335598 research outputs found
Sort by
SIREN: Multi-Objective Game-Theoretic Scheduler based on Memory-Driven Grey Wolf Optimization in Fog-Cloud Computing
No full textFog-cloud task scheduling faces the dual challenge of maintaining critical IoT workloads despite node failures while adhering to strict energy budgets. We present SIREN, a game-theoretic framework that treats fog nodes as strategic players, embedding reliability benefits and DVFS-aware energy costs directly into their payoffs. By searching the joint strategy space with a Memory-Driven Grey Wolf Optimizer (MDGWO), SIREN adapts placements, selective replication, and frequency settings to workload dynamics. Extensive evaluations on the Alibaba 2018 and Google 2011 cluster traces and on a latency-critical healthcare application demonstrate that SIREN converges to near-Nash schedules that minimize energy while maximizing reliability. Results confirm that SIREN delivers (i) 100% task success rates in critical healthcare scenarios, (ii) 2.08×–4.24× lower worst-case energy consumption than leading baselines, and (iii) a 3.9×–5.8× reduction in network usage, establishing a new benchmark for resilient, energy-efficient fog computing
Glycosylated β-C₃N₄ carbon nanodots for warburg effect-driven photothermal therapy of tumors
No full textHarnessing self-trackable nanomaterials capable of converting light into heat for cancer photothermal therapy (PTT) offers a non-invasive, selective, and tunable therapeutic approach in precision medicine. However, successful clinical translation of theranostic agents for image-guided cancer PTT requires proving safety, efficacy, scalable production, and strong tumor targeting driven by metabolic activity or receptor binding. Here, we report a comprehensive evaluation of homogeneous carbon nanodots with β-C₃N₄ crystalline structure, tunable multicolor fluorescence, high cytocompatibility, and efficient photothermal conversion as a theranostic nanoplatform for PTT applications. Optimizing the irradiation parameters to selectively reach mild-hyperthermia conditions (42–49 °C), we achieved controlled antitumoral effects in triple-negative breast cancer cells. The developed nanoheater was further conjugated with 2-deoxy- or 6-deoxy-d-glucose to enhance tumor targeting via GLUT1-mediated uptake, leveraging the abnormal glucose metabolism of cancer cells (Warburg effect). Glycosylation did not compromise CDs’ optical properties, resulting in a nanostructure with ideal physical characteristics for PTT applications. In vitro assays on 2D and 3D models validated the active targeting strategy adopted and the photothermal efficacy of the nanosystems, also emphasizing a superior performance for CDs-6-Glu with respect to CDs-2-Glu. Altogether, this study aims to advance the development of safer, bioeliminable, more selective, and precisely controllable photothermal therapies through the rational design of glycosylated carbon nanodots tailored for targeted cancer treatment
Systematisation of Knowledge on Severe Accident Phenomena and Experiments for Preservation and Transmission
No full text
Plasma Regeneration of Microparticle-Structured Surface Acoustic Wave Resonators for Use as Biosensors
No full textPlasma regeneration was investigated as a means of regenerating microstructures on biosensors for repeated use. These microstructures were based on the deposition of suspensions containing polymer microspheres. While this method provides a simple way to structure surfaces, obtaining regular structures in a reproducible way remains a challenge. Therefore, it would be advantageous to be able to reuse regular structures, which requires regeneration. To investigate this concept, surface acoustic wave (SAW) resonators were structured using 5 μm and 20 μm polystyrene microspheres and coated with parylene C to stabilize the particle structures. After use in bioanalytical experiments, the biological residues and the parylene C cover layer were removed with plasma, and a new parylene C layer was added. Both atmospheric and low-pressure plasma were tested for regeneration. As a result, the low-pressure plasma was to be preferred because it did not damage the transducer structures on the SAW resonators, unlike the atmospheric plasma. Water contact angle measurements and transmission spectra recorded with a network analyzer confirmed that freshly prepared and regenerated structured SAW resonators coated with parylene C exhibited similar wetting properties and resonance parameters. Therefore, plasma regeneration is an effective way to enable the reuse of perfectly structured SAW resonators
Development and characterisation of monolithic silicon detectors = Entwicklung und Charakterisierung von monolithischen siliziumbasierten Detektoren
No full textSowohl aus der Grundlagenforschung als auch aus der angewandten Wissenschaft sind Halbleiterbauelemente nicht mehr wegzudenken. Ihre Anwendung reicht von der Mikro- und Leistungselektronik bis hin zur Optoelektronik und zu Sensoren. Allgemein gesprochen ist ein Sensor ein nicht weiter definiertes Gerät, das ein physisches Signal aus seiner Umgebung detektiert oder misst und in lesbare oder prozessierbare Information übersetzt. Viele konventionelle Halbleiterelemente, einschließlich Photodioden, Transistoren und Solarzellen, fungieren als Sensoren, indem sie auf elektrische, optische oder radioaktive Stimuli reagieren. Trotz zahlreicher Alternativen ist Silizium wegen seiner günstigen elektronischen Eigenschaften, des ausgereiften Produktionsprozesses, der Skalierbarkeit und der Verfügbarkeit weiterhin das dominierende Material im Sensordesign.
