شبیه‌سازی حرکات مولکولی میکروسکوپ نیروی اتمی دو سطحی

میکروسکوپ نیروی اتمی بیمودال (‏AFM)‏یک شاخه مهم از AFM چند فرکانسی است که می‌تواند به طور همزمان مورفولوژی سطحی و خواص نمونه‌ها را به دست آورد. با این حال، پدیده در مقیاس اتمی در فرآیند ارتعاش AFM دو طرفه به دلیل عدم وجود مدل در مقیاس اتمی مشاهده نشده است. در این مقاله، شبیه‌سازی‌های دینامیک مولکولی (‏MD)‏برای مدل کردن AFM دو طرفه استفاده می‌شود. یک مدل نوسانگر فنرهای دوتایی برای توصیف دو حالت اول ارتعاش یک سر درگیر AFM استفاده می‌شود. با اعمال تحریک فرکانس دوگانه، دینامیک نوک مدل و فعل و انفعالات بس‌تر اصلی مشاهده می‌شود. مشاهده شد که دامنه، تغییر فاز و تغییر نیروی متوسط نوک بدست‌آمده در شبیه‌سازی با نتایج شبیه‌سازی پیوسته مطابقت دارد. اثر نسبت‌های دامنه مختلف بر پاسخ ارتعاش نوک تحلیل و با آزمایش‌ها اعتبار سنجی شده‌است. این مدل جدید امکان شبیه‌سازی دو حالت ارتعاش یک سر آزاد در مقیاس اتمی را در AFM دو طرفه فراهم می‌کند.

Highlights•Sensor-based user behavior and health status monitoring is getting much attention.•Proposed a deep RNN-based activity recognition system based on body sensor data.•Data fusion was performed from multiple body sensors data.•The extracted features are further enhanced via kernel principal component analysis.•Three publicly available standard datasets were used for performance comparison.AbstractRecently, human healthcare from body sensor data has been getting remarkable research attentions by a huge range of human-computer interaction and pattern analysis researchers due to its practical applications such as smart health care systems. For example, smart wearable-based behavior recognition system can be used to assist the rehabilitation of patients in a smart clinic to improve the rehabilitation process and to prolong their independent life. Although there are many ways of using distributed sensors to monitor vital signs and behavior of people, physical human action recognition