了。 之前轰轰烈烈一次次发射之后,就有天文学家投诉影响正常观测。 其后太空爱好者也担忧,如果这些卫星成为挤占轨道、成为太空垃圾,甚至成为“锁死”地球的外壳怎么办? 不仅影响别的国家探索太空,而且万一地球有“危机”,出路就这样被堵死了。 万万没想到,上述担忧现在就真真切切开始了。 哈佛-史密松天体物理学中心的科学家Jonathan McDowell,在对
中国土壤有机质数据集分辨率为30弧秒(赤道处约1公里),包括以下土壤理化性质:pH值、有机质含量、阳离子交换量、根系丰度、总氮(N)、总磷(P)、总钾(K)、碱解氮、速效磷、速效钾、可交换H+、Al3+、Ca2+、Mg2+、K+、Na+、土层厚度、土壤剖面深度、砂、淤泥和C。铺设部分、岩石碎片、体积密度、孔隙、结构、稠度和土壤颜色。土壤性质的垂直变化由8层记录,深度为2.3 m(即0-0.045,0.045-0.091、0.091-0.166、0.166-0.289、0.289-0.493、0.493-0.829、0.829-1.383和1.383-2.296 m),以便于在普通土地模型和社区土地模型(CLM)中使用。前言 – 人工智能教程
编辑 | 白菜叶 材料表征,即通过各种物理、化学等测试方法,揭示和确定材料的结构特征,是科学家理解锂离子电池电极及其性能限制的基础方式。基于实验室的表征技术地进步,科学家们已经对电极的结构和功能关系产生了许多强有力的见解,但还有更多未知情况等待探索。该技术的进一步地改进,取决于对材料中复杂的物理异质性的更深入理解。 然而,表征技术的实际局限性,限制了科学家直接组合数据的能力。例如,某些表征技术会对材料造成破坏,因此无法对同一区域进行其他参数的分析。幸运的是,人工智能技术拥有巨大潜力,可以整合传统表征技术所
作者:啸语 作者公众号:啸语 摘自:品玩(http://www.pingwest.com) 随着微系统、全脑仿真等技术的进步,意识上传不再是遥不可及的科幻,本文介绍两种可能的意识上传技术路线。 一种路线是逐渐把生物脑的功能转移到“外皮层”,以类似于特修斯之船的方式,转变为赛博格或者说半机械人。 首先,随着脑机接口、脑植入电极以及相关理论研究的进步,用人造神经元逐步替换大脑的可能性出现。 黑石微系统(Blackrock Microsystems)开发的犹它阵列,帮助大脑之门(BrainGate)项目实现了全
光波导是一种光学技术,在光通信、激光领域应用较多。简单的来说就是光在特定设计的材料器件结构中实现光的定向传播,应用的是全反射原理,中心用折射率大的材料,四周用折射率小的材料,就可以束缚光在介质中传播。
SOI层的典型厚度为220nm, BOX层的厚度为2-3um,衬底硅的厚度在700um左右。硅基光波导由SOI晶圆分多步刻蚀而成,对应条形波导和脊形波导。对于调制器,还需要对脊形波导的slab层进行掺杂,形成电极和PN结,如下图所示。
离子研量子计算在影响范围方面仅次于超导量子计算。早在2003年,基于离子阴就可以演示两比特量子算法。离子附编码量子比特主要是利用真空腔中的电场因禁少数离子,并通过激光冷却这些因禁的离子。以因禁Yb+为例,下图(a)是离子阱装置图,20个Yb+连成一排,每一个离子在超精细相互作用下产生的两个能级作为量子比特的两个能级,标记为|↑〉和|↓〉。下图(b)表示通过合适的激光可以将离子调节到基态,然后下图(c)表示可以通过观察荧光来探测比特是否处于|↑〉。离子阱的读出和初始化效率可以接近100%,这是它超过前两种比特形式的优势。单比特的操控可以通过加入满足比特两个能级差的频率的激光实现,两比特操控可以通过调节离子之间的库伦相互作用实现
领取专属 10元无门槛券
手把手带您无忧上云