|
|
Sekvenční růst GaN nanokrystalů na substrát SiO2 modifikovaný metodou FIB
Flajšmanová, Jana ; Voborný, Stanislav (oponent) ; Mach, Jindřich (vedoucí práce)
Tato bakalářská práce je zaměřena na selektivní růst gallia (Ga) a nitridu gallia (GaN). V teoretické části je stručně popsán růst ultratenkých vrstev s ohledem na GaN a techniky jeho přípravy. Experimentální část se zabývá depozicemi Ga a GaN na křemíkový substrát Si(1 1 1). Substrát s nativní vrstvou oxidu křemičitého (SiO2) byl modifikován fokusovaným iontovým svazkem (FIB). GaN bylo deponováno sekvenčně užitím procesu postnitridace. Vzorky byly studovány mikroskopem atomárních sil (AFM), rentgenovou fotoelektronovou spektroskopií (XPS) a rastrovacím elektronovým mikroskopem (SEM).
|
|
| |
|
|
Preparation and analysis of nanostructures in UHV conditions
Gloss, Jonáš ; Spousta, Jiří (oponent) ; Mach, Jindřich (vedoucí práce)
The purpose of this thesis was to study the preparation and analysis of nanostructures in Ultra High Vacuum (UHV) conditions. The theory section has a strong emphasis on Gallium Nitride (GaN) nanostructures. These were then analyzed by Scanning Tunneling Microscope (STM). In order to be able to analyze prepared samples in UHV STM, electrochemical etching of tungsten wire was carried out. This thesis gives an account on how to obtain tungsten tips for STM. The section dealing with tungsten tip fabrication includes description of electrochemical etching principle. Scanning Electron Microscope (SEM) images of etched tips and their further sharpening by Focused Ion Beam (FIB) was carried out. In this work a method for in-situ UHV STM tip revitalization by electron annealing is proposed. It was concluded that it is possible to routinely obtain tungsten tips with apex radius in the order of nanometers.
|
|
|
Optimalizace vysokofrekvenčního atomárního disociačního zdroje pro depozici GaN
Kern, Michal ; Wertheimer, Pavel (oponent) ; Mach, Jindřich (vedoucí práce)
Táto bakalárska práca sa zaoberá sprevádzkovaním a optimalizáciou vysokofrekvenčného atomárneho disociačného zdroja dusíka pre depozíciu GaN. Teoretická časť sa zaoberá atomárnymi zdrojmi, rastom ultratenkých vrstiev a problematikou vysokofrekvenčných obvodov, s dôrazom na ich návrh pomocou Smithových diagramov. Taktiež pojednáva o metódach prípravy GaN ultratenkých vrstiev a nanostĺpcov. V experimentálnej časti je popísaný návrh a samotná realizácia rôznych kongurácii vyrovnávacej jednotky impedancie pre atomárny zdroj dusíku. Pomocou tejto vyrovnávacej jednotky bolo dosiahnuté zapálenie dusíkovej plazmy a bolo analyzované jej spektrum. Následne je popísaný návrh a realizácia ovládania vyrovnávacej jednotky pomocou krokových motorov.
|
|
|
Depozice GaN nanokrystalů s Ga nanočásticemi
Novák, Jakub ; Voborný, Stanislav (oponent) ; Mach, Jindřich (vedoucí práce)
Tato bakalářská práce se zabývá přípravou a charakterizací Ga struktur a GaN nanokrystalů. V teoretické části jsou představeny vlastnosti a také aplikace GaN. Dále jsou uvedeny některé substráty pro růst a také techniky používané pro výrobu těchto struktur. Je zmíněna také fotoluminiscence GaN. Experimentální část se zabývá přípravou jednak Ga struktur a GaN nanokrystalů, ale také spojením obou těchto struktur. Tyto vyrobené struktury byly analyzovány pomocí různých metod, jako je XPS, SEM či fotoluminiscence.
|
|
|
Increasing quality of facial images using sequence of images
Svorad, Adam ; Mezina, Anzhelika (oponent) ; Burget, Radim (vedoucí práce)
Master’s thesis delves into the field of face super-resolution. It aims to review novel approaches to single-frame image sharpening and image editing in the theoretical part of the work. Practical part will focus on approaches to image reconstruction from a sequence of damaged images. Multiple multi-frame neural network models will be implemented and evaluated. As alternative option, a suite of image editing tools will be presented as well. These tools will utilize most modern image editing techniques to merge visual features of faces from multiple input images into a single output image. At the end of the thesis, all methods will be compared to each other.
