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

El trabajo cuenta con el apoyo del Consejo de Investigación de Ingeniería y Ciencias Físicas del Reino Unido (EPSRC) número de subvención EP/W032643/1.

1. Configuración de Dwave Ocean Environment
<ol><li>Descargue e instale las herramientas oceánicas desde el enlace: https://docs.ocean.dwavesys.com/en/stable/overview/install.html<ol><li>En el terminal, escriba python -m venv ocean.</li>
		<li>En el terminal, escriba . ocean/bin/activate, como se muestra en la Figura 1.</li>
		<li>En el terminal, escriba git clone https://github.com/dwavesystems/dwave-ocean-sdk.git A ...

<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>

El procesador cuántico comercial de última generación actual se puede utilizar en problemas computacionales de cualquier topología de red1. La aplicación del procesador cuántico no está limitada por el número de qbits físicos que cualquiera de los procesadores cuánticos ha podido implementar. 
En el diseño de prolongación de la vida útil de la red de sensores, los resultados muestran un avance en el método para lograr una vida útil de la red aún más lar...

La conservación de la energía en las redes de sensores ha sido un tema muy crítico en el diseño1. Los métodos clásicos normalmente abordan el problema utilizando un enfoque ad hoc 2,3,4,5,6. Dicho esto, estos métodos emulan los nodos sensores como activos inteligentes gestionados individualmente que también podrían cooperar para servir tanto a los intereses del individuo como a los de la comunidad. Debido al entorno volátil en el que trabajan los sensores, en algunos trabajos se introducen algoritmos aleatorios para captar las incertidumbres ambientales, mientras que en otros, se toma prestada la biointeligencia para idear algoritmos heurísticos que podrían lograr resultados aceptables de sentido común7. Para ilustrar aún más, para esos algoritmos aleatorios, por un lado, las incertidumbres ambientales podrían no ser tan aleatorias como la secuencia aleatoria generada por una CPU clásica, por otro lado, incluso si las incertidumbres ambientales son absolutamente aleatorias, no podrían ser capturadas por el simulador de proceso aleatorio generado por la CPU clásica; Para esos algoritmos de biointeligencia, en primer lugar, no se ha derivado un análisis matemático riguroso para hacer que una prueba conceptual funcione, en segundo lugar, la convergencia a la verdad o el límite de tolerancia al error solo se puede configurar dada una verdad fundamentada informada, aunque una cantidad significativa de trabajos en la literatura han demostrado hasta cierto punto que estos algoritmos heurísticos funcionan. Por un lado, estos algoritmos se analizan (no se simulan) contra escenarios de casos de uso bien definidos, se detienen en ciertos criterios que aún vale la pena considerar en futuras investigaciones, por otro, como se dijo antes, la mayoría de los algoritmos no han sido validados contra la simulación de software que se puede implementar más fácilmente en los microprocesadores que hacen que un sensor sea8.
No consideramos el aprendizaje automático (ML) aquí porque necesita emplear análisis de datos, lo que requiere un volumen relativamente grande de potencia computacional que no es portátil en dispositivossensores.
Para abordar las preocupaciones mencionadas anteriormente, proporcionamos un algoritmo cuántico híbrido. El algoritmo es híbrido en el sentido de que el mecanismo de selección de encabezado de clúster se implementa utilizando un algoritmo aleatorio clásico durante los cálculos de enrutamiento realizados con un procesador cuántico una vez que se configura la topología de red. El método se justifica de la siguiente manera: (1) Como se discutió en el primer párrafo con respecto a las incertidumbres ambientales, no queremos esforzarnos más en aplicar un generador de secuencias cuánticas para capturar la dinámica ambiental porque podría ser históricamente rastreable. La dinámica ambiental que puede ser históricamente rastreable ha sido justificada por varios trabajos de investigación de aprendizaje automático en ciencia de redes. Para la etapa actual, nos quedamos con el enfoque clásico. (2) El método exacto que se basa en el análisis matemático abstracto garantiza llegar a la verdad fundamental. Hasta ahora, la física experimental cuántica ha sido sofisticadamente apoyada por las matemáticas físicas. Además, han existido aplicaciones algorítmicas como el algoritmo Shor10 para probar esta teoría redondeada.
A continuación se proporciona una cantidad adecuada de bibliografía para la comparación. El protocolo HEESR propuesto11 tiene méritos demostrables en los resultados, pero los autores han especificado bien los parámetros de configuración de la simulación, por ejemplo, la función de distribución aleatoria exacta de la posición del nodo, la justificación adecuada del porcentaje de cabeza del clúster p (0,2%) y el parámetro de escalado para la distribución del nivel de energía (1-2 julios) entre los nodos a_i. Prohibió al autor seguir adelante con la duplicación de los experimentos y la realización de la comparación. El mecanismo de enrutamiento de potencia12 emplea el método de ajuste de curvas para aproximar funciones continuas convergentes a partir de conjuntos de datos discretos obtenidos de un espacio muestral no especificado para determinar los determinantes que afectan el proceso de decisión del enrutamiento óptimo de la red. El método de ajuste de curva13 requiere información previa sobre la topología de la red. Es posible que las circunstancias reales no tengan información previa fácilmente disponible. Incluso cuando existe información previa, es posible que la topología de red no sea lo suficientemente regular como para poder asignarse a curvas de ajuste que puedan facilitar el cálculo derivable. Siguiendo la misma lógica, el protocoloDORAF 14 no ha justificado cómo y por qué tomar prestada la función de Boltzmann y la función logística para aproximar los determinantes de la red. Ismail et al.15 han proporcionado una referencia sólida para futuros esfuerzos de investigación sobre el diseño de protocolos de enrutamiento energéticamente eficientes en la red submarina.

