解构海洋缺氧:浙大 GIS 实验室融合机器学习及卫星测绘,发布全球海表溶解氧综合建模框架

损失函数与优化器:从「梯度是怎么被造出来的」到「梯度是怎么被用掉的」 本文揭示损失函数与优化器本质一体:优化器仅依赖损失产生的梯度,而损失决定梯度的方向、尺度与噪声特性。错误的损失选择(如分类用MSE)会导致梯度失衡,使优化器失效;不同损失(如Huber、Focal)通过调控梯度分布影响优化过程。实测表明,归约方式、标签结构与损失配对直接决定梯度行为,进而影响收敛性与泛化。核心观点:选对损失,才是让优化器“看得懂”的前提。 阅读详情

多年前,海洋专家 Eric Prince 在进行鱼类标记追踪时发现了一个异常现象:蓝色马林鱼在美国东南部通常会下潜至 800 米的深海捕食,而在哥斯达黎加海域却只在海洋表层活动。作为潜水行家的马林鱼,为什么突然不潜水了呢? 长期研究长嘴鱼类的 Eric Prince 决心探究这一反常现象。

其实,这是海洋生物面对海洋环境变化所作出的自我保护反应,而 Eric Prince 的这一次探究则是将其背后的「海洋缺氧」现象进一步推向大众视野——正是由于哥斯达黎加海域的深层氧含量正在下降,缺氧区域逐步扩大,马林鱼为了避免窒息只得在表层活动。

人们通常将因缺氧而导致大量海洋生物死亡的区域称为海洋「死亡地带」,但事实上,海洋缺氧带来的负面影响不仅仅只针对海洋生物本身,还会波及到渔业、乃至社会经济。 现如今,随着全球环境问题的加剧,海洋缺氧也愈演愈烈。

2019 年,世界自然保护联盟 (IUCN) 曾在海洋缺氧报告中表明,当前低氧浓度的海洋区域正在扩大,相较于上世纪 60 年代的 45 个缺氧海域地带,目前已增加了 600 多个受低氧条件影响的区域。报告指出,在同一时期,全球海洋中缺氧水域的数量增长了 4 倍。

为了更好地维护海洋生态系统健康、保护渔业资源,开展科学的海洋溶解氧水平测定至关重要。

然而,目前海洋实地观测的成本昂贵,现有观测数据空间分布不均匀,加之溶解氧浓度的测量手段多样,所得数据的质量也存在较大差异,这都给研究全球海洋的溶解氧水平变化带来了一定的挑战。

对此,来自浙大 GIS 实验室的研究人员提出了一种新的方法,将机器学习技术与卫星产品相结合,开发了一个全球海表溶解氧综合建模框架 DOsurface-Pred Framework,并基于该框架生成了一个跨越 2010 年-2018 年的大规模海表溶解氧数据集 SSDO。 研究结果表明了即使在氧气充足的海表区域,其溶解氧含量也出现了下降趋势,而这种下降主要归因于海表温度 (SST) 的变化。

研究亮点:

  • 提出了一个全球海表溶解氧综合建模框架

  • 引入 SHAP 解释器,确定了关键变量及其对预测溶解氧结果的影响

  • 有助于了解全球海洋溶解氧的高动态变化、探索脱氧现象规律及其成因

在这里插入图片描述

论文地址:
https://pubs.acs.org/doi/10.1021/acs.est.3c08833

SSDO 数据集地址:
https://go.hyper.ai/BBlqA

数据集:卫星 + 现场测量数据

本研究使用的数据包括卫星数据、固定船只和电导仪现场测量数据。

卫星数据集包括海表温度 (SST)、海表盐度 (SSS)、叶绿素-a (Chl-a)、海表风 (SSW) 和海平面异常 (SLA)。SST 数据来自 OISST 数据集,SSS 数据来自欧洲空间局 (ESA) 的 CCI 项目,Chl-a 数据来自 MODIS Aqua 和 Terra 卫星,SSW 数据由 VAM 方法结合跨平台交叉校准的多卫星微波风和仪器观测而来,SLA 数据来自 AVISO 项目。

