Çözünürlük Sistemleri
NC-SFM başlangıçta konsolun sabit bir frekansta sabit bir genlik tarafından sürüldüğü genlik modülasyonu (AM) moduna dayanıyordu. Yüzeye yaklaşıldığında, uç yüzey etkileşimi konsol salınımlarının genliğinde ve fazında bir değişikliğe neden olarak ölçülebilir bir sinyal sağlar.
Uygulamada, konsolun bu moddaki tepkisinin oldukça yavaş olduğu bulundu ve atomik çözünürlük çalışmalarında frekans modülasyonu (FM) modu ile değiştirildi. Ancak AM modu, hava ve sıvılarda yapılan "vuruş modu" çalışmalarında oldukça başarılı olmuştur.
Genel olarak, en iyi çalışma modu, gereken çözünürlük ve sistemin kendisi tarafından belirlenir. SFM'deki gerçek atomik çözünürlük, yalnızca bu çalışmanın odak noktası olacak olan FM modunda elde edilmiştir.
FM modu NC-SFM'de, özfrekansı f0 ve yay sabiti k olan bir konsol, bir geri besleme döngüsü aracılığıyla sabit bir A0 genliğinde salınımlarda tutulur. Konsol, kendinden tahrikli bir osilatör olarak düşünülebilir. Salınımların gerçek frekansı f0'a, konsolun kalite faktörü Q'ya ve tahrik uyartımı ile konsolun sapması arasındaki faz kaymasına θ bağlıdır.
θ = π/2 için sistem f = f0'da salınır. Genel olarak, deneyler sırasında, sabit bir frekans değişimi ∆f elde etmek için uç-yüzey mesafesi değiştirilir ve elde edilen topografya haritası, yüzeyin görüntüsünü sağlar. Artık ∆f'deki değişimin görüntüleme sinyalini sağladığı sabit yükseklikte görüntü almak da mümkündür.
Güvenilir görüntüleme için, deneysel kurulumun önemli olan bir yönü daha vardır: STM'de olduğu gibi, SFM deneylerinde normalde uç ve numune arasında bir sapma U uygulanır. Katkısız yarı iletken ve yalıtkan yüzeyler, özellikle yarılmış iyonik yüzeyler olmak üzere, hazırlandıktan sonra genellikle önemli lokalize yükler içerecektir. Bunlar, önemli uzun menzilli elektrostatik kuvvetlerin yanı sıra tarama sırasında uç yüzey kuvvetinde ani değişiklikler üretir.
İletken yüzeyler için, uç ve yüzey arasındaki iş-fonksiyonu farkı, uzun menzilli bir kapasitif kuvvete katkıda bulunacaktır. Bu ek kuvvetler, kısa menzilli kuvvetlerin nispi katkısını azaltarak ve uç çarpma olasılığını artırarak taramayı daha zor hale getirir. Elektrostatik kuvvetlerin etkisinin azaltılması, yüzey üzerinde belirli bir noktada uygulanan önyargının bir fonksiyonu olarak ∆f'nin en aza indirilmesiyle elde edilebilir. Bu sürecin bir örneği görülebilir.
Uç ve Yüzey Hazırlığı
Her yüzey STM veya SFM'de yüksek çözünürlüklü olarak görüntülenemez. Atomik çözünürlüğe ulaşmak için, çoğu durumda yüzey kapsamlı bir hazırlığa ihtiyaç duyar. Kontrollü döngülerde haftalar hatta aylar süren püskürtme (çoğunlukla Ar+ olmak üzere iyonlarla bombardıman) ve tavlama (yüzey kusurlarının düzeltildiği noktaya kadar ısıtma) nadir değildir.
Yüzey hazırlama başlı başına sofistike bir sanattır ve başarılı görüntülemenin anahtarlarından biridir. İyon saçılması ve elektron kırınımı gibi k-uzayı yöntemlerinin aksine, SPM ile görüntülenmek için bir yüzeyin sıralanmasına gerek yoktur. Aslında, bir yüzeydeki tek safsızlıklar ve basamak kenarları, deneyciler tarafından görüntülerinin kalitesini kontrol etmek için sıklıkla kullanılır. Böyle bir safsızlık, çift uç gibi hiçbir bozucu etkinin olmadığı varsayılarak yalnızca tek bir yapı olarak görüntülenir.
