Name: large scale energy efficient sensor network routing using a quantum processor unit
Uploaded: 2023-09-08T14:35:00
Description: Watch this Scientific Journal Video about Large Scale Energy Efficient Sensor Network Routing Using a Quantum Processor Unit at JoVE.com

Il lavoro è sostenuto dall'Engineering and Physical Sciences Research Council of the UK (EPSRC) Grant number EP/W032643/1.

1. Impostazione dell'ambiente oceanico Dwave
<ol><li>Scarica e installa gli strumenti oceanici dal link: https://docs.ocean.dwavesys.com/en/stable/overview/install.html<ol><li>Al terminale, digita python -m venv ocean.</li>
		<li>Al terminale, digitare . ocean/bin/activate, come mostrato nella Figura 1.</li>
		<li>Al terminale, digita git clone https://github.com/dwavesystems/dwave-ocean-sdk.git Digitare quindi ...

<ol>
	<li>Chen, J., Date, P., Chancellor, N., Atiquazzaman, M., Cormac, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Controller-based+energy-aware+wireless+sensor+network+routing+using+quantum+algorithms.">Controller-based energy-aware wireless sensor network routing using quantum algorithms.</a> IEEE Transactions on Quantum Engineering. 3, 1-12 (2022).</li><li>Lin, H., Uster, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Exact+and+heuristic+algorithms+for+data-gathering+cluster-based+wireless+sensor+network+design+problem.">Exact and heuristic algorithms for data-gathering cluster-based wireless sensor network design problem.</a> IEEE/ACM Transactions on Networking. 22 (3), 903-916 (2014).</li><li>Zhou, Y., Wang, N., Xiang, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Clustering+hierarchy+protocol+in+wireless+sensor+networks+using+an+improved+PSO+algorithm.">Clustering hierarchy protocol in wireless sensor networks using an improved PSO algorithm.</a> IEEE Access. 5, 2241-2253 (2017).</li><li>Seah, W. K. G., Mak, N. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=How+long+is+the+lifetime+of+a+wireless+sensor+network.">How long is the lifetime of a wireless sensor network.</a> , 763-770 (2009).</li><li>Salahud din, M., Rehman, M. A. U., Ullah, R., Park, C., Kim, B. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Towards+network+lifetime+enhancement+of+resource+constrained+IoT+devices+in+heterogeneous+wireless+sensor+networks+Sensors.">Towards network lifetime enhancement of resource constrained IoT devices in heterogeneous wireless sensor networks Sensors.</a> 20, 4156 (2020).</li><li>Wu, W., Xiong, N., Wu, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Improved+clustering+algorithm+based+on+energy+consumption+in+wireless+sensor+networks.">Improved clustering algorithm based on energy consumption in wireless sensor networks.</a> IET Network. 6 (3), 7-53 (2017).</li><li>Kumar, N., Kumar, V., Ali, T., Ayaz, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Prolong+network+lifetime+in+the+wireless+sensor+networks:+An+improved+approach.">Prolong network lifetime in the wireless sensor networks: An improved approach.</a> Arabian Journal for Science and Engineering. 46, 3631-3651 (2021).</li><li>Faris, H., Aljarah, I., Al-Betar, M. A., Mirjalili, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Grey+wolf+optimizer:+A+review+of+recent+variants+and+applications.">Grey wolf optimizer: A review of recent variants and applications.</a> Neural Computing and Applications. 30, 413-435 (2018).</li><li>Kaur, J., Arifkhan, M., Iftikhar, M., Imran, M., Haq, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Machine+learning+techniques+for+5G+and+beyond.">Machine learning techniques for 5G and beyond.</a> IEEEAccess. 9, 23472-23488 (2021).</li><li>Shor, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Polynomial-time+algorithms+for+prime+factorization+and+discrete+logarithms+on+a+quantum+computer.">Polynomial-time algorithms for prime factorization and discrete logarithms on a quantum computer.</a> SIAMJournalonComputing. 26 (5), 1484-1509 (1997).</li><li>Qabouche, H., Sahel, A., Badri, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Hybrid+energy+efficient+static+routing+protocol+for+homogeneous+and+heterogeneous+large+scale+WSN.">Hybrid energy efficient static routing protocol for homogeneous and heterogeneous large scale WSN.</a> Wireless Networks. 27, 575-587 (2021).</li><li>Farooq, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=POWER:+probabilistic+weight-based+energy-efficient+cluster+routing+for+large-scale+wireless+sensor+networks.">POWER: probabilistic weight-based energy-efficient cluster routing for large-scale wireless sensor networks.</a> The Journal of Supercomputing. 78, 12765-12791 (2022).</li><li>Maddams, W. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+scope+and+limitations+of+curve+fitting.">The scope and limitations of curve fitting.</a> Applied Spectroscopy. 34 (3), 245-267 (1980).</li><li>Wang, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+dynamic+opportunistic+routing+protocol+for+asynchronous+duty-cycled+WSNs.">A dynamic opportunistic routing protocol for asynchronous duty-cycled WSNs.</a> IEEE Transactions on Sustainable Computing. , (2023).</li><li>Ismail, A. S., Wang, X., Hawbani, A., Alsamhi, S., Aziz, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Routing+protocols+classification+for+underwater+wireless+sensor+networks+based+on+localization+and+mobility.">Routing protocols classification for underwater wireless sensor networks based on localization and mobility.</a> Wireless Networks. 28, 797-826 (2022).</li><li>Garcia-Martin, E., Rodrigues, C. F., Riley, G., Grahn, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Estimation+of+energy+consumption+in+machine+learning.">Estimation of energy consumption in machine learning.</a> Journal of Parallel Distributed Computing. 134, 75-88 (2019).</li><li>Egger, D. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Quantum+computing+for+finance:+State-of-the-art+and+future+prospects.">Quantum computing for finance: State-of-the-art and future prospects.</a> IEEE Transactions on Quantum Engineering. 1, 1-24 (2020).</li><li>Rasool, R. U., Ahmad, H. F., Rafique, W., Qayyum, A., Qadir, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Quantum+computing+for+healthcare+:+A+review.">Quantum computing for healthcare : A review.</a> TechRxiv. , (2021).</li></ol>