固定船只和电导仪现场测量数据来自 2018 年世界海洋数据库 (WOD) 中的海洋站数据 (OSD) 和高分辨率导电-温度-深度 (CTD) 子数据库。

本研究使用的现场测量数据如图所示,共计 28,044 条记录,其中包含了 241 条来自 2019 年的记录数据。

在这里插入图片描述

现场测量的数据分布和数据相关性分析

a. 现场测量数据的空间分布
b. 现场测量数据的时间分布
c. 不同海洋现场测量的数据分布
d. 7 个主要海洋水文变量之间的相关性矩阵分析

模型构架:DOsurface-Pred Framework 的三大组成部分

在这里插入图片描述

全球海洋溶解氧的可解释时空机器学习框架

研究人员提出了一种时空信息嵌入的可解释机器学习框架。 该框架由三个主要部分组成:Spatio-temporal Information Embedding Module、Backbone Regression Module 和 SHAP Explainer Module。

第一部分, 用多个卫星和现场测量的时空信息数据,即样本 Xi= {Xi spatial,

Xi temporal, Xi satellite1, ……, Xi satellite n} 作为输入。通过时空信息嵌入模块,将空间和月份信息转换为极坐标表示,转换后得到 X’i={X’i spatial, X’i temporal, X’i satellite1, ……, X’i satellite n} 的全局表示。

随后,X’i 被传递到第二部分。 用多步网格搜索交叉验证 (gridsearch cross-validation) 对不同模型进行评估。

在这里插入图片描述

不同模型性能评价表

上表是 backbone models 的性能评价表,与未采用此框架的模型相比,DOsurface-Pred 框架的性能得到了提升。

此外,所有基于树形结构的机器学习模型 (tree-based machine-learning models) 在性能上均优于 benchmark 多元线性回归模型(multiple linear regression model)。这些模型按性能降序排列如下:ET、RF、GBDT、XGBoost、MLP。其中,ET 模型在所有评估指标上表现最佳,RMSE 值 为 11.67 μmol/kg,该模型在溶解氧 (DO) 建模中具备更好的泛化能力,可以降低模型的过拟合现象。

在第三部分, 研究人员利用 SHAP 可解释性方法评估样本特征值对模型输出结果的影响。通过该框架,在最优模型下生成预测结果。

SHAP 可以量化不同特征值对预测结果的贡献程度,使模型的输出更容易理解,进而确定关键变量及其对溶解氧预测结果的影响。

实验结论:SST 是影响海表溶解氧含量的主要原因

DOsurface-Pred Framework 可以对全球海表溶解氧浓度进行精确评估,研究人员基于该框架生成了一个跨越 2010 年-2018 年的大规模海表溶解氧数据集,称其为 SSDO 产品。

在这里插入图片描述

DO 预测的不确定性估计

(a,b) 均方根误差 (RMSE) 和偏差误差 (biaserror)
(c,d) 不同年、月下总不确定性及其组成 (M、R、P)

为了评估最优模型生成的结果,研究人员进行了不确定性估计和时空验证。

首先,评估 SSDO 产品的误差和不确定性。实验结果表明,3 种误差(测量误差 M、表示误差 R 和预测误差 P)共同造成总不确定性,其总不确定性估计为 ±13.02 μmol/kg。

在这里插入图片描述

独立浮标 (PFL) 测量的评估

(a) 预测值和 PFL 测量值的散点密度图
(b) 匹配的 PFL 点空间位置,序号与下面 (c-h) 提供的图号相对应
(c-h) 每个位置氧气异常的时间趋势,与 PFL 测量异常值进行比较

其次,研究人员利用独立的浮标测量数据集进一步检验了 SSDO 的准确性和时间序列。结果表明,预测结果与 PFL 数据库具有良好的拟合性,R² 值为 0.86。

此外,研究人员还对不同海洋地区的长期浮标观测位置进行了比较评估,结果表明,预测结果与浮标测量的空间变化和长期趋势方面具备一致性。 这些评估可靠地验证了预测结果,有助于分析它们在不同场景下的适用性。

研究人员还对 SSDO 产品进行统计分析。结果表明,SSDO 数据具备与 WOD 长期记录数据相似的空间分布。低氧区持续扩张的影响下,海表的溶解氧水平也出现了欠饱和的现象,即使是在溶解氧充分交换的海表,其溶解氧也呈现出平均每年 0.22 μmol/kg 的下降趋势。 此外,海表溶解氧的年际变化表现出与海洋典型变化现象的相关性。