<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

El método de conservación de energía de la red de sensores, que es un híbrido de uso de una computadora clásica y un procesador cuántico, ha demostrado funcionar mejor que el algoritmo heurístico que utiliza una computadora clásica. En este manuscrito se presenta y justifica el contexto técnico de la importancia del método. A continuación, los pasos experimentales se demuestran en una secuencia operativa con ilustraciones si alguna vez es necesario. El método ha sido validado por resultados positivos en un conjunto de muestras de topologías de red generado aleatoriamente. Los exitosos resultados experimentales de este método han proporcionado un mejor enfoque para los problemas de maximización de la vida útil de la red de sensores y han demostrado que el procesador cuántico de última generación actual ha sido capaz de resolver grandes problemas prácticos de ingeniería con méritos que anulan los métodos actuales en la literatura. En otras palabras, la ventaja cuántica puede ser explotada al máximo. Ha pasado de la etapa de prueba de concepto a prueba de viabilidad.

Los resultados de una muestra de ejecución se muestran en la Tabla 2, la Tabla 3 y la Tabla 4. Los conjuntos de datos detallados de los tres lotes de datos están disponibles en la carpeta Datos suplementarios 1 .
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody><tr><td colspan="3">Conjunto de datos 1</td>
		</tr><tr><td>198 nodos en un área circular con un radio de 50 m</td>
			<td>A...

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

Este estudio proporciona un método para utilizar una unidad de procesador cuántico para calcular las rutas de varias dinámicas de tráfico que funcionan para superar los métodos clásicos en la literatura para maximizar la vida útil de la red.

Enrutamiento de red de sensores de eficiencia energética a gran escala mediante una unidad de procesador cuántico

