Abstract Quasicrystal has attracted lots of attention since its discovery because of the mathematically non-periodic arrangement and physically unique diffraction patterns. By combining the quasi-periodic features of quasicrystal and the special rotational symmetry with metasurface, many novel phenomena and applications are proposed such as optical spin-Hall effect, non-linear far-field radiation control, and broadband polarization conversion. However, the additional functions and effects brought by phase and amplitude modulation on quasicrystal arrangement still lack research. Here, we design and fabricate a dielectric quasicrystal metasurface which can simultaneously reconstruct holographic images and exhibit diffraction patterns by assembling the nanostructures in a quasi-periodic array. Most importantly, we combine the global arrangement of metasurfaces with the local responses (phase and amplitude) of meta-atoms for achieving the dual functionality. Furthermore, we also suppress the zero diffraction order in the far-field based on the quasi-momentum matching rule. The proposed method has great mathematical importance and explores new possibilities for multifunctional meta-devices for holographic display, optical switching and anti-counterfeiting.

In this study, a flexible capacitive pressure sensor was developed, featuring a dielectric layer composed of a polydimethylsilane (PDMS)/BaTiO3/SrTiO3 composite material. The electrode and dielectric layers were structured with a dual microstructure, combining diagonal and sandpaper-porous elements. Additionally, nano-barium titanate (BT) powder, known for its relatively high dielectric constant, was incorporated into PDMS, along with an appropriate amount of strontium titanate (STO), to enhance the sensor's sensitivity. The developed sensor exhibited a remarkable sensitivity of 2.681 kPa–1, with response and release times of approximately 39 ms and 61 ms, respectively. It demonstrated a low detection threshold and withstood over 5000 compression cycles, showcasing excellent repeatability. The results underscored the sensor's robust pressure-sensing performance, making it suitable for diverse applications, including human pulse monitoring, heartbeat tracking, robot arm sensing, object weight detection, and real-time healthcare monitoring.

In this study, a new method was developed for measuring the stability of incoherent nanoparticles using high-resolution high voltage microscopy. The method was demonstrated successfully on Fe-12Cr ODS steel. In situ particle size evolution during 1.25 MeV electron irradiation were observed at room temperature. The results indicated a diffusion of solute atoms via a no vacancy mechanism, such as the reorientation jump of mixed dumbbell. The statistical results indicate that the particles in 12Cr-ODS steel exhibit a combination of overall stability and local instability, where most particles are stable, and a few particles have undergone size changes.

Background Left ventricular opacification (LVO) improves the accuracy of left ventricular ejection fraction (LVEF) by enhancing the visualization of the endocardium. Manual delineation of the endocardium by sonographers has observer variability. Artificial intelligence (AI) has the potential to improve the reproducibility of LVO to assess LVEF. Objectives The aim was to develop an AI model and evaluate the feasibility and reproducibility of LVO in the assessment of LVEF. Methods This retrospective study included 1305 echocardiography of 797 patients who had LVO at the Department of Ultrasound Medicine, Union Hospital, Huazhong University of Science and Technology from 2013 to 2021. The AI model was developed by 5-fold cross validation. The validation datasets included 50 patients prospectively collected in our center and 42 patients retrospectively collected in the external institution. To evaluate the differences between LV function determined by AI and sonographers, the median absolute error (MAE), spearman correlation coefficient, and intraclass correlation coefficient (ICC) were calculated. Results In LVO, the MAE of LVEF between AI and manual measurements was 2.6% in the development cohort, 2.5% in the internal validation cohort, and 2.7% in the external validation cohort. Compared with two-dimensional echocardiography (2DE), the left ventricular (LV) volumes and LVEF of LVO measured by AI correlated significantly with manual measurements. AI model provided excellent reliability for the LV parameters of LVO (ICC > 0.95). Conclusions AI-assisted LVO enables more accurate identification of the LV endocardium and reduces observer variability, providing a more reliable way for assessing LV function.