在这里插入图片描述

溶解氧建模因素可解释性分析

(a) 评估全球特征平均值对模型输出结果的影响
(b) 评估局部特征对模型输出结果的影响
(c,d) 分析 SST 和 SSS 对模型输出的影响
(e,f) SST 和 SSS 特征影响的空间分布

研究人员利用 SHAP 可解释性方法,进一步揭示了温盐等海洋因素对海表溶解氧的驱动机制。其中,温度 (SST) 和盐度 (SSS) 为主控因子,对溶解氧呈现出负面影响,SST 对溶解氧水平影响最大。 该评估有助于提升建模的可靠性,为探索海洋溶解氧时空分布变化状况与脱氧现象成因提供了可解释的因素量化结果。

综上,研究人员利用 DOsurface-Pred 框架生成了 SSDO 数据集,并引入 SHAP 可解释性方法,证实了即使在氧气充足的海表区域,其溶解氧含量也出现了下降趋势,而这种下降主要归因于 SST 变化。

AI 与海洋,探索未知的深海奥秘

IUCN 全球海洋和极地项目海洋科学与保护高级顾问 Dan Laffoley 曾表示,「海洋中的溶解氧浓度正在持续下降,这让本就面临着升温与酸化压力的海洋生态系统雪上加霜。」

目前,除了加速全球、全行业碳减排外,通过对海洋缺氧现象的深入研究,分析气候影响地球生命体的重要因素,也可以让人们对不同生物体灭绝或幸存原因有更准确的认知,进一步「对症下药」。

在这一过程中,物联网、AI 等新兴技术的能力逐渐得到了更加深入的应用。除了上文中提到的海标溶解氧分析框架外,也有学者基于卫星遥感、无人机、浮标、声纳、水下光学等海洋数据,围绕海洋垃圾控制、海洋多样性保护等方面展开了研究。

例如,2019 年,联合国环境规划署就曾发布了一个针对湄公河及恒河流域塑料污染的反措施项目 CounterMEASURE, 该项目利用无人机在湄公河流域拍摄航空图像,并开发了一个识别和监测模型,用于查明湄公河流域塑料垃圾的来源和路径,准确率达到 83.9%。

此外,澳大利亚的 The Ripper Group 公司,也曾研发出了一款用无人机+机器视觉技术来识别鲨鱼的产品。 该产品不仅用于避免沿海地区被鲨鱼打扰,对保护鲨鱼生态也起到重要作用。

诚然,人类社会高居不下的碳排放已经对全球气候、生态环境造成了严重影响,其中,作为地球生命的起源,海洋生态环境保护也刻不容缓,期待不久后的将来,AI 驱动的环保措施在揭开海水升温、溶解氧浓度下降真相的同时,得以治标治本、从根源上还大海以清澄。

参考资料:
1.https://mp.weixin.qq.com/s/bUbYptqccBXC2T9dvkfOfA
2.https://www.cdstm.cn/gallery/hycx/qyzx/201909/t20190904_923957.html
3.http://www.cbcgdf.org/NewsShow/4854/10658.html

Quartus Prime v18.1 standard-QuartusPrimeV18.1标准版安装过程 Quartus Prime v18.1 standard安装破解过程 下载方式1:官网下载: https://fpgasoftware.intel.com/18.1/?edition=standard&platform=windows 下载方式2:可以从我的网盘下载安装包(如果链接未时效的话): 链接:https://pan.baidu.com/s/1bq4_FcNPSflU1zGJv__rvA 提取码:o0in ----------------------------------. 阅读详情

相关推荐

SWAT模型非点源模拟原理

目录引言模型概述非点源污染模拟原理物质迁移内容过程营养物农药病原菌运移河道水质模型营养元素的地表水体循环河道水质模拟藻类模拟氮元素磷元素生化需氧量及溶解氧重金属的运移蓄水体水质模拟 引言 今天无意接触到这一块,就记录下来了。 模型概述 1、流域中非点源污染的来源主要是农业化肥和农药的施用。 2、氮、磷等营养物和农药的迁移和转化取决于化合物在土壤环境中经历的转化过程。 3、SWAT模型可以模拟水文相应单元内氮、磷完整的营养物循环过程和任何一种农药的降解过程。 4、SWAT模拟流域内泥沙、藻类、溶解氧、有机污染