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

Este protocolo demuestra ser más eficiente desde el punto de vista energético que los protocolos heredados. Desde el punto de vista de la investigación de la computación de contenidos, este protocolo muestra que el cuello de botella actual de los qubits ruidosos no tiene un límite para la comercialidad de la tecnología de computación de contenidos. Esta técnica demuestra la viabilidad de aplicar los métodos actuales de computación de contenido del estado del arte a los problemas de red.Además, presenta los méritos de aplicar métodos de computación de contenido a problemas de red sobre métodos heredados. Para comenzar, descargue e instale las herramientas de Ocean desde el enlace dado. En el terminal, escriba python space minus m space venv space ocean y luego ocean/bin/activate.A continuación, escriba git space clone space https:github.com/dwavesystems/dwave-ocean-sdk. git luego cd space dwave-ocean-sdk, seguido de python space setup. Py Space Install.Después de descargar e instalar Cplex, en el terminal, escriba pip space install space cplex. Con el script de notación de programación de Python, configure los parámetros de configuración del experimento. Una vez que se ejecuta el script, el lenguaje subyacente procesará para almacenar las variables en la RAM.A continuación, cree los scripts de Python para generar 198 posiciones 2D de nodos de sensores que están igualmente dispersas en seis sectores y divida el área circular con un radio de 50 metros. Dentro de cada sector, asegúrese de que los 33 nodos del sensor estén dispersos aleatoriamente por una distribución normal. Guarde las posiciones 2D en archivos de texto por cada sector bajo la regla ortográfica del nombre como posdata con comillas simples, más guión bajo de sector no más txt con comillas simples.Segmente el área circular con un radio de 50 metros en seis sectores. Para el índice de sector I, establezca la longitud del polo para el j-ésimo nodo del sensor ingresando el comando indicado. Si el índice del sector es L, establezca el valor angular para el j-ésimo nodo del sensor.A continuación, establezca las coordenadas cartesianas del j-ésimo nodo sensor en el i-ésimo sector. Para preparar los niveles de energía iniciales para los 198 nodos sensores, divídalos en partes iguales, asignando una energía inicial de 0,5 julios a la mitad de los nodos sensores y un julio a la otra mitad. Proceda a crear una matriz para almacenar el nivel de energía de cada nodo y use un bucle para asignar a las celdas secuenciadas en números pares el valor de uno y a las secuenciadas en números impares el valor de 0.5.A continuación, prepare un script funcional para seleccionar el encabezado del clúster. Para cada nodo sensor, obtenga un número aleatorio entre cero y uno, threshold_rm igual a aleatorio. corchete aleatorio.Si threshold_RM es inferior a t_n, seleccione este nodo de sensor como cabezal del clúster. Para cada nodo noncluster_head, seleccione el nodo de sensor de cabezal de clúster más cercano a él como su encabezado de clúster. Prepare las líneas de comandos para calcular el proceso de agotamiento de energía en toda la red para esta ronda.Por último, calcule las métricas de ronda de transmisión requeridas. Para preparar un script de algoritmo cuántico híbrido, ejecute el procedimiento de selección en un bucle para asegurarse de que la cantidad de cabezas de clúster sea seis. A continuación, para cada uno de los nodos no cluster_head_valid, calcule la distancia a cada cabezal de clúster seleccionado y asígnela al cabezal de clúster cuyo tamaño de clúster no haya superado seis y donde el valor de distancia sea menor.A continuación, prepare un script de subfunción en el que se forme el problema de optimización de enraizamiento por clúster y se envíe a la API de Dwave. Usando el script de Python, calcule el agotamiento de energía en toda la red para evaluar cuantitativamente el algoritmo por vida útil de la red en términos del número de rondas de transmisión. A continuación, registre el momento en que se drena el primer nodo y cuando se drena la mitad de los nodos.En este estudio, se observó que el algoritmo cuántico híbrido tiene más eficiencia que el algoritmo advanced_leach. Aquí también se muestra la complejidad temporal del algoritmo cuántico híbrido y el algoritmo cuántico híbrido que cumple con el advanced_leach. Estos métodos se pueden aplicar a otros sistemas en la optimización de objetivos.Por ejemplo, la comunicación máquina a máquina en la industria manufacturera. De acuerdo con la física del contenido, la teoría del contenido ha allanado problemas para cada configuración de juego fija. Puede conducir a nuevas investigaciones en ciencias sociales y economía.

Research

JoVE Journal

Engineering

Terahertz Microfluidic Sensing Using a Parallel-plate Waveguide Sensor

Terahertz microfluídicos detección utilizando un sensor de guía de ondas de placas paralelas

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

Investigación

Ingeniería

Analysis of Contact Interfaces for Single GaN Nanowire Devices

Análisis de Contacto Interfaces para individuales GaN nanocables Dispositivos

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

Cómo construir un vacío Paquete de primavera-transporte para la hilatura de rotor de medidores

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

Fluorescencia de resonancia de un punto cuántico de InGaAs en una cavidad plana usando detección y excitación ortogonal

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

Inyección electrónica mejorada y el confinamiento de excitón de punto cuántico de puro azul diodos emisores de luz mediante la introducción de cátodo de aluminio parcialmente oxidadas

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

Generación y Control coherente de peines de frecuencia pulsada 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 método eficiente para la desalinización selectiva de aniones de yodo radiactivo mediante el uso de filtro de membrana incorporado en nanopartículas de 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

Medición de emisiones de número de partículas de conducción real de sub-23 nanómetros utilizando el sistema de muestreo portátil 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

Simulación de imágenes de matrices de radio a gran escala en la superficie lunar

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

Realización De Reacciones In Situ De Gases De Células Cerradas En El Microscopio Electrónico De Transmisión

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