排序方式： 共有3条查询结果，搜索用时 250 毫秒
1
1.
传统钙钛矿材料微缩后难以保存铁电性，并且与CMOS的兼容性差，而薄至10 nm以内的铪锆氧化物（HZO）材料仍然具有铁电性且与CMOS兼容性好，这弥补了传统钙钛矿的本征短板，备受学界和产业界关注，有望替代动态随机存储器应用于非易失性铁电存储器（FERAM）和铁电晶体管基集成电路中。基于目前应用最广泛的TiN/HZO/TiN堆栈，采用具有高端应用前景的原位ALD技术生长TiN电极，很好地控制了电极层的生长速度及其纳米级的膜厚。研究了堆栈界面元素扩散问题，通过飞行时间二次离子质谱技术发现了界面元素的外扩散现象，采用角分辨X射线光电子能谱研究了外扩散行为的机制，提出了一个可能的理论解释，即由于TiN和HZO之间发生了氧化还原反应引发表面活性剂效应，导致界面元素外扩散。本研究将为HZO基FERAM的应用奠定基础。 相似文献
2.
系统研究了(La1-xNdx)0.5Ca0.5MnO3(x=0,0.2,0.4,0.6,0.8,1.0)系列样品的结构、磁性质和电输运性质。研究表明,所有样品的结构都为钙钛矿正交结构(空间群Pbnm),随着掺杂浓度x的增大,样品的晶格参数a,b,c和晶胞体积V都呈减小的趋势;磁性质的研究表明所有样品在低温下均出现电荷有序态,且电荷有序转变温度随着Nd3+的掺杂浓度x的增加而升高;除了Nd0.5Ca0.5MnO3(x=1.0)外,其它样品均出现顺磁-铁磁转变,其转变温度(即居里温度)随着Nd3+的掺杂浓度x的增加而降低;(0.2≤x≤0.8)样品的铁磁态均出现在电荷有序温度以下,表现出再入型(reentrant)铁磁态性质;电输运性质的研究表明,所有样品的电阻率随温度的升高而下降,表现为绝缘体性质。 相似文献
3.
近年来,深度学习方法被广泛用来解决车辆检测问题并取得了显著的成果,然而,当车辆尺寸较小时,当前深度学习算法的检测丢失率仍然很高.为了解决这个问题,本文提出了一种基于组合目标框提取结构的扩张全卷积神经网络（Dilated Fully Convolutional Network with Grouped Proposals,DFCN-GP）.具体提出了一种结合低层特征和高层特征的组合网络模型用于生成目标框,其中低层特征对小目标更加敏感.此外,为保留更多的细节信息,基于扩张卷积思想,增加了网络最后一层卷积层的大小和感受野,用于目标框的提取和车辆检测.通过控制变量的对比试验,对基于组合方式的目标框提取网络和扩张卷积层的有效性进行了验证.本文提出的算法模型在公开数据集UA-DETRAC上性能优异. 相似文献
1