Sự kiện sắp tới: Rakukai học thuật tháng 5 – Siêu cảm biến và Vi mạch

Chủ đề chung: Vi mạch và cảm biến Thời gian: 27/05/2017 13:15 ~ 16:30 Địa điểm: 文京区役所 区民施設アカデミー千石 〒112-0011 Tōkyō-to, Bunkyō-ku, Sengoku, 1 Chome−25−3 ——————- Chương trình ——————– ★13:15-13:20: Khai mạc ★13:20-13:30: Giới thiệu sơ qua về chương trình Nguyễn Ngọc Mai Khanh, The University of Tokyo ★13:30-14:10: “MEMS sensor […]

Chất bán dẫn pha tạp sắt – Vật liệu mở đường cho thế hệ thiết bị bán dẫn điện tử sử dụng spin

Trong hợp chất bán dẫn sắt từ (In,Fe)As (ảnh dưới), sự tương tác giữa các spin của nguyên tử Fe với các hạt dẫn điện tử tạo ra trạng thái sắt từ và sự phân cực tự phát lớn giữa mức năng lượng của hai trạng thái spin của hạt điện tử tại vùng dẫn (ảnh trên).

Nhóm nghiên cứu liên kết giữa đại học Tokyo, gồm tiến sĩ Lê Đức Anh (thành viên VANJ) và giáo sư Masaaki Tanaka, và phó giáo sư Phạm Nam Hải thuộc học viện công nghệ Tokyo vừa công bố việc quan sát thành công sự phân cực tự phát giữa mức năng lượng của hai trạng thái spin hướng lên và hướng xuống trong dải năng lượng dẫn của chất bán dẫn Indium Arsenide (InAs) pha tạp nguyên tử sắt (Fe). InAs là một chất bán dẫn hệ III-V (được tạo thành bởi sự liên kết của một nguyên tố nhóm III và một nguyên tố nhóm V trong bản tuần hoàn hóa học) có vai trò quan trọng trong các thiết bị điện tử tốc độ cao. Đây là lần đầu tiên hiện tượng phân cực tự phát mức năng lượng vùng dẫn của hai trạng thái spin được thực hiện thành công trong một chất bán dẫn sắt từ (Ferromagnetic Semiconductor – FMS).

Hội thảo chuyên ngành tháng 3 năm 2017

8384110298_da510e0347_b

Deep Learning, một nhánh của Machine Learning, là tập hợp các thuật toán được xây dựng dựa trên cách thức hoạt động của não bộ, để mô hình hoá những dạng dữ liệu phức tạp. Hiện nay Deep Learning đã và đang được ứng dụng trong rất nhiều các lĩnh vực khoa học công nghệ. Với mục đích giới thiệu và trao đổi về công nghệ đang thu hút được rất nhiều chú ý này, VANJ Workshop on Deep Learning được tổ chức nhằm cung cấp cho mọi người các kiến thức từ cơ bản đến nâng cao, từ lý thuyết đến ứng dụng của Deep Learning.