|
|
|
Generative Adversial Network for Artificial ECG Generation
Šagát, Martin ; Ronzhina, Marina (oponent) ; Hejč, Jakub (vedoucí práce)
The work deals with the generation of ECG signals using generative adversarial networks (GAN). It examines in detail the basics of artificial neural networks and the principles of their operation. It theoretically describes the use and operation and the most common types of failures of generative adversarial networks. In this work, a general procedure of signal preprocessing suitable for GAN training was derived, which was used to compile a database. In this work, a total of 3 different GAN models were designed and implemented. The results of the models were visually displayed and analyzed in detail. Finally, the work comments on the achieved results and suggests further research direction of methods dealing with the generation of ECG signals.
|
|
|
Generating Faces with Generative Adversarial Networks
Konečný, Daniel ; Herout, Adam (oponent) ; Kolář, Martin (vedoucí práce)
The goal of this thesis is generating color images of faces from randomly chosen high-dimensional vectors with Generative Adversarial Networks. The next task is to analyze input vectors based on the features of faces generated from those vectors. Three different models of Generative Adversarial Network are implemented, one for generating images of handwritten digits and other two for generating images of faces. Generated images show credible-looking faces, but recognizable from real ones with a human eye. Single dimensions of input vectors are analyzed with Student's t-test. Linear Discriminant Analysis is then used to project input vectors into subspaces where the classes of features are separable. Analysis of generated data proves that the input vector can be specifically chosen to generate an image of a face with requested features with probability up to 80 %. The main result of this thesis is a model of Generative Adversarial Network for generating images of faces. A tool for generating images of faces with chosen features is implemented too.
|
|
|
Budiče spínacích výkonových tranzistorů GaN MOSFET
Fiala, Zbyněk ; Pazdera, Ivo (oponent) ; Vorel, Pavel (vedoucí práce)
Práce popisuje postup při návrhu budicích obvodů pro GaN MOSFET tranzistory, které jsou známé především díky schopnosti rychlého spínání. V úvodu práce je nejprve rozebrána a popsána problematika GaN MOSFET tranzistorů a rovněž práce srovnává různé typy MOSFET tranzistorů z hlediska jejich elektrických i mechanických vlastností. Dále je zvolen konkrétní typ budicího obvodu, který byl vybrán v semestrální práci. K ověření činnosti tohoto budicího obvodu byl navržen spínaný zdroj s výstupním výkonem 600W a velikou pracovní frekvencí 800kHz jako pokusný měřící obvod, který byl po zkonstruování oživen, a bylo na něm provedeno kontrolní měření. Zachycené průběhy pomocí osciloskopu jsou následně okomentovány. Závěrem práce je zhodnocení nabytých poznatků o této nové technologii výkonových spínacích tranzistorů.
|
|
|
Depozice Ga a GaN nanostruktur s kovovým jádrem
Čalkovský, Martin ; Jarý,, Vítězslav (oponent) ; Mach, Jindřich (vedoucí práce)
Tato diplomová práce se zabývá přípravou GaN nanokrystalů s kovovým jádrem. V teoretické části této práce je představen materiál GaN se svými vlastnostmi a aplikacemi. Dále jsou uvedeny některé metody přípravy GaN, přičemž metoda MBE je popsána podrobněji. Dále je popsána depozice kovových nanočástic z koloidního roztoku a nejnovější metody zesílení luminiscence GaN struktur. Experimentální část je rozdělena na tři části odpovídající postupu přípravy GaN krystalů s Ag jádrem. V prvním kroku jsou Ag nanočástice naneseny na Si(111) substrát. Ve druhém kroku je optimalizován proces depozice Ga a v posledním kroku je nadeponované Ga transformováno na GaN. Po depozici Ga byly vzorky analyzovány pomocí SEM/EDX a SAM/AES. Vlastnosti připravených GaN krystalů s Ag jádrem byly studovány metodou XPS, fotoluminiscenční spektroskopií a Ramanovou spektroskopií.
|
host ::
RSS.