Coal-dependent communities and regions are at the frontline of the global energy transition, with net-zero scenarios requiring unprecedented sharp decreases in coal use and production in the next few decades. Rapid decarbonization in these ‘coal-dependent’ regions can result in high disruptiveness and trigger socio-political resistance across both the acceleration of coal phase-outs (decline) and clean...
我们很高兴为您带来最近发表在Journal of Neural Engineering期刊上的亮点文章，展示了该领域令人兴奋和重要的研究成果。希望您希望喜欢阅读本期文章！ 精选文章 PAPER | OPEN ACCESS Noninvasive modulation of essential tremor with focused ultrasonic waves Thomas S Riis et al 2024 J. Neural Eng. 21 016033 This article demonstrates that low-intensity focused ultrasound can robustly modulate deep brain regions in humans with notable effects on overt motor behavior. NOTE | OPEN ACCESS Safety, tolerability and blinding...
IOP出版社每月从年度重点期刊中精选两个主题的研究文章供大家阅读，本月的主题为Energy Storage和Planetary Health。这些文章体现了IOP期刊的高质量和创新性，并呈现了一些受关注的研究工作。欢迎大家阅读下载！您可以扫描下方二维码，查看IOP出版社环境与能源领域的最新资讯；还可以点击此处链接，订阅该领域的最新研究进展以及相关期刊的最新信息。 环境与能源： 精选文章 Energy Storage JPhys Energy 2024 roadmap for sustainable batteries Magda Titirici, Patrik Johansson, Maria Crespo Ribadeneyra, Heather Au, Alessandro Innocenti, Stefano Passerini, Evi Petavratzi, Paul Lusty, Annika Ahlberg Tidblad, Andrew J Naylor Impact of vibrations on lithium-ion batteries in electric vehicles: sources, degradation mechanisms, and testing standards Umar Awan,...
本篇研究来自天津大学庞慰、牛鹏飞和北京化工大学王茁晨课题组。在本研究中，我们利用解析方程，有限元仿真及实验论证，系统地构建了PMUT匹配层设计策略，揭示了PMUT灵敏度与带宽之间的调制效应：即匹配层无法同步改善PMUT的灵敏度和带宽。本研究明确提出了PMUT匹配层的材料属性选择标准及结构参数优化方法，为高性能PMUT的设计以及应用提供了理论和实验依据。 文章介绍 Acoustic matching strategy of piezoelectric micromachined ultrasound transducer towards medical imaging applicationXingli Xu(徐兴利), Wei Wei(魏唯), Yuewu Gong(龚跃武), Zhuochen Wang(王茁晨), Wanli Yang(杨万里), Pengfei Niu(牛鹏飞) and Wei Pang(庞慰) 通讯作者： 王茁晨，北京化工大学 牛鹏飞，天津大学 庞慰，天津大学 研究背景： 随着便携式和可穿戴超声成像设备的快速发展，压电微机械超声换能器（PMUT）因其低功耗、小尺寸和与CMOS电路高度集成等优势而备受关注。声学匹配层是超声换能器的重要组成部分，具有保护器件、优化性能的功能。传统压电陶瓷换能器的匹配层设计理论已较成熟，其声波在陶瓷内部产生，通过匹配层高效传递至人体组织，只需根据陶瓷与人体组织的声阻抗即可设计出最优匹配层。然而，PMUT依靠薄膜弯曲振动产生声波，声波直接产生于器件表面，因此传统设计理论无法适用。此外，匹配层材料的密度、压缩波速及剪切波速对PMUT的振动特性有重要影响，使得PMUT匹配层设计的复杂性显著增加。目前尚缺乏针对PMUT的系统化匹配层设计方法，严重制约了PMUT性能的提升。 为解决这一问题，本研究深入探索了PMUT匹配层材料选择与尺寸优化的规律，首次提出了针对PMUT的系统化匹配层设计框架，以有效提升PMUT性能，推动其在医疗超声成像等领域的应用。 