In dieser Doktorarbeit werden die Entwicklung und Charakterisierung von fortschrittlichen siliziumbasierten Teilchendetektoren für die Beschleunigerphysik sowohl in der Hochenergiephysik (HEP) als auch in der Medizinphysik vorgestellt. Sie umfasst dabei die gesamte Detektorentwicklungskette von konzeptuellem Design und physikalischer Modellierung bis hin zu Labortests und Modulbau. Während Festkörperdetektoren in der Hochenergiephysik, wo die Leistungsanforderungen hinsichtlich Ortsauflösung, Zeitauflösung und Strahlenhärte stetig wachsen, seit langem etabliert sind, gibt es auch ein wachsendes Interesse daran, sie in medizinische Anwendungen wie der Hadronentherapie einzusetzen, wo ihre schnelle Ansprechzeit und Präzision die Strahlmonitorsysteme verbessern können.
Zwei verschiedene Monolithische Aktive Pixel-Sensortechnologien (MAPS) werden untersucht: Hochvolt-CMOS (HV-CMOS) für den Einsatz in großen Teilchenphysikexperimenten und medizinischen Teilchenbeschleunigern einerseits und Bipolar-CMOS (BiCMOS) als Grundlage für strahlenharte Detektoren mit hoher Zeitauflösung andererseits. Ein detailliertes Technology Computer-Aided Design (TCAD) Simulationsframework wurde zur Sensorsimulation entwickelt, um deren Geometrie zu optimieren, das Durchbruchverhalten zu untersuchen und ihr Verhalten unter Bestrahlung vorherzusagen. Dessen Simulationsergebnisse leiteten den Designprozess und die weitere Chipentwicklung an. Ausgiebige Charakterisierung der produzierten Sensoren wurde unter Einsatz von radioaktiven Quellen, Ladungsinjektionen, Röntgenröhren und Teilchenstrahlen durchgeführt, um die Simulationsmodelle zu verifizieren und die Detektorleistung zu optimieren. Diese Arbeit demonstriert, wie Modellierung zur Verhaltensvorhersage und systematisches Testen, das robuste und skalierbare Design von Sensoren ermöglichen, die auf die spezifischen Anforderungen sowohl von HEP als auch von medizinischen Anwendungen zugeschnitten sind.
Zusätzlich zur Sensorentwicklung beinhaltet diese Arbeit auch praktische Erfahrungen aus der Verbindungstechnik für hochintegrierte Schaltungen und aus dem Detektormodulbau, wie durch die Mitwirkung am Silizium Tracker System des Komprimierte Baryonische Materie Experiments (CBM) gezeigt wurde. Dies hebt die Wichtigkeit von Wissen über die praktische Integration und Produktion von tatsächlichen Detektorsystemen hervor.
Zusammengefasst zeigt diese Arbeit auf, wie entscheidend es ist, alle Schritte einer Entwicklung von der physikalischen Modellierung und Prozessoptimierung bis hin zur experimentellen Validierung und Systemintegration im Blick zu haben, um die nächste Generation von siliziumbasierten Detektoren für die Teilchenphysik voranzubringen
Stochastic material modelling and multi-fidelity uncertainty quantification of macroscopic bone tissue
No full textIn this thesis, the simulation of macroscopic bone tissue is studied in a probabilistic framework, where special emphasis is given to how to model and generate random material tensors that are symmetric and positive definite (SPD). The goal of this thesis is to discuss and propose a novel procedure—known as the fully controlled stochastic material modelling approach—for modelling random second-order SPD material tensors that extends the capability of the existing, random scaling-only, procedure by parametrizing/controlling the directional uncertainty, given that a specific class of material invariance for the entire random ensemble is prescribed. In addition, a scenario of fluctuating material symmetry around the Fréchet mean of random SPD tensors is developed, in which the mean tensor belongs to a higher order of material symmetry, whereas each realisation belongs to a lower order.
Another focus of this thesis is on using a variance reduction technique known as the multilevel Monte Carlo method (MLMC) to efficiently assess the impact of material uncertainty on system response by determining statistics like mean and variance. As the convergence of the classical MLMC algorithm strongly depends on the solution magnitude, a novel scale-invariant version of the multilevel Monte Carlo procedure—called the scale-invariant multilevel Monte Carlo method (SMLMC)—is proposed.
Finally, a 2D and 3D model of steady-state heat conduction in a human proximal femur is investigated as an example, with a spatially constant random thermal conductivity tensor. Furthermore, the random elastic tensor/matrix field of a 2D linear elastic material model is simulated
Iterative spectral identification of bone macroscopic properties described by a probability box
No full textThis paper considers Bayesian identification of macroscopic bone material characteristics given digital image correlation (DIC) data. As the evaluation of the full Bayesian posterior distribution is known to be computationally intense, here we consider the approximate estimation in a Newton-like manner by using the theory of conditional expectation. The approach is extended to include the epistemic uncertainties in the process of modelling the prior