DoWayChan的博客 4883

低温ECR-MOCVD生长(002)GaN:椭偏仪测厚与电学性能

本研究用ECR-MOCVD在Si(111)和蓝宝石衬底上低温生长GaN薄膜,蓝宝石1.0SCCM、2h样品呈完全(002)择优取向,椭偏仪测厚32.81nm,迁移率10.42cm²/(V·s)。文章梳理了生长温度、TMGa流量与生长时间对结晶取向、膜厚、粗糙度、光学带隙和电学性能的影响。

Flexfilm_的博客 402

2023年数学建模国赛三大赛题核心建模思路与实战代码全解

本文全面解析2023年数学建模国赛三大赛题的核心建模思路与实战代码,涵盖塔式太阳能光热发电系统优化、多波束测深系统动态规划及蔬菜商品化策略建模。通过Python代码示例和优化算法(如遗传算法、NSGA2)展示,帮助参赛者掌握数学建模的关键技术与实战技巧,提升竞赛成绩。

weixin_33713350的博客 337

【第84期】过拟合欠拟合与复杂度对照的实验与排查

系列:《从小白到 AI 大模型开发工程师的进阶之路》 技术点:AI-0306 过拟合与欠拟合 主人公:小蓝伞 前置:AI-0302 本期产出:学习曲线小蓝伞用越来越高次的多项式拟合一条带噪曲线,训练误差继续下降,但这不能说明他更接近真实关系。本期固定训练样本与噪声,只改变多项式次数,比较对训练点和无噪参考曲线的误差,并区分验证曲线与学习曲线。教学情境用来组织问题,下面的执行数据来自构造实验。

qq_36085846的博客 202

RK3588零拷贝视频流水线实战:用GStreamer+Mpp实现8K硬解与DRM显示

本文深入探讨了在RK3588平台上构建零拷贝视频流水线的工程实践。通过结合GStreamer与MPP,实现了从8K视频硬解到DRM显示的全流程硬件加速,有效解决了高分辨率视频处理中的DDR带宽瓶颈问题。文章详细解析了dma-buf数据流机制、管道构建与性能优化策略,为多路视频并发处理提供了高效的系统架构解决方案。

github5actions的博客 1169

当 AI + 可视化融入消防:开启智能消防新时代

总结来说,AI + 可视化技术融入消防,开启了智能消防新时代。它以精准预警、高效救援和全面资源管理,革新消防工作方式。从前期规划到系统搭建,再到后期运维,每个环节都为提升消防能力奠定基础。尽管面临技术成本、数据安全和人员适应等挑战,但随着技术发展和应用推广,这些问题将逐步解决。相信在 AI + 可视化助力下,消防领域将不断进步,为人们创造更安全生活环境,有效抵御火灾威胁。

2401_87844374的博客 1221

小批量训练的JAX机器学习

本文介绍基于BFGS的小批量训练算法,针对全批量方法在高样本量下计算复杂度高的问题,结合JAX的自动微分与高效计算,实现快速收敛。通过optimtool库中的改进的bfgs优化器与小批量策略,支持分类与回归任务,具备早停机制与灵活监控选项,显著提升大规模机器学习训练效率。

林景的博客 142

DISK配置服务器软RAID工作任务(RAID1+BITLOCKER)-winserver4

DISK配置服务器软RAID工作任务(RAID1+BITLOCKER)-winserver4

新时代先锋的博客 7300

新品快讯 | ROHM支持GaN高频开关的TP-PFC控制器IC

另一方面,传统的TP-PFC控制技术广泛使用MCU,但对于小型电源设备而言,除了功耗、电路规模和成本方面的挑战外,如何实现针对GaN HEMT高频开关的控制也成为亟需解决的难题。全球知名半导体制造商ROHM(总部位于日本京都市)宣布,开发出有助于实现小型高效率AC-DC电源的Totem Pole PFC*1(图腾柱PFC,以下简称“TP-PFC”)控制器IC“BM85060FV”,其特点是可在支持GaN HEMT*2高频开关的MHz频段工作。GaN(氮化镓)是一种用于新一代功率元器件的化合物半导体材料。

