XiaoMi-AI文件搜索系统
World File Search System下降
耐久性下降后的 1T-NOR 闪存
a 意法半导体，法国鲁塞 b 艾克斯-马赛大学，CNRS，IM2NP，13451 马赛，法国 摘要 在本文中，我们对 100 万次编程/擦除 (P/E) 操作后的 1T-NOR 闪存电气特性进行了 TCAD 模拟。由于 TCAD 模拟，提出了空间缺陷分布来解释耐久性下降的原因。工艺模拟基于意法半导体生产的 90 nm 节点嵌入式非易失性存储器技术 (eNVM)。编程和擦除期间使用热载流子注入 (HCI) 和高级隧道模型，而闪存性能下降则通过位于 Si/SiO 2 界面和 SiO 2 内部的缺陷来考虑。获得的循环前后编程窗口以及消耗电流的结果与实验结果高度一致。此外，在此框架内，可以正确重现 100 万次循环后无应力闪存侧的 IV 特性，如文献中先前报道的那样。 1. 引言电荷存储浮栅存储器Flash-EEPROM（电可擦除可编程只读存储器）或简称Flash，可以说是迄今为止市场上最成功的非易失性存储器之一，每年仍有数十亿个单元被处理，预计到2028年，复合年增长率（CGAR）将达到14.4% [1]。它的可靠性（主要包括耐用性和数据保留率）在过去几十年中得到了广泛的研究[2-4]。在本文中，我们使用技术计算机辅助设计（TCAD）来模拟100万次循环后的1T-NOR闪存编程窗口关闭。TCAD是一种基于物理的数值建模方法，用于精确模拟微电子器件的制造工艺和电气特性，该工具已成功用于器件性能优化和可靠性提高[5,6,7]。与[8]类似，Flash耐用性是通过缺陷建模的；然而，在本文中，我们采用了 Si/SiO 2 界面和 SiO 2 体氧化物中的非均匀缺陷分布以及不同类型的缺陷。这种方法与 [4] 中报道的实验结果一致。
过去 30 年来，每日总能量消耗下降的原因是基础消耗下降，而非活动消耗减少
肥胖是由长期的正能量平衡引起的 1,2 。活动量减少导致的能量消耗减少是否是肥胖的原因之一，目前还存在争议 3,4 。在这里，我们使用了 IAEA 关于美国和欧洲成年人能量消耗的 DLW 数据库（n = 4799），以探索总能量消耗（TEE：n=4799）、基础能量消耗（BEE：n = 1432）和身体活动能量消耗（AEE：n = 1432）随时间的变化模式。经身体成分和年龄调整后的两性总能量消耗 (TEE) 随时间下降，而调整后的 AEE 随时间增加。男性调整后的 BEE 显著下降，但女性并不显著。一项更大的数据集，包含 163 项研究中 9912 名成年人的基础代谢率（BMR 相当于 BEE）测量结果，涵盖了 100 年的历史，重复了两性的 BEE 下降现象。美国/欧洲肥胖率的上升可能并非由运动量减少导致 TEE 降低所致。我们在此将调整后的 BEE 下降视为一个之前未被发现的新因素。
APOE、Klotho 和性别对衰老引起的认知能力下降的影响
载脂蛋白 E ( APOE ) 和 Klotho 基因均与衰老有关，它们对人类认知能力与性别和年龄的关系的影响尚未明确。本文，我们在迄今为止研究的最大队列（N = 320,861）中表明，与 ε 3 携带者（ε 3/ε 4 和 ε 3/ε 3）相比，APOE 纯合 ε 4 携带者的认知能力随着年龄增长下降得更厉害，海马体和杏仁核也较小（N = 29,510）。至关重要的是，性别和年龄对认知能力下降的影响不同。较年轻（40 至 50 岁）的女性纯合 ε 4 携带者比女性 ε 3 携带者具有认知优势，但男性并不存在这种优势。相比之下，无论 APOE 基因型、性别或年龄如何，Klotho - VS 杂合性都不会影响认知或脑容量。这些认知随年龄增长的轨迹表明 APOE ε 4 具有明显的性别依赖性拮抗性多效性作用，但 Klotho 基因型对认知和脑容量没有影响。
考虑效率下降和定期重新接种疫苗的 SIRS 模型
在本文中，我们扩展了数学流行病学中的经典 SIRS（易感-感染-恢复-易感）模型，加入了一个接种疫苗的区间 V，以解释不完善的疫苗，其效力会随着时间的推移而减弱。SIRSV 模型将人群分为四个区间，并引入了定期重新接种疫苗以减弱免疫力。假设疫苗的效力会随着接种疫苗后的时间推移而衰减。对人群进行定期重新接种疫苗。我们为连续接种疫苗时间开发了一个偏微分方程 (PDE) 模型，并在离散化接种期时开发了一个耦合的常微分方程 (ODE) 系统。我们分析了 ODE 模型的均衡，并研究了无病平衡 (DFE) 的线性稳定性。此外，我们探索了一个优化框架，其中疫苗接种率、重新接种疫苗时间和非药物干预 (NPI) 是控制变量，以尽量减少感染水平。优化目标是使用不同的基于规范的感染个体测量来定义的。使用路径跟踪方法对模型在不同控制参数下的动态行为进行数值分析。分析重点关注疫苗接种策略和接触限制措施的影响。分岔分析揭示了复杂的行为，包括双稳态、折叠分岔、前向和后向分岔，强调需要结合疫苗接种和接触控制策略来有效管理疾病传播。
KSU出国学习紧急行动计划 船和GRA计划信息 pmhnp-plans of-pdy.pdf 计算机科学哲学博士 肯尼索校园邮件下降号码 Yiming Ji，博士 新的研究研讨会传单
最后一个国家/地区代码策略编号Gallagher/call Number
虚拟衰老大脑：老年人认知能力下降的模型驱动解释
健康衰老伴随着个体认知能力的异质性下降，尤其是在衰老期间。这种变异的机制尚不清楚，但与白质纤维束的重组和大脑区域的功能共同激活有关。在这里，我们建立了一个因果推理框架，以提供结构连接和大脑功能之间联系的机制洞察，并基于大脑图像数据和网络建模。通过应用不同程度的半球间结构连接退化，我们不仅能够重现与年龄相关的半球间功能通信下降和相关的动态灵活性，而且我们获得了衰老过程中结构连接对大脑功能的整体调节增加。值得注意的是，结构连接和大脑功能之间的调节增加幅度更大，在认知能力较差的老年人中增加幅度更大。我们通过基于深度学习的贝叶斯方法独立验证了我们框架的因果假设。当前的结果可能是首次在大型群体中从机制上证明衰老过程中的去分化和支架作用会导致认知能力下降。