L'attuale processore quantistico commerciale all'avanguardia può essere utilizzato in problemi computazionali di qualsiasi topologia di rete1. L'applicazione del processore quantistico non è vincolata dal numero di qbit fisici che i processori quantistici sono stati in grado di implementare. 
Nella progettazione del prolungamento della durata della rete di sensori, i risultati mostrano un progresso nel metodo per ottenere una durata della rete ancora più lunga utiliz...

Il risparmio energetico nelle reti di sensori è stato un problema molto critico nella progettazione1. I metodi classici normalmente affrontano il problema utilizzando un approccio ad hoc 2,3,4,5,6. Detto questo, questi metodi emulano i nodi sensori come risorse intelligenti gestite individualmente che potrebbero anche cooperare per servire sia gli interessi dell'individuo che della comunità. A causa dell'ambiente volatile in cui lavorano i sensori, in alcuni lavori vengono introdotti algoritmi casuali al fine di catturare le incertezze ambientali, mentre in altri, la bio-intelligenza viene presa in prestito per ideare algoritmi euristici che potrebbero raggiungere risultati accettabili per il senso comune7. Per illustrare ulteriormente, per quegli algoritmi casuali, da un lato, le incertezze ambientali potrebbero non essere così casuali come la sequenza casuale generata da una CPU classica, dall'altro, anche se le incertezze ambientali sono assolutamente casuali, non potrebbero essere catturate dal simulatore di processo casuale generato dalla CPU classica; Per questi algoritmi di bio-intelligenza, prima di tutto, non è stata derivata alcuna analisi matematica rigorosa per far funzionare una dimostrazione concettuale, in secondo luogo, la convergenza alla verità o il limite di tolleranza all'errore possono essere configurati solo data una verità di base informata - anche se una quantità significativa di lavori in letteratura ha dimostrato in una certa misura che questi algoritmi euristici funzionano, Da un lato, questi algoritmi vengono analizzati (non simulati) rispetto a scenari di casi d'uso ben definiti, si fermano a determinati criteri su cui vale comunque la pena riflettere in ulteriori ricerche, dall'altro, come detto prima, la maggior parte degli algoritmi non è stata convalidata rispetto alla simulazione software che può essere più facilmente implementata nei microprocessori che rendono un sensore il suo essere8.
Non consideriamo l'apprendimento automatico (ML) perché deve impiegare l'analisi dei dati che richiede un volume relativamente grande di potenza di calcolo che non è portabile nei dispositivi sensore9.
Per risolvere i problemi di cui sopra, forniamo un algoritmo quantistico ibrido. L'algoritmo è ibrido in quanto il meccanismo di selezione della testa del cluster viene implementato utilizzando un algoritmo casuale classico durante i calcoli di routing condotti utilizzando un processore quantistico una volta configurata la topologia di rete. Il metodo è giustificato come segue: (1) Come discusso nel primo paragrafo riguardante le incertezze ambientali, non vogliamo tentare ulteriormente di applicare un generatore di sequenze quantistiche per catturare la dinamica ambientale perché potrebbe essere storicamente tracciabile. La dinamica ambientale che può essere storicamente tracciabile è stata giustificata da vari lavori di ricerca sull'apprendimento automatico nella scienza delle reti. Per la fase attuale, rimaniamo con l'approccio classico. (2) Il metodo esatto che si basa sull'analisi matematica astratta garantisce di arrivare alla verità di base. La fisica sperimentale quantistica è stata finora sofisticatamente supportata dalla matematica fisica. Inoltre, sono esistite applicazioni algoritmiche come l'algoritmoShor 10 per dimostrare questa teoria arrotondata.