ONEYAC唯样的博客 234

uniapp [安卓苹果App端] - 详细实现下载文件保存到用户手机本地,指定文件存储位置路径及文件夹名称下载并保存,Uniapp app端将文件下载保存并储存到指定目录(手机系统存储空间权限检测)

uni-app,安卓Android,苹果ios,安卓app端,苹果App端,uniapp苹果安卓app,app端下载文件,移动端文件下载,并保存到手机本地存储空间,uniapp下载文件保存到手机本地,iOS下载文件怎么保存,系统读写存储空间权限,下载文件到本地详细流程及源代码,保存自定义目录,uniapp,实现下载文件并保存到本地,文件后缀,如何指定手机的存放目录路径url,点击下载文档到手机中并提示存储位置,如何在uniapp中实现文件下载功能,uniApp文件下载,怎么指定文件保存目录,下载报错,没反应

🏆 前端领域优质创作者 1万+

STM32F103C8T6驱动DHT11温湿度传感器程序

本程序基于 STM32F103C8T6 微控制器,通过 GPIO 模拟单总线通信时序实现对 DHT11 温湿度传感器的数据采集,主机采用拉低数据线的方式触发传感器启动,并通过检测高电平持续时间区分逻辑“0”和“1”,依次读取湿度和温度的整数数据及校验位,经过校验后将有效结果存入缓存数组,实现对环境温湿度的周期性测量与处理。

加斯顿工程师的博客 201

从认识人工智能到理解机器学习:我的 AI 入门第一课

正式开始学习人工智能之前,我对 AI 的认识其实比较模糊:知道 ChatGPT、知道大模型,也知道现在很多岗位都在谈 AI,但如果有人问我“人工智能到底是什么”“机器是怎么学会识别一只猫的”,我未必能从头到尾讲清楚。上午的课程更偏向行业全景:人工智能的发展、研究方向、NLP、岗位分工、学习路线和 AI Coding 工具。下午的课程更偏向技术基础:机器学习的原理、有监督学习、深度学习、模型训练和评估方法。

chh563的博客 573

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

机器学习基础|监督学习、标签、回归

网约车预估等待时长依赖监督学习中的回归任务。平台利用历史订单数据,以司机实际到达耗时为标签,通过上车点、时间、运力、路况等特征训练模型。模型不断优化预测值与真实耗时的误差,最终对新订单输出连续的预估等待时间,实现精准预测。

weixin_43971465的博客 278

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

Hugging Face:成为机器学习界的“Github”

以下文章来源于OneFlow,作者OneFlow社区五年前,AI领域的知名研究者Andrej Karpathy发文称,传统人工编程属于“软件1.0”,“软件2

2601_96798011的博客 154

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

机器学习——混淆矩阵(待更新)

二元: true表示真实==预测,positive表示预测值=1.

m0_61175448的博客 179

Spark06_MLlib机器学习

本文是《PySpark 从入门到实战》系列收官篇,带你用 Spark MLlib 走通机器学习全流程:从三要素与 7 步标准流程讲起,剖析 KNN、朴素贝叶斯、决策树三大算法原理,再以 KNN 手写、垃圾短信分类、决策树分类、逻辑回归鸢尾花(准确率 96.67%)、K-Means 聚类(轮廓系数 0.7345)五个案例落地,最后详解 TF-IDF 文本特征与余弦相似度。全文代码可直接运行,适合有 RDD 与 Spark SQL 基础的开发者快速上手。

2301_80420058的博客 484

LoRA的低秩数学与QLoRA实现

本文系统解析了LoRA及其进阶版QLoRA在十亿参数模型微调中的高效机制。通过低秩假设,将权重更新量ΔW近似为低秩矩阵积,显著压缩可训练参数与显存占用;QLoRA进一步将基座模型量化至4比特(NF4),结合双重量化与分页优化器,实现65B模型单卡微调。文章详解了B初始化为零、缩放系数α/r设计、挂载位置选择等关键实操细节,并给出可运行代码。实践表明:4比特基座+高精度LoRA在多数任务上媲美全参微调,且训练效率极高。超参方面,r不宜过大,学习率需上调,数据质量重于数量。最后强调:LoRA适用于风格适配与领域

2601_96733043的博客 343

AI小白入门|无监督学习到底是什么?

