Abstract The discovery of ferromagnetic two-dimensional van der Waals materials has opened up opportunities to explore intriguing physics and to develop innovative spintronic devices. However, controllable synthesis of these 2D ferromagnets and enhancing their stability under ambient conditions remain challenging. Here, we report chemical vapor deposition growth of air-stable 2D metallic 1T-CrTe 2 ultrathin crystals with controlled thickness. Their long-range ferromagnetic ordering is confirmed by a robust anomalous Hall effect, which has seldom been observed in other layered 2D materials grown by chemical vapor deposition. With reducing the thickness of 1T-CrTe 2 from tens of nanometers to several nanometers, the easy axis changes from in-plane to out-of-plane. Monotonic increase of Curie temperature with the thickness decreasing from ~130.0 to ~7.6 nm is observed. Theoretical calculations indicate that the weakening of the Coulomb screening in the two-dimensional limit plays a crucial role in the change of magnetic properties.

Two types of coupled neural networks with reaction-diffusion terms are considered in this paper. In the first one, the nodes are coupled through their states. In the second one, the nodes are coupled through the spatial diffusion terms. For the former, utilizing Lyapunov functional method and pinning control technique, we obtain some sufficient conditions to guarantee that network can realize synchronization. In addition, considering that the theoretical coupling strength required for synchronization may be much larger than the needed value, we propose an adaptive strategy to adjust the coupling strength for achieving a suitable value. For the latter, we establish a criterion for synchronization using the designed pinning controllers. It is found that the coupled reaction-diffusion neural networks with state coupling under the given linear feedback pinning controllers can realize synchronization when the coupling strength is very large, which is contrary to the coupled reaction-diffusion neural networks with spatial diffusion coupling. Moreover, a general criterion for ensuring network synchronization is derived by pinning a small fraction of nodes with adaptive feedback controllers. Finally, two examples with numerical simulations are provided to demonstrate the effectiveness of the theoretical results.

This paper proposes a directed complex dynamical network consisting of N linearly and diffusively coupled identical reaction-diffusion neural networks. Based on the Lyapunov functional method and the pinning control technique, some sufficient conditions are obtained to guarantee the synchronization of the proposed network model. In addition, an adaptive strategy is proposed to obtain appropriate coupling strength for achieving network synchronization. Furthermore, the pinning adaptive synchronization problem is also investigated in this paper, and a general criterion for ensuring network synchronization is established. Finally, a numerical example is provided to illustrate the effectiveness of the proposed criteria.

This article discusses the robust predefined output containment (RPOC) control problem for heterogeneous nonlinear multiagent systems having multiple uncertain nonidentical leaders. In order to solve this problem, a new kind of distributed observer-based RPOC control framework is presented. First, for obtaining the information of nonidentical leaders' dynamics, including uncertain parameters in leaders' system matrices, output matrices, states, and outputs, four kinds of adaptive observers are constructed in a fully distributed form without any knowledge of the dynamics of nonidentical leaders, exactly. Second, on the basis of adaptive learning technique, a new RPOC controller is then developed by using the presented observers, where the adaptive observers can make up for the uncertain parameter in followers' dynamics, and the solutions of output regulation equations can be obtained adaptively by the developed adaptive strategy. Furthermore, with the help of the output regulation method and Lyapunov stability theory, the RPOC criteria for the considered system under unknown nonidentical leaders' dynamics are derived from the constructed controller. Finally, a simulation example is provided to demonstrate the effectiveness of the proposed RPOC controller.

This paper mainly discusses two kinds of coupled reaction-diffusion neural networks (CRNN) under topology attacks, that is, the cases with multistate couplings and with multiple spatial-diffusion couplings. On one hand, by adopting state feedback control scheme, the problem of the lag synchronization for the multistate coupled CRNN is addressed. Moreover, the influences of external disturbances for the lag synchronization of the CRNN with multistate couplings are also taken into consideration. On the other hand, several lag and lag $\mathcal {H}_{\infty }$ synchronization conditions for CRNN with multiple spatial-diffusion couplings are derived under the help of the Kronecker product and the state feedback control method. Finally, two numerical examples are provided to verify the correctness of the derived criteria.

BipBip is a low-latency tweakable block cipher proposed by Belkheyar et al. in 2023. It was designed for pointer encryption inside a new memory safety mechanism called Cryptographic Capability Computing (C3). BipBip encrypts blocks of 24 bits using a 40-bit tweak and a 256-bit master key and is composed of 11 rounds. n this article, we provide a Demirci-Selçuk Meet-in-the-Middle (DS-MITM) attack against the 11-round (full) variant that breaks the security claim of the designers.