非Convex Minimax优化的两次梯度梯度下降算法
We provide a unified analysis of two-timescale gradient descent ascent (TTGDA) for solving structured nonconvex minimax optimization problems in the form of min x max y ∈Y f ( x , y ), where the objective function f ( x , y ) is nonconvex in x and concave in y , and the constraint set Y ⊆ R n is convex and bounded.在凸 - 孔循环设置中，单次梯度下降（GDA）算法被广泛用于应用中，并且已被证明具有强大的收敛保证。在更一般的设置中，它可能无法收敛。我们的贡献是设计ttgda算法，这些算法是有效的，这些算法超出了凸形 - 连接设置，并有效地确定了函数φ（·）的固定点：= maxy∈Yf（·f（·，y）。我们还建立了解决求解平滑和非平滑concove-concave minimax优化问题的复杂性的理论界限。据我们所知，这是对非凸端优化的TTGDA的第一个系统分析，阐明了其在训练生成的对抗网络（GAN）和其他现实世界应用问题中的卓越性能。关键字：结构化的非凸极最小值优化，两次尺度梯度下降，迭代复杂度分析
记忆结合测试检测临床前阿尔茨海默氏病的早期微妙的发作记忆下降：一项纵向研究
Filipa Raposo Pereira A, B, ∗, Nathalie George A, Gianfranco Dalla Barba C, Bruno Dubois A, B, D, Valentina La Cort B, E, F and the Insight-Preat Study Group A Institute of the Brain-Paris Brain Institute-ICM, Inserm, U 1127, CNRS, UMR 7225 ' Aphp, Cenir, Center Meg-Eeg, Sorbonne University, Pitié-Salpêtrière Hospital, Paris, France B Department of Neurology, Institute of Memory and Alzheimer's Disease (IM2A), Piti´e-Salpˆetri`eere University Hospital, Public Assistance-Hospitals de Paris (AP-HP), Paris, France C. University Degli Studi di Trieste, Trieste, Italy D Department of Neurology, Center神经退行性疾病（COEN），ICM，CIC神经科学，公共援助 - 巴黎医院（AP-HP）（AP-HP），Piti´e-Salpˆere，Sorbonne University，Paris，Paris，Cognition，认知（UR 7536），心理学研究所，巴黎大学，巴黎大学，Boulogne-Boulogne-Bologne-billancourt，France France france deitut deitut deitut deitut parise crocessiate
通过随机镜下降的逆增强学习
2预序5 2.1简介。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 5 2.2规范和双重规范。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 5 2.3线性编程。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 6 2.4拉格朗日功能。 。 。 。 。 。 。 。 。 。 。2预序5 2.1简介。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。5 2.2规范和双重规范。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。5 2.3线性编程。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。6 2.4拉格朗日功能。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。7 2.5反优化。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。7 2.5.1成本函数的反相反优化。。。。。。。。。。。。。。。。。8 2.6马尔可夫决策过程。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。8 2.6.1线性编程公式。。。。。。。。。。。。。。。。。。。。。。10
逐渐下降的免疫力保持无免疫扩散的指数持续时间
扩散过程渗透到人工智能的众多领域，抽象地模拟了网络中信息交换的动态，这些信息交换通常是易变的。一个核心问题是信息在网络中保留多长时间，即生存时间。对于常见的 SIS 过程，对于各种参数，预期生存时间至少是星图上网络规模的超多项式。相比之下，引入临时免疫的 SIRS 过程的预期生存时间在星图上始终最多为多项式，并且仅对于更密集的网络（例如扩展器）才为超多项式。然而，这一结果依赖于完全的临时免疫，而这在实际过程中并不总是存在的。我们引入了 cSIRS 过程，它结合了逐渐下降的免疫力，使得每个时间点的预期免疫力与 SIRS 过程的预期免疫力相同。我们在星图和扩展器上严格研究了 cSIRS 过程的生存时间，并表明其预期生存时间与没有免疫力的 SIS 过程非常相似。这表明，免疫力逐渐下降就等于没有免疫力。