XiaoMi-AI文件搜索系统
World File Search System任务应用
课程
Ae 105 abc。空间工程。第一学期 9 个学分 (3-0-6)，第二学期 (2-4-3)，第三学期 (0-8-1)；第一、第二、第三学期。先决条件：ME 11 abc 和 ME 12 abc 或同等学历。第一部分：基于天体动力学的空间任务设计。主题包括具有扰动（J2、阻力和太阳辐射压力）的圆锥轨道、朗伯定理、周期轨道和地面轨迹、不变流形和变分方程，以及行星飞越、星座、编队飞行和低能行星捕获和着陆的任务应用。第二部分：航天器系统和子系统、任务设计、火箭力学、运载火箭和空间环境简介；航天器机械、结构和热设计；通信和电力系统；团队项目的初步讨论和设置，以进行系统需求审查。第三部分：团队项目，以进行初步设计审查和关键设计审查。教练：Campagnola、Watkins、Pellegrino。
NLign Analytics“结构生命周期数字环境...
在过去的几十年中，企业软件系统在供应链管理 (SCM)、质量管理系统 (QMS)、产品生命周期管理 (PLM)、制造执行系统 (MES)、企业资源规划 (ERP) 以及维护、维修和运营 (MRO) 方面的使用有了显著增长。然而，尽管数字信息管理技术取得了这些进步，但在许多行业中，从工程设计和制造领域到在役运营的数字连接以及对“建成”与“运营”系统生命周期质量评估的影响相对较小。在评估军用飞机、船舶、导弹系统、陆地车辆和能源生产设施的关键任务应用中使用的复杂部件和系统的在役结构状态时，仍然经常使用低效的手动和基于文档的流程。在使用质量评估软件工具时，它们通常在组织孤岛中使用，数据无法以有用的形式捕获
隐私影响评估
根据国土安全部部长最近发布的关于该部门使用人工智能 (AI) 的公告 1，国土安全部首席信息官办公室与科学技术局、隐私办公室、民权和公民自由办公室以及总法律顾问办公室协调，领导该部门的工作，确保在履行部门使命和支持其员工的同时负责任地使用人工智能。作为这项工作的一部分，国土安全部首席信息官办公室正在努力推动整个部门的人工智能具体任务应用，并解决员工如何使用有条件批准的商用生成人工智能 (Gen AI) 工具（即未采购用于特定部门任务的工具）来完成其工作的某些方面。“Gen AI”是一类人工智能模型，它模拟输入数据的结构和特征以生成新的合成内容（即输出）。这可以包括图像、视频、音频、文本、代码和其他类型的数字内容。本隐私影响评估 (PIA) 分析了该部门对有条件批准的 Gen AI 工具的使用情况。
白皮书：5G、AI 和 IoT 如何塑造存储的未来
增强移动宽带 (eMBB)：峰值数据速率将达到数十 Gbps。重要的是，eMBB 还具有三个不同的属性：1) 更高容量 - 可在人口密集的室内/室外区域使用；2) 增强连接性 - 可在任何地方使用；3) 更高用户移动性 - 可在从汽车到飞机的移动交通工具中使用。典型的物联网用例包括需要更高容量和更低延迟的视频和数据流设备，以及基于 AR/VR 的数字孪生的工业应用。 海量机器类型通信 (mMTC)：它支持海量网络容量，可以可靠地连接数千个物联网端点和边缘设备，而不会出现拥塞问题。典型的端点是低成本、电池供电的设备，它们定期通过 mMTC 物联网网关将少量存储数据传输到核心或其他本地设备。 超可靠和低延迟通信 (URLLC)：它为自动驾驶、工业自动化无线控制和机器人手术等关键任务应用提供低延迟和高可靠性。
公爵机器人宣布
公爵机器人公司（以前称为UAS Drone Corp）是一家具有前瞻性的公司，致力于为军事和平民领域带来高级稳定和自治解决方案。通过其全资子公司杜克机器人有限公司（Duke Robotics Ltd.）开发了Tikad，这是一种先进的机器人系统，可以通过无人驾驶的空中平台（UAV）（无人机）（旨在满足现代Warfare在现代战争中不断增长的技术解决方案）对轻量级枪支和武器进行遥远，实时和准确的射击。Duke Robotics Ltd.还开发了IC无人机，这是一种用于清洁电力绝缘体的最初的机器人，支持无人机的系统。根据公司的高级知识产权和知识，将独特的系统整合在关键任务应用中使用的算法，自主系统和机器人技术。有关Duke Robotics Corp（以前的UAS Drone Corp）的更多信息，请访问www.dukeroboticsys.com或查看向www.sec.gov上提交的证券和交易委员会提交的文件。
NOAA 组学战略