Uç, tüm SPM yöntemlerinde görüntülemenin en önemli parçasıdır. STM uçları genellikle saf bir metalden, bir metal alaşımından veya genellikle laboratuvarda metal telden üretilen 10-20 farklı malzeme katmanıyla kaplanmış bir metal tabandan yapılır. Bazı durumlarda, STM görüntüleme için ağır katkılı Si uçları da kullanılır.
1920x1080 çözünürlük iyimidir
Spektral çözünürlük nedir
Ekran çözünürlük
2K çözünürlük
Radyometrik çözünürlük nedir
Metre altı çözünürlük
Mekansal çözünürlük
1280x720 çözünürlük
SFM ölçümleri için benzer uçlar da kullanılabilse de, bu çok nadirdir. Bunun nedeni, bir ucun konsol tutuşunun SFM'deki kuvvet değişikliklerinin izlenmesinde çok önemli bir rol oynamasıdır: (i) birçok SFM gerçekleştirmesinde konsol sapmaları, konsolun arkasından yansıyan ışık algılanarak ölçülür; (ii) konsol yay sabiti, uç şekli ve uç keskinliği, görüntü oluşumunda çok önemli roller oynar.
Bu nedenle standart konsollar gereklidir. Çoğu durumda bunlar, yarı iletken çiplerle hemen hemen aynı şekilde mikro fabrikasyon yoluyla silikondan üretilir.
Bazı durumlarda uç, moleküllerin kontrollü adsorpsiyonu ile değiştirilir. STM'de bunun bir yüzeydeki moleküllerin görünen yüksekliğini etkilediği gösterilmiştir. Ucun tam geometrisi, uç yapısının alan-iyon mikroskobu ile bir taramadan önce ve sonra belirlendiği bazı olağanüstü STM ölçümleri dışında genellikle bilinmemektedir.
Konuları daha da karmaşık hale getirmek için uç geometrisi, tekrarlanabilir taramalı tünelleme spektroskopisi (STS) ölçümleri için belirleyicidir; ne yazık ki, STS için en uygun ucun topografik ölçümler için uygun olmadığı gösterilmiştir, çünkü yeterince yüksek bir çözünürlük sağlamaz.
SFM'de, apekste belirli orbital konfigürasyonlarla bile temiz silikon uçlar üretmek için bazı girişimlerde bulunulmuştur, ancak görüntüler henüz silikon yüzeyler dışında herhangi bir şey üzerinde üretilmemiştir: bu nedenle gerçek kontrol kanıtı eksiktir. Şu anda en yaygın olarak kabul edilen görüş, SPM uçlarının oldukça düşük eğriliğe sahip bir tabandan ve en baştaki konumda tek bir atom bulunan birkaç katmandan oluşan bir atomik uç kümesinden oluştuğudur.
STM'de, tünel bağlantısındaki tüm akım bu "tepe noktası" atomu aracılığıyla taşınır; iletkenlik alanı sonuç olarak oldukça küçüktür ve birkaç ̊A2 aralığındadır. STM hassasiyetinin kaynağı budur, çünkü akımı çok küçük bir yüzey alanının elektronik ortamına karşı çok hassas hale getirir. Keskin uç apeksinin son birkaç atomunun yüzey atomlarıyla etkileşimindeki varyasyonlar da SFM görüntülerindeki görüntü kontrastını belirler.
Bununla birlikte, atomik yapıya olan bu hassasiyet aynı zamanda STM ve SFM görüntülerinin yorumlanmasını bu kadar zorlaştıran özelliklerin de kaynağıdır çünkü uç apeksinin gerçek geometrisi ve kimyası, yüzey ile uç arasındaki vakum bariyerindeki iletkenliği etkiler ve aynı zamanda uç yüzey kuvvetleri genellikle belirlenemez. Cu(100) ve NaCl(100) gibi basit metal yüzeyler için bile bu, farklı taramalar için farklı deneysel sonuçlara yol açar.
SPM deneylerinde belirleyici faktörler tam olarak bilinmediğinden, alaka düzeylerinin simülasyonlardan çıkarsanması gerekir. Simülasyonların sistematik bir şekilde yapılması gerekir, örneğin, adsorbatların model uçlarının elektronik yapısı üzerindeki etkisini inceleyerek ve bu adsorbatların STM taramaları üzerindeki etkisini modelleyerek yapılmalıdır.
Deneysel olarak, zorluk, en azından dikkatli ölçümlerde, bir dizi taramayı kaydederek ve istatistiksel bir ortalama olarak yüzey dalgalanması gibi kesin ölçümleri sunarak aşılır.