Di seguito viene fornita un'adeguata quantità di analisi della letteratura per il confronto. Il protocollo HEESR proposto11 ha meriti dimostrabili nei risultati, ma gli autori hanno specificato bene i parametri di configurazione della simulazione, ad esempio, l'esatta funzione di distribuzione casuale della posizione del nodo, la corretta giustificazione della percentuale di carico del cluster p (0,2%) e il parametro di scala per la distribuzione del livello di energia (1-2 joule) tra i nodi a_i. Ha proibito all'autore di procedere ulteriormente per duplicare gli esperimenti e condurre il confronto. Il meccanismo di instradamento dell'alimentazione12 impiega il metodo di adattamento della curva per approssimare le funzioni continue convergenti da set di dati discreti ottenuti da uno spazio campione non specificato per i determinanti che influiscono sul processo decisionale del routing di rete ottimale. Il metodo di adattamentodella curva 13 richiede informazioni preliminari sulla topologia della rete. Le circostanze reali potrebbero non avere informazioni preliminari prontamente disponibili. Anche quando esistono informazioni preliminari, la topologia di rete potrebbe non essere abbastanza regolare da poter essere mappata su curve di fitting in grado di facilitare il calcolo derivabile. Seguendo la stessa logica, il protocollo DORAF14 non ha giustificato come e perché prendere in prestito la funzione di Boltzmann e la funzione logistica per approssimare i determinanti della rete. Ismail et al.15 hanno fornito un solido riferimento per i futuri sforzi di ricerca nella progettazione di protocolli di routing efficienti dal punto di vista energetico nella rete sottomarina.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>Dell Laptop</td>
			<td>Dell</td>
			<td>N/A</td>
			<td></td>
		</tr>
		<tr>
			<td>Ubuntu 18.04.6 LTS</td>
			<td>Canonical Ltd</td>
			<td>18.04.6 LTS</td>
			<td></td>
		</tr>
		<tr>
			<td>Python3.8</td>
			<td>Python Software Foundation</td>
			<td>3.8.0</td>
			<td></td>
		</tr>
		<tr>
			<td>Dwave QPU</td>
			<td>Dwave</td>
			<td>https://docs.ocean.dwavesys.com/en/stable/overview/install.html</td>
			<td></td>
		</tr>
	</tbody>
</table>

large scale energy efficient sensor network routing using a quantum processor unit

Il metodo di conservazione dell'energia della rete di sensori, che è un ibrido di utilizzo di un computer classico e di un processore quantistico, ha dimostrato di funzionare meglio dell'algoritmo euristico che utilizza un computer classico. In questo manoscritto, il contesto tecnico per il significato del metodo è presentato e giustificato. Quindi le fasi sperimentali vengono dimostrate in una sequenza operativa con illustrazioni, se necessario. Il metodo è stato convalidato da risultati positivi in un set di campioni di topologie di rete generato in modo casuale. I risultati sperimentali positivi di questo metodo hanno fornito un approccio migliore per i problemi di massimizzazione della durata della rete di sensori e hanno dimostrato che l'attuale processore quantistico allo stato dell'arte è stato in grado di risolvere grandi problemi di ingegneria pratica con meriti che prevalgono sui metodi attuali in letteratura. In altre parole, il vantaggio quantistico può essere sfruttato al meglio. Si è passati dalla fase di prova di concetto alla prova di fattibilità.

I risultati di un campione di esecuzione sono illustrati nella Tabella 2, Tabella 3 e Tabella 4. I set di dati dettagliati per i tre batch di dati sono disponibili nella cartella Dati supplementari 1 .
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody><tr><td colspan="3">Set di dati 1</td>
		</tr><tr><td>198 nodi in un'area circolare con un raggio di 50 m</td>
			<td>Algoritmo quantistic...