'组学方法，从 DNA 测序到小分子分析，正被用于满足各种关键任务需求。'组学测量可以指示生态状态，监测可用于通过测量生物多样性、种群分布、食物网功能和生物丰度来告知和跟踪管理行动的有效性。诸如“环境 DNA”（eDNA）分析之类的创新技术可以使用单个海水或沉积物样本来表征从微生物到哺乳动物的生命形式，而无需使用缓慢的分类和计数方法。需要更详细生物信息的任务应用包括：维持渔业；发展水产养殖；对抗有害和入侵生物；改善海产品取证和可追溯性；发现药物和其他有益化合物；保护脆弱物种和栖息地，如珊瑚，它们为鱼类提供了重要的栖息地并促进了旅游经济。'组学方法与自主采样相结合，提供了一种应对船舶和劳动力成本上升的方法。对组学信息的需求推动了计算需求的增加，进一步激发了这里描述的机构重点。
通过模型交换来迈向Edgeai服务的低成本和能量意识推断
摘要 - 在过去的十年中，人工智能（AI）和Edge Computing（EC）的关键进步已导致Edgeai服务的发展，以提供对关键任务应用必不可少的智能和低潜伏期响应。但是，Edgeai服务对网络极端的扩展可能会面临挑战，例如负载波动，导致AI推断延迟以及对能源效率的担忧。本文提出了“模型交换”，其中Edgeai服务使用的模型将与另一个随时可用的模型交换，以便在运行时推理任务中实现成本和能源节省。ModelSwapper可以通过采用低成本算法技术来实现这一目标，该技术探讨了计算开销与模型准确性之间有意义的权衡。这样做，边缘节点通过用更简单的模型代替复杂模型来适应负载波动，从而满足所需的延迟需求，尽管不确定性较高。我们使用两种EDGEAI服务（对象检测，NLU）进行评估表明，ModelSwapper可以显着减少至少27％和68％的能量使用和推理延迟，而准确性仅降低了1％。索引术语 - 机器学习，边缘计算
IAC–22–C1.6.2 自适应闭环机动规划...
摘要 自主性是未来太空任务中越来越重要的组成部分，新技术对于应对可能对任务成功构成风险的机载异常事件是必不可少的。在寻找一个令人满意的机动计划来纠正意外事件时，对于地月空间的机载低推力任务应用来说，初步确定合适的收敛域仍然具有挑战性。这项研究通过展示人工神经网络作为估计传统迭代制导和控制方法的准确启动解决方案的有前途的工具来解决这一挑战，从而产生了一个强大的“混合”架构，该架构同时受益于神经网络的计算简单性和目标方案的稳健性，以满足准确性要求并确保任务成功。在这个范例中，差分校正直接纳入强化学习过程，任务是让生成的神经网络控制器进行轨迹恢复的初始猜测识别。在“失控”航天器场景中演示了快速低推力机动规划，其中随着时间的推移，偏离计划的近直线光环轨道路径导致定位无效，并且需要采用替代方法来确定有效的恢复计划。关键词：航天器自主性、强化学习、低推力、地月空间、神经网络控制
在核电中使用基于 FPGA 的 I&C 系统的设计问题
FPGA（现场可编程门阵列）广泛应用于工业的各个领域。FPGA 可用于执行对安全至关重要且需要高可靠性的功能，例如汽车、飞机控制和辅助以及航空航天工业中的关键任务应用。凭借这些优点，FPGA 在核电站仪表和控制 (I&C) 系统中的应用，尤其是反应堆保护系统 (RPS)，受到全世界越来越多的关注。原因包括传统的模拟电子技术已经过时。新反应堆的 I&C 系统已设计为采用数字设备，例如 PLC（可编程逻辑控制器）和 DCS（分布式控制系统）。但是，基于微处理器的系统可能由于其复杂的特性而无法简单地满足要求。例如，微处理器内核一次执行一条指令，并且需要操作系统来管理程序的执行。反过来，FPGA 可以在没有操作系统的情况下运行，并且设计架构本质上是并行的。在本文中，我们旨在评估基于 FPGA 的解决方案的这些和其他优势以及局限性，同时考虑到在核电站 I&C 系统中使用 FPGA 的设计指南和规定。我们还将研究 FPGA 中的一些电路设计技术，以帮助减轻故障并提供冗余。目标是展示基于 FPGA 的系统如何为 I&C 系统提供具有成本效益的选项
6G 增强型超高速机器学习
摘要 超可靠低延迟通信（URLLC）作为第五代（5G）和第六代（6G）蜂窝网络的主要通信服务之一，对于支持各种新兴的关键任务应用至关重要。然而，现代移动网络无法满足延迟和可靠性要求，以及其他服务质量（QoS）要求，包括频谱效率、能源效率、容量、抖动、往返延迟、网络覆盖等。为了满足各种URLLC应用的不同QoS要求，机器学习（ML）解决方案有望成为未来6G网络的主流。在本文中，我们首先将6G URLLC愿景分为三种连接特征，包括无处不在的连接、深度连接和全息连接，以及它们对应的独特QoS要求。然后，我们确定了满足这些连接要求的潜在挑战，并研究有前景的ML解决方案，以实现6G URLLC服务的智能连接。我们进一步讨论了如何实现机器学习算法来保证不同 URLLC 场景（包括移动性 URLLC、大规模 URLLC 和宽带 URLLC）的 QoS 要求。最后，我们给出了一个下行 URLLC 信道接入问题的案例研究，分别通过集中式深度强化学习 (CDRL) 和联邦式深度强化学习 (FDRL) 来解决，验证了机器学习对 URLLC 服务的有效性。