很多新手看完无监督学习的定义只会死记硬背。本文避开复杂公式,从真实业务场景切入,对比监督学习,讲清楚无监督学习的核心价值、适用场景、底层逻辑和容易踩坑的认知误区,帮你理解它在机器学习链路里的定位。

weixin_43971465的博客 206

SVM支持向量机通俗解析:找到机器学习的“最优分界线”

一、爆款钩子:同样是画分界线,为何SVM能成为机器学习的“王者选手”?做机器学习的人,几乎都绕不开一个问题:如何给混乱的数据“分家”?有人用逻辑回归,有人用KNN,但有一个算法

2601_96798737的博客 168

机器学习03,端到端02

个人笔记

qq_59247073的博客 293

GaN 动态导通电阻测试专题:电流崩塌从哪来,测量窗口怎么选

但器件装到实际电路上跑一段时间,或者用双脉冲台架模拟开关工况再测导通压降,数值往往明显高于手册静态值,而且关断应力越强(母线电压越高、应力保持越久),抬升越明显;:使用钳位电压探头,把示波器通道的工作区间限制在低电压区(常见做法是钳位在 1.5V 附近的导通压降区),应力高压段由钳位电路吸收,导通段以高分辨率采样。台架搭建相对简单,是器件表征最常用的方案。双脉冲台的难点不在发脉冲,而在采样:漏源电压要从几百伏的应力电平瞬间跌落到毫伏至伏级的导通压降,示波器单一量程难以兼顾"扛住高压"和"分辨毫伏"。

Namisooft的博客 277

《机器学习sklearn实战教程》02|Python机器学习开发环境搭建

2.1 为什么要先搭环境很多人学机器学习,卡住的第一步不是算法,而是环境。代码明明照着教程敲了,却一运行就报错。不是缺包,就是版本冲突。最常见的情况是,昨天还能跑,今天装了个新库

2601_96798011的博客 249

CAGR 21.8%:GaN功率器件封装材料市场从3.23亿美元迈向12.77亿美元

随着氮化镓(GaN)功率半导体在消费快充、AI服务器电源及车载电源领域的加速渗透,GaN功率器件封装材料作为实现芯片贴装、电气互连、热量传导和长期可靠性保障的核心功能性材料,正迎来爆发式增长期。根据LP Information(路亿市场策略)初步调研,2025年全球GaN功率器件封装材料市场规模约为3.23亿美元,2026年预计约3.91亿美元,2032年将达到12.77亿美元,2026—2032年复合增长率(CAGR)高达21.8%。

LPIHelen的博客 207

《机器学习》笔记

知道特征工程是什么:利用专业背景知识和技巧处理数据,让机器学习算法效果最好。这个过程就是特征工程。数据和特征决定了机器学习的上限,而模型和算法只是逼近这个上限而已。理解特征提取的作用:原始数据中提取与任务相关的特征,构成特征向量。新数据 = 特征提取(原数据)理解特征预处理的作用:特征对模型产生影响,因量纲(单位)问题,有些特征对模型影响大,有些影响小。有两种思路,归一化和标准化(重点),归一化公式为:(当前值-最小值)/(最大值-最小值),使映射的值域在(0~1)之间。

weixin_51781852的博客 239

GaN HEMT 的“第三层“:电流崩塌与动态导通电阻,是怎么被造出来的

所以 Fe 浓度、缓冲层厚度、以及沟道层与缓冲层之间的间距,需要在"缺陷抑制"和"动态性能"之间精细折中。轻载效率看起来还不错(电流小、功耗小),一旦上到中大电流,导通损耗 P = I²·R 就会突然抬头,效率曲线出现"塌陷",客户会得出"GaN 也就那样,不如用 Si 超结"的错误结论。当器件工作在高频开关状态,漏极到源极的电压切换得非常快,边缘电场、漏极边缘电场会向缓冲层"注入"电子,这些电子被陷阱俘获,形成带负电的空间电荷区,把缓冲层"撑开",同时把耗尽层从势垒层向下挤压到 2DEG 里面去。

weixin_64228887的博客 174

机器学习04,端到端03工程整合

个人笔记

qq_59247073的博客 213
上一篇: 【持续更新中!数学数据集汇总】天才博士陶哲轩力荐数据集!含代码、中文竞赛题目、正向逆向问答对等
下一篇: 【活动汇总】纽约大学AI Meets Science;第十六届生物信息学和生物医学技术国际会议;Bio-IT World2024
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值