Ağ Merkezi Analizi – Bilgisayar Bilimleri Ödevleri – Bilgisayar Bilimleri Ödev Hazırlatma – Bilgisayar Bilimleri Alanında Tez Yazdırma – Bilgisayar Bilimleri Ödev Yaptırma Fiyatları
Ağların merkezilik analizinin kişiselleştirilmesi için motivasyon kolayca verilebilir: En sevdiğiniz Web arama motorunu, WWW’yi ilgi alanlarınıza ve beğenilerinize göre sıralamak üzere yapılandırabileceğinizi hayal edin. Bu şekilde, her kullanıcı, her arama için her zaman en alakalı sayfaları kişiselleştirilmiş bir şekilde elde eder.
Bu görev için iki ana yaklaşım vardır: Birincisi, Web grafiğinin köşelerindeki (sayfalardaki) veya kenarlardaki (bağlantılardaki) ağırlıkları bir kişiselleştirme vektörü v ile değiştirmektir. Köşelerdeki ağırlıklar, her gün harcanan zaman gibi bir şeyi tanımlayabilir. ilgili sayfa ve kenardaki bir ağırlık, temsil edilen bağlantının kullanılma olasılığını açıklayabilir.
Bununla, bu kişisel ayarları hesaba katan Web merkezilik algoritmalarının varyantları çalıştırılabilir. Diğer yaklaşım, köşelerin bir ‘kök kümesi’ R ⊆ V seçmek ve bu kök kümeye göre diğer köşelerin ve kenarların önemini ölçmektir.
Bu iki yaklaşımın iki operatör olarak kullanılabileceğini göreceğiz. İlk yaklaşım grafiğin açıklamasını değiştirir ve karşılık gelen operatör Pv ile gösterilir. Daha sonra, her köşe (veya kenar) için karşılık gelen terim, elde edilen grafik üzerinde değerlendirilir. İkinci kişiselleştirme yaklaşımı, kök küme R tarafından verilen tüm terimlerin bir alt kümesini seçer. Bu operatör, PR ile gösterilir.
Önce mesafe ve en kısa yol tabanlı merkezilikler için kişiselleştirme yaklaşımlarını tartışacağız ve ardından Web merkeziyetleri için yaklaşımları tartışacağız.
Sunulan tüm merkezilikler, her köşeyi grafikteki diğer tüm köşelere göre sıralar. Bu alt bölümde, kök köşelerin bir R kümesine göre köşelerin göreli önemini belirleyen bu merkeziyetlerin varyantlarıyla ilgileneceğiz.
R, R’deki köşelerin önemli olduğu varsayılacak şekilde seçilir ve soru, diğer tüm köşelerin R’ye göre önem derecelerinin nasıl sıralanması gerektiğidir.
c(v) köşelerde bazı merkezilik indeksi olsun. O halde c(v|R), verilen R kök kümesine göre v köşesinin göreli önemini gösterir. P(s,t), s ve t köşeleri arasındaki iyi tanımlanmış herhangi bir yol kümesini göstersin.
Yazarlar farklı türde yol kümeleri önermektedir:
– bir dizi en kısa yol – uzunluğu belirli bir k’den küçük olan tüm yolların kümesi olarak tanımlanan bir k-en kısa yol kümesi – bir k-en kısa köşe-ayrık yol kümesi
En kısa yollar kümesi, örn. en kısa yol arasındalık merkeziliğinde. Göreli arasındalık merkeziliği cRBC(v) üç şekilde tanımlanabilir. İlk varyantta, R’den bir r köşesini terk eden en kısa yolların oranı v içeriyorsa, v köşesini önemli olarak tanımlarız.
Kişiselleştirilmiş Web Merkezleri
Web merkezleri için rasgele sörfçü modunu tekrar düşünün ve rasgele sörfçünün, dış bağlantı olmayan veya mevcut dış bağlantıların alakalı olmadığı bir sayfaya geldiğini varsayalım. Bu durumdaki orijinal varsayım, her sayfanın eşit olasılığa sahip olduğu rastgele bir sayfaya atlamadır.
Eşit olasılık varsayımının çok gerçekçi olmadığı açıktır: Bazı sörfçüler bir lavaboya takılırlarsa sporla ilgili Web sayfalarını tercih ederken, diğerleri bir haber sayfasıyla devam eder. Çok sezgisel bir yaklaşım, 1n’yi vi > 0 ∀ i ve vi = 1’i sağlayan bir kişiselleştirme vektörü v ile değiştirmektir.
