基于插层过渡金属二硫化物的高效发光二极管

基于插层过渡金属二硫族化合物的高发射率下无效率衰减的发光二极管研究 背景与研究意义 近年来,基于二维(2D)材料的发光二极管(LEDs)在显示技术、光通信和纳米光源等领域的应用前景备受瞩目。然而,由于二维材料的强量子限域效应与减弱的介电屏蔽,二维材料LEDs在高激发生成率下常出现“效率衰减”(Efficiency Roll-Off)的现象。这种现象主要归因于激子-激子湮灭(Exciton-Exciton Annihilation, EEA)过程,该过程是一种类似俄歇复合的非辐射能量耗散机制。具体表现为:一个激子通过能量转移导致另一个激子离子化,同时导致辐射效率急剧降低。 尽管已有研究通过六方氮化硼(hBN)包覆和高κ基底等介电工程手段来减弱EEA,如在单层过渡金属二硫族化合物(TMDs)中实...

高迁移率n型二硫化钼晶体管中的分数量子霍尔相

高迁移率 n 型二硫化钼晶体管中分数量子霍尔相研究 背景与研究动机 在低温下,基于半导体过渡金属二硫属化物(Transition Metal Dichalcogenides, TMDs)的晶体管理论上可提供高载流子迁移率、强自旋轨道耦合和内在的强电子相互作用。这使其成为探索多体电子相互作用和量子态的理想平台。然而,由于在极低温下实现与 TMD 材料的鲁棒欧姆接触(Ohmic Contact)的挑战,长期以来,尚无法全面研究费米水平接近能带边缘情况下电子关联的特性,特别是在部分填充 Landau 能级(Landau Levels, LLs)下的分数量子霍尔(Fractional Quantum Hall, FQH)现象。 本文作者提出了一种“窗口接触技术”,成功实现了从毫开尔文到室温范围内的 ...

CMOS兼容的应变工程用于单层半导体晶体管

CMOS兼容的应变工程在单层半导体晶体管中的应用 学术背景 随着半导体技术的不断发展,二维(2D)材料因其原子级薄层特性在高密度、低功耗电子器件中展现出巨大潜力。特别是过渡金属二硫化物(TMDs),如二硫化钼(MoS₂),因其优异的电学性能,被认为是未来晶体管通道的理想材料。然而,尽管2D材料在实验室中表现出色,如何将其与现有的互补金属氧化物半导体(CMOS)技术兼容,仍然是一个巨大的挑战。 应变工程(Strain Engineering)在现代硅基电子器件中已经发挥了重要作用。自20世纪90年代引入以来,应变工程通过改变材料的能带结构,显著提高了晶体管的载流子迁移率。然而,如何在2D材料中实现类似的应变效应,尤其是在CMOS兼容的工艺条件下,仍然是一个未解决的问题。本文的研究正是为了解决这...

风险模型引导的临床决策支持在自杀筛查中的应用:一项随机临床试验

基于风险模型的临床决策支持系统在自杀筛查中的应用:一项随机临床试验 学术背景 自杀预防是全球公共卫生领域的重要议题,尤其是在医疗环境中,如何有效识别自杀风险并进行干预是当前研究的重点。传统的自杀风险识别方法主要依赖于患者的自我报告、支持网络的反馈或面对面的筛查。然而,这些方法存在一定的局限性,例如患者可能不愿意主动报告自杀倾向,或者医疗资源有限,无法对所有患者进行全面的筛查。近年来,随着大数据和人工智能技术的发展,基于统计模型的自杀风险评估工具逐渐被引入临床实践,以辅助医生的判断。然而,这些工具在临床决策支持系统(Clinical Decision Support, CDS)中的应用效果尚未得到充分验证。 本研究旨在评估基于风险模型的临床决策支持系统在自杀风险评估中的有效性,特别是比较“中断...

多模态大语言模型在放射学图像解释中的准确性评估

大型语言模型在放射学图像解读中的表现:与人类读者的比较研究 学术背景 近年来,大型语言模型(Large Language Models, LLMs)在多个领域展现了强大的能力,尤其是在自然语言处理方面。随着多模态LLMs的发展,这些模型不仅能够处理文本,还能够处理音频、视觉和视频等多种输入形式。代表性的多模态LLMs包括OpenAI的GPT-4 Turbo with Vision(GPT-4V)、Google DeepMind的Gemini 1.5 Pro以及Anthropic的Claude 3。这些模型在放射学领域的应用也逐渐增多,尤其是在生成和结构化放射学报告方面。然而,尽管LLMs在文本输入方面表现出色,其在解读放射学图像方面的能力仍然受到质疑。此前的研究表明,LLMs在基于患者病史和...

深度学习算法在英国乳腺癌筛查队列中的应用

深度学习算法在乳腺癌筛查中的应用 学术背景 乳腺癌是全球女性中最常见的癌症之一,早期筛查对于提高治愈率至关重要。传统的计算机辅助检测(Computer-Aided Detection, CAD)系统在乳腺X线摄影筛查中已被广泛使用,尤其是在美国。然而,这些系统虽然提高了召回率,但对读者(即放射科医生)的表现改善有限。近年来,深度学习(Deep Learning, DL)算法在医学影像分析中的应用迅速增长,特别是在乳腺癌筛查领域。多项系统综述和荟萃分析表明,自2017年以来,DL算法在乳腺X线摄影筛查中的证据迅速增加。尽管一些研究表明,DL算法作为单一读者时表现不逊于人类读者,但目前尚无独立算法能够在保持可接受召回率的同时,优于标准的双阅读系统。因此,DL算法目前还无法完全取代人类读者在双阅读...