研究内容： 本研究中，我们建立了PMUT匹配层的机械-声耦合模型，推导出匹配层声波穿透效率的解析公式，并利用有限元仿真方法验证了理论的正确性。图1展示的结果揭示了PMUT灵敏度与带宽的内在权衡机制——匹配层难以同时优化这两项性能。 图1 进一步研究发现，匹配层不仅影响声波传递效率，也显著影响PMUT薄膜自身的振动特性（如位移、谐振频率等）。我们系统分析了匹配层密度、压缩波速和剪切波速对PMUT性能的影响（图2）。结果显示，剪切波速越高，匹配层材料硬度越大，导致PMUT性能严重下降，因此适合PMUT的匹配层应选择剪切波速接近0的软质材料（如橡胶类材料）。此外，匹配层密度增加会降低PMUT的频率与性能，而压缩波速对性能没有负面影响，且性能随压缩波速提高而提升。因此，低密度、高压缩波速的匹配层更有利于获得高灵敏度PMUT。 图2 具体材料分析（图3）表明，硅橡胶类材料作为匹配层时可显著提升带宽（2X），更适合高带宽应用场景；而Polybutadiene因具有较高声阻抗和较低声衰减，更适用于高灵敏度应用场景。我们以厚度为1/4波长的PDMS匹配层为例，通过实验验证了PMUT匹配层设计方法的有效性。 图3 我们利用超声相控阵成像检验匹配层对实际应用的影响（图4）。实验表明，高带宽的匹配层使PMUT的成像分辨率显著提升，使其能更清晰地展现复杂目标的细节。 图4 本研究首次明确了PMUT匹配层设计的材料选择与尺寸设计准则，为实现高性能PMUT提供了关键的设计依据，对PMUT技术的产业化应用具有重要指导意义。 作者介绍 牛鹏飞...
本篇研究来自厦门大学吴挺竹教授课题组。该研究采用原子层沉积（ALD）技术制备了不同厚度Al2O3钝化层的绿光Micro-LED，并系统地研究了钝化层对器件光电性能的影响机理，揭示了光提取效率与侧壁钝化效应之间的竞争机制，研究结果为提高绿光Micro-LED的发光效率和可靠性提供了参考。 文章介绍 Competitive mechanism between light extraction efficiency and sidewall passivated effect in the green micro-LEDs with varied thickness of Al2O3 layerYoucai Deng(邓有财), Denghai Li（李登海）, Yurong Dai, Zongmin Lin, Youqin Lin, Zongyuan Liu, Xinxing Chen, Hao-Chung Kuo, Zhong Chen, Shouqiang Lai(赖寿强) and Tingzhu Wu(吴挺竹) 通讯作者： 赖寿强，厦门大学电子科学与技术学院 吴挺竹，厦门大学电子科学与技术学院 研究背景： 基于氮化镓的绿光微型发光二极管（Micro-LED）因其体积小、功耗低、亮度高以及在全彩显示和可见光通信中的广泛应用而备受重视。然而，随着芯片尺寸的微缩，侧壁缺陷对Micro-LED性能的影响将变得更加显著，非辐射复合占比的增加将严重影响Micro-LED的光输出功率和外量子效率。为了解决这一问题，研究人员提出了多种侧壁处理和缺陷修复技术，其中原子层沉积（ALD）技术因其能够精确控制薄膜厚度、均匀性和保形性而成为小尺寸Micro-LED侧壁钝化的有效手段。然而，随着钝化层厚度的增加，钝化效果与光提取效率之间存在着一定的竞争关系，为此，本研究在绿光Micro-LEDs上沉积了不同厚度的Al2O3钝化层，对比研究了这些器件的性能，并揭示钝化效应与光提取效率之间的竞争机制。 研究内容： 研究采用通过CBATCH Batch ALD（Xiamen...
JPhys Materials期刊很高兴地推出“开放问题”（Open Questions）系列文章，这是一项旨在挑战和激励材料科学界的新举措，并帮助塑造材料科学研究的未来方向。 系列介绍 我们正在展示来自顶尖研究人员的具有挑战性、鼓舞人心的问题，这些问题激起了研究社群的好奇心并引发了批判性思维。作者被邀请提交解决这些问题的文章。所有回答问题的文章将被收集并一起推广，为讨论材料科学中最热门的发展创造一个充满活力的平台。该系列旨在促进跨学科和多学科领域的对话，不同的想法可以共存，并帮助塑造材料科学研究的未来方向。我们的第一个开放问题是由英国帝国理工学院的Aron Walsh教授提出的。Aron领导伦敦Thomas Young研究中心的材料设计小组，并担任Henry Royce研究所建模与仿真研究领域的负责人。他的研究涉及将尖端材料理论和机器学习应用于固态化学和物理问题，包括太阳能电池和燃料、电池、热电材料和固态照明材料。 问题详情 Aron asks: Can artificial intelligence design materials that are truly novel? Dimensions to consider: a. Metrics for quantifying novelty in chemical compositions and crystal structures. b. Inverse design, including the use of large language models and other generative techniques. c. Data-driven screening and closed-loop automated experimentation. We...