Ayrıca Merkezler ve Yetkililer algoritması için çok benzer bir yaklaşım önerdiler. Algoritma 2’de verilen yinelemeli prosedürü uygulamak yerine, her adımda kişiselleştirme vektörünün bir kısmını eklediler ve aşağıdaki değiştirilmiş denklemleri elde ettiler.
Sosyal ağ analizi pdf Sosyal Ağ Analizi Sosyal ağ analizi Nedir Sosyal Ağ Analizi dersi Sosyal Ağ Analizi AÖF
PageRank algoritmasına geri dönersek, v’nin tüm öğeleri pozitif olduğu ve v stokastik bir vektör olduğu sürece, ilgili Markov zincirinin hala indirgenemez olduğu açıktır, bu nedenle PageRank algoritmasının yakınsamasına dokunulmaz. Bu nedenle, ilk bakışta, bu yaklaşım çekici görünmektedir.
Ancak büyük bir dezavantaj var: Kişiselleştirilmemiş sürüm için PageRank vektörlerinin hesaplanmasının zaten bilindiği gibi çok zaman alıyor, en azından şu anda, pek çok farklı Web kullanıcısı türü için PageRank merkeziliklerini hesaplama şansı yok. Bununla birlikte, kişiselleştirilmiş PageRank vektörlerini yeterli bir süre içinde elde etmek için bazı ümit verici yaklaşımlar vardır.
Bu amaçla, PageRank için ve diğerlerinden alınan genel bir kişiselleştirme yaklaşımı veriyoruz.Yukarıda belirtildiği gibi, kişiselleştirilmiş PageRank vektörü aşağıdaki denklemin çözümü olarak verilmiştir.
v = ei i’inci birim vektörü olarak v’yi seçersek, o zaman cei = Q·j olur, dolayısıyla Q’nun PR sütunları kümesi, kişiselleştirilmiş PageRanks için bir temel olarak görülebilir. Ortaya çıkan sorun, Q’nun belirlenmesinin, matrisler büyükse çok zaman alan bir matrisi tersine çevirmesi gerektiğidir.
Hesaplama karmaşıklığını azaltmak için Q, Qˆ ∈ n×K ile tahmin edilir ve bu nedenle, bir tahmin elde etmek için dışbükey bir kombinasyon alarak K temel vektörlerin (Q’nun bağımsız sütunları) yalnızca bir alt kümesini dikkate alırız.
Haveliwala ve ark. Aşağıdaki üç kişiselleştirme yaklaşımının, yukarıda açıklanan genel yaklaşım kapsamında ele alınabileceğini gösterin:
Yalnızca yaklaşımın nasıl yürütüldüğü konusunda farklılık gösterirler. Bu yaklaşımları aşağıdaki alt bölümlerde kısaca açıklıyoruz.
Modüler Sayfa Sıralaması
İkinci bir yaklaşım Jeh ve Widom [326] tarafından önerilmiştir. Algoritmaları bir çevrimdışı ve bir çevrimiçi adımdan oluşur. Çevrimdışı adımda Kpagesi1,…,iK yüksek dereceli olarak seçilir.
Bu yüksek dereceli sayfalar, merkezler kümesini oluşturur. Kişiselleştirme vektörleri eik kullanılarak, temel vektörler veya merkez vektörler ceik olarak adlandırılan ilişkili Page Rank vektörleri hesaplanır. Her bir kişi için doğrusallığa göre- ei1’in dışbükey bir kombinasyonu olan v vektörü eiK karşılık gelen kişiselleştirilmiş Page Rank vektörü, merkez vektörlerinin dışbükey bir kombinasyonu olarak hesaplanabilir.
Ancak K büyürse, ne tüm merkez vektörlerini önceden hesaplamak ne de onları verimli bir şekilde depolamak mümkün olur. Bu eksikliğin üstesinden gelmek için kısmi vektörler ve bir göbek iskeleti kullanan bir prosedür önerir.
Merkez vektörlerinin aksine, kısmi vektörleri verimli bir şekilde hesaplamanın ve depolamanın mümkün olduğunu gösterebilirler. Merkez iskeletiyle birlikte bu kısmi vektörler, tüm merkez vektörlerini ve dolayısıyla (geçişlilik yoluyla) nihai kişiselleştirilmiş Sayfa Sıralamasını hesaplamak için yeterlidir.
Esasen fikir, hesaplamaları Web grafiğinden çok daha küçük olan merkezler kümesine indirgemektir (ancak K ≥ 104 mümkündür). K ne kadar büyük seçilirse, Q matrisinin o kadar iyi temsil edildiğini unutmayın.