Watch this Scientific Journal Video about Large Scale Energy Efficient Sensor Network Routing Using a Quantum Processor Unit at JoVE.com

Large Scale Energy Efficient Sensor Network Routing Using a Quantum Processor Unit

Questo studio fornisce un metodo per utilizzare un'unità di processore quantistico per calcolare i percorsi per varie dinamiche di traffico che funzionano per superare i metodi classici in letteratura per massimizzare la durata della rete.

Instradamento di rete di sensori ad alta efficienza energetica su larga scala utilizzando un'unità di processore quantistico

The sensor network energy conservation method, which is a usage hybrid of a classical computer and quantum processor, has proved to perform better than ...

Questo protocollo si dimostra più efficiente dal punto di vista energetico rispetto ai protocolli legacy. Dal punto di vista della ricerca sul content computing, questo protocollo mostra che l'attuale collo di bottiglia del problema dei qubit rumorosi non ha un tetto per la commercializzazione della tecnologia di content computing. Questa tecnica dimostra la fattibilità dell'applicazione degli attuali metodi di content computing allo stato dell'arte ai problemi di rete.Inoltre, presenta i vantaggi dell'applicazione dei metodi di calcolo dei contenuti ai problemi di rete rispetto ai metodi legacy. Per iniziare, scarica e installa gli strumenti Ocean dal link fornito. Al terminale, digita python space minus m space venv space ocean quindi ocean/bin/activate.Quindi, digita git space clone space https:github.com/dwavesystems/dwave-ocean-sdk. git quindi cd space dwave-ocean-sdk, seguito da python space setup. py spazio installare.Dopo aver scaricato e installato Cplex, nel terminale, digita pip space install space cplex. Usando lo script di notazione di programmazione Python, impostare i parametri di configurazione dell'esperimento. Una volta eseguito lo script, il linguaggio sottostante elaborerà per memorizzare le variabili nella RAM.Successivamente, crea gli script Python per generare 198 posizioni 2D dei nodi del sensore equamente sparse in sei settori e dividi l'area circolare con un raggio di 50 metri. All'interno di ogni settore, assicurarsi che i 33 nodi del sensore siano sparsi in modo casuale con una distribuzione normale. Salva le posizioni 2D in file di testo per ogni settore sotto la regola ortografica del nome come posdata con virgolette singole, più trattino di sottolineatura del settore no più txt con virgolette singole.Segmenta l'area circolare con un raggio di 50 metri in sei settori. Per l'indice di settore I, impostare la lunghezza del polo per il j-esimo nodo sensore inserendo il comando indicato. Se l'indice del settore è L, impostare il valore angolare per il nodo j-esimo del sensore.Quindi impostare le coordinate cartesiane del nodo j-esimo del sensore nel settore i-esimale. Per preparare i livelli di energia iniziali per tutti i 198 nodi del sensore, dividerli equamente, allocando un'energia iniziale di 0,5 joule a metà dei nodi del sensore e un joule all'altra metà. Procedi a creare un array per memorizzare il livello di energia di ogni nodo e usa un loop per assegnare alle celle sequenziate in numeri pari il valore di uno e a quelle sequenziate in numeri dispari il valore di 0,5.Preparare quindi uno script funzionale per selezionare l'intestazione del cluster. Per ogni nodo del sensore, ottenere un numero casuale compreso tra zero e uno, threshold_rm uguale a casuale. parentesi casuale.Se threshold_RM è inferiore a t_n, selezionare questo nodo sensore come testa del cluster. Per ogni nodo noncluster_head, selezionare il nodo sensore della testa del cluster più vicino ad esso come testa del cluster. Preparare le righe di comando per calcolare il processo di esaurimento dell'energia nell'intera rete per questo round.Infine, calcola le metriche del ciclo di trasmissione richieste. Per preparare uno script di algoritmo quantistico ibrido, eseguire la procedura di selezione in un ciclo per assicurarsi che la quantità di head cluster sia sei. Successivamente, per ciascuno dei nodi non cluster_head_valid, calcolare la distanza da ogni testa del cluster selezionata e assegnarla all'head del cluster la cui dimensione del cluster non ha superato sei e dove il valore della distanza era più piccolo.Successivamente, preparare uno script di sottofunzione in cui viene formato il problema di ottimizzazione del rooting per cluster e inviato all'API Dwave. Utilizzando lo script Python, calcola l'esaurimento dell'energia nell'intera rete per valutare quantitativamente l'algoritmo in base alla durata della rete in termini di numero di cicli di trasmissione. Quindi registrare il momento in cui il primo nodo viene svuotato e quando metà dei nodi viene svuotato.In questo studio, è stato osservato che l'algoritmo quantistico ibrido ha un'efficienza maggiore rispetto all'algoritmo advanced_leach. Di seguito viene illustrata anche la complessità temporale dell'algoritmo quantistico ibrido e dell'algoritmo quantistico ibrido conforme alla advanced_leach. Questi metodi possono essere applicati ad altri sistemi nell'ottimizzazione oggettiva.Ad esempio, la comunicazione machine-to-machine nell'industria manifatturiera. Secondo la fisica dei contenuti, la teoria dei contenuti ha spianato i problemi per ogni ambientazione di gioco fissa. Può portare a nuove ricerche nelle scienze sociali e nell'economia.