Global warming exacerbates agricultural production losses from extreme climate events with cascading impacts along supply chains that affect cities. However, little is known about cities’ vulnerability to climate-related food supply shocks. Using data-driven and network-based approaches, we determine the vulnerability of cities in the United States to domestic drought-related food shocks. Our vulnerability framework integrates...
本篇研究来自清华大学精密仪器系、类脑计算研究中心邓磊和太原理工大学计算机科学与技术学院郭浩课题组。该文提出离散时间脉冲循环神经网络（DTSRNNs），通过结合脉冲神经网络的离散脉冲特性与有限状态机（FSM）的离散状态转移机制，实现了通用FSM的高效稳定模拟。研究揭示了脉冲神经网络通过学习隐含长期模式提升鲁棒性的机制，为复杂时序系统建模提供了新思路，扩展了脉冲神经网络在需要高精度与高稳定性应用场景中的潜力。 文章介绍 General and Stable Emulation of Finite State Machines with Spiking Neural NetworksZiyang Sun(孙子杨), Zhong Zheng(郑重), Binying Zhang(章斌穎), Hanle Zheng(郑晗乐), Zikai Wang(王子恺), Hao Guo(郭浩), Lei Deng(邓磊) 通讯作者： 邓磊，清华大学，精密仪器系、类脑计算研究中心 郭浩，太原理工大学，计算机科学与技术学院 研究背景： 有限状态机（FSM）是离散状态系统的核心模型，但其依赖显式状态分解，难以建模复杂黑盒系统且易引发状态爆炸问题。人工神经网络虽擅长处理连续系统，但其连续状态与FSM的离散逻辑不兼容，导致长时稳定性和精确性不足。现有基于离散时间循环神经网络（DTRNNs）的方法因连续密集状态向量与FSM离散稀疏逻辑冲突，存在时间稳定性差、编码复杂等局限。受生物脉冲神经网络（SNNs）启发，该文提出离散时间脉冲循环神经网络（DTSRNNs），充分利用SNN的离散脉冲特性，并结合one-hot编码增强状态可区分性，解决传统DTRNNs模拟FSM时存在的局限性问题。通过构建随机FSM数据集开展系统性实验，验证了DTSRNNs在长序列任务中的稳定性和抗噪性优势，揭示其通过学习隐含长期模式提升鲁棒性的机制，为高精度和高稳定时序系统建模提供新范式。 研究方法： 该研究提出离散时间脉冲循环神经网络（DTSRNN），充分利用SNN的离散脉冲特性，结合one-hot编码增强状态向量的稀疏性和可区分性，将脉冲神经元的离散脉冲动力学特性与FSM的离散状态转移逻辑紧密结合。模型采用双层循环结构（如图a所示），基于泄漏积分发放（LIF）神经元实现状态更新，并构建随机FSM数据集系统评估性能，涵盖不同输入规模、状态复杂度及噪声干扰场景。训练中采用时空反向传播算法优化网络参数，结合均值平方误差损失函数，通过准确率、转移准确率和衰退周期综合量化模型能力。 实验表明，结合SNN和one-hot编码能够显著提升模型对复杂FSM的模拟能力，DTSRNN在时间稳定性与抗干扰性上优于传统离散时间循环神经网络（DTRNN），其衰退周期显著延长且在高噪声环境下仍保持稳定输出。图b展示了不同模型在噪声干扰下的状态转移结果，DTSRNN模型相比传统的DTRNN模型有着显著的纠错机制，可通过膜电位记忆机制捕获FSM的长期依赖模式，有效抑制状态漂移，而DTRNN因依赖短期状态转移易受错误累积影响。成果创新在于首次将脉冲神经动力学与FSM离散特性深度融合，提出系统性评估框架，揭示了SNN在时序建模中的内在稳定机制，为复杂控制系统的精准仿真及噪声环境下的鲁棒应用提供了理论支撑与方法突破。 作者介绍 邓磊 副教授 清华大学 邓磊，清华大学精密仪器系、类脑计算研究中心，副教授、博士生导师，国家高层次青年人才，IEEE Senior Member。从事类脑智能技术研究超过12年，在Nature、Nature Communications、PIEEE、IEEE TPAMI、IEEE JSSC、ICML、ICLR等发表论文100余篇，包含4篇封面论文和5篇ESI高被引论文，谷歌学术引用10000余次，获授权发明专利30余项。担任Frontiers in Neuroscience期刊副主编、中国人工智能学会脑机融合与生物机器智能专委会委员、中国认知科学学会计算神经工程专委会委员和多个国际会议分论坛主席和程序委员会委员。曾入选ScholarGPS全球前0.05%顶尖学者和Elsevier全球前2%顶尖科学家榜单、金国藩青年学子奖、北脑青年学者、吴文俊人工智能优秀青年奖和MIT TR 35 China等，代表性成果曾获中国科学十大进展、世界互联网领先科技成果、北京市自然科学一等奖、中国计算机学会技术发明一等奖和日内瓦国际发明展金奖等奖项。 郭浩 教授...
特刊详情 主题范围 Materials for Quantum Technology is pleased to bring together the work of the best early-career researchers in the field in a new annual collection dedicated to emerging leaders. The collection will present key new work from across the journal’s scope. An emerging leader is defined as a top researcher in their field who completed...
We have used the NASA Goddard Institute for Space Studies (GISS) Earth system model GISS-E2.1 to study the future budgets and trends of global and regional CH4 under different emission scenarios, using both the prescribed GHG concentrations as well as the interactive CH4 sources and sinks setup of the model, to quantify the model performance and its...
我们诚挚邀请您向IOP出版社旗下三本新创刊的机器学习期刊投稿。Machine Learning: Engineering、Machine Learning:Health和Machine Learning: Earth是三本跨学科开放获取期刊，致力于发布在工程、健康和地球科学等各领域中应用机器学习、人工智能和数据驱动计算方法的研究成果。 立即投稿，IOP出版社将全额资助文章发表费用，您可以免费、开放获取地发表研究成果。 投稿链接 Machine Learning: Engineering Machine Learning: Earth Machine Learning: Health 探索我们的新文章类型 Machine Learning: Engineering、Machine Learning:Health和Machine Learning: Earth推出了几种新的文章类型，以更好地服务研究群体： 数据集文章（Dataset Articles）：重点介绍可复用的数据集，帮助其他研究人员理解和使用数据，而非用于验证假设或提出新解读。 基准类文章（Benchmarks）：展示在相同问题或数据集上不同方法、模型、代码、算法或软件的表现。 挑战类文章（Challenges）：发表学术社群主导的挑战性研究，旨在通过开发新算法、数据集和工作流程来解决具体的科研问题。 除此之外，我们仍继续接受传统文章类型，如原创研究文章、快讯、观点文章、综述文章和研究路线图等。 我们非常期待有机会在期刊中发表您的研究成果，期待与您合作！>>点击此处链接，了解更多期刊信息。 期刊介绍 Machine Learning: Engineering Machine Learning: Engineering是一本多学科开放获取期刊，致力于在所有工程领域应用机器学习、人工智能数据驱动的计算方法。该期刊还发表介绍机器学习和人工智能在方法、理论或概念上的进展，并将其应用于所有工程领域的研究。 Machine Learning: Earth Machine Learning: Earth是一本多学科开放获取期刊，致力于在地球、环境、气候科学、可持续发展的所有领域应用机器学习、人工智能和数据驱动的计算方法。该期刊发表应用数据驱动方法的研究报告，这些方法提高了我们对地球系统的认识，以及对生物圈、水圈、冰冻圈、大气圈和地圈之间相互作用的认识。 Machine Learning: Health Machine Learning: Health是一本多学科开放获取期刊，致力于在医疗保健、医学、生物、临床和健康科学领域应用机器学习、人工智能和数据驱动的计算方法。该期刊还发表机器学习和人工智能在方法、理论或概念上的进展，并将其应用于医学和健康科学的研究。
特刊详情 客座编辑 李正强，中国科学院空天信息创新研究院 Jason Blake Cohen，中国矿业大学 秦凯，中国矿业大学 林金泰，北京大学 姜哲，中国科学技术大学 金晓梦，美国罗格斯大学 主题范围 Atmospheric remote sensing provides a basis upon which quantification of the atmosphere and its changes over time can be clearly made. By being able to quantify the loadings, spatial, and temporal distribution of various gasses, aerosols, hydrometeors, and dust, more clear information and...