Research

JoVE Journal

Engineering

Terahertz Microfluidic Sensing Using a Parallel-plate Waveguide Sensor

Terahertz Sensing microfluidici Utilizzando un parallelo-piastra sensore guida d&#39;onda

Refractive index (RI) sensing is a powerful noninvasive and label-free sensing technique for the identification, detection and monitoring of microfluidic ...

Ricerca

Ingegneria

Analysis of Contact Interfaces for Single GaN Nanowire Devices

Analisi di contatto Interfacce semplici dispositivi GaN nanowire

Single GaN nanowire (NW) devices fabricated on SiO2 can exhibit  a strong degradation after annealing due to the  occurrence of void formation at the ...

How to Build a Vacuum Spring-transport Package for Spinning Rotor Gauges

Come costruire un vuoto primavera-trasporto Pacchetto per la filatura rotore Indicatori

The spinning rotor gauge (SRG) is a high-vacuum gauge often used as a secondary or transfer standard for vacuum pressures in the range of 1.0 x 10-4 Pa to ...

Resonance Fluorescence of an InGaAs Quantum Dot in a Planar Cavity Using Orthogonal Excitation and Detection

Fluorescenza di risonanza di un puntino di InGaAs Quantum in una cavità planare usando rilevazione ed eccitazione ortogonale

The ability to perform simultaneous resonant excitation and fluorescence detection is important for quantum optical measurements of quantum dots (QDs). ...

Enhanced Electron Injection and Exciton Confinement for Pure Blue Quantum-Dot Light-Emitting Diodes by Introducing Partially Oxidized Aluminum Cathode

Iniezione di elettroni avanzata e confinamento eccitone per diodi emettitori di luce pura blu Quantum-Dot introducendo parzialmente ossidato catodo in alluminio

Stable and efficient red (R), green (G), and blue (B) light sources based on solution-processed quantum dots (QDs) play important roles in next-generation ...

Generation and Coherent Control of Pulsed Quantum Frequency Combs

Generazione e controllo coerente di pettini di frequenza pulsata Quantum

We present a method for the generation and coherent manipulation of pulsed quantum frequency combs. Until now, methods of preparing high-dimensional ...

An Efficient Method for Selective Desalination of Radioactive Iodine Anions by Using Gold Nanoparticles-Embedded Membrane Filter

Un metodo efficiente per la desalinizzazione selettivo di anioni di iodio radioattivo mediante filtro a membrana incorporato di nanoparticelle d'oro

Here, we demonstrate a detail protocol for the preparation of nanomaterials-embedded composite membranes and its application to the efficient and ...

Measuring Sub-23 Nanometer Real Driving Particle Number Emissions Using the Portable DownToTen Sampling System

Misurazione delle emissioni del numero di particelle reali di guida sub-23metrico utilizzando il sistema portatile di campionamento DownToTen

The current particle size threshold of the European Particle Number (PN) emission standards is 23 nm. This threshold could change because future ...

Simulating Imaging of Large Scale Radio Arrays on the Lunar Surface

Simulazione dell'imaging di array radio su larga scala sulla superficie lunare

In recent years there has been a renewed interest in returning to the Moon for reasons both scientific and exploratory in nature. The Moon provides the ...

Performing In Situ Closed-Cell Gas Reactions in the Transmission Electron Microscope

Performing In Situ Closed-Cell Gas Reactions in the Transmission Electron Microscope

Esecuzione di reazioni di gas a celle chiuse in situ nel microscopio elettronico a trasmissione

Gas reactions studied by in situ electron microscopy can be used to capture the real-time morphological and microchemical transformations of materials at ...