XiaoMi-AI文件搜索系统
World File Search System冗余
混合模块冗余：探索 RISC-V 多核计算集群中的模块冗余方法，以实现太空中的可靠处理
航天器和卫星等空间信息物理系统 (S-CPS) 高度依赖机载计算机的可靠性来保证其任务的成功。仅依靠抗辐射技术成本极高，而开发不灵活的架构和微架构修改以在系统内引入模块冗余会导致面积显著增加和性能下降。为了减轻传统抗辐射和模块冗余方法的开销，我们提出了一种新颖的混合模块冗余 (HMR) 方法，该冗余方案以 RISC-V 处理器集群为特色，具有灵活的按需双核和三核锁步计算核心分组，具有运行时分锁功能。此外，我们提出了两种基于软件和基于硬件的恢复方法，以权衡性能和面积开销。我们的容错集群以 430 MHz 的速度运行，在非冗余模式下配置时，矩阵乘法基准测试中可实现高达 1160 MOPS，在双重和三重模式下分别可实现 617 和 414 MOPS。三重模式下的软件恢复需要 363 个时钟周期，占用 0.612 平方毫米，相当于非冗余 12 核 RISC-V 集群面积开销的 1.3%。作为一种高性能替代方案，一种新的基于硬件的方法可在短短 24 个时钟周期内提供快速故障恢复，占用 0.660 平方毫米，相当于基线非冗余 RISC-V 集群面积开销的 ∼ 9.4%。该集群还增强了分锁功能，可以以最小的性能损失进入可用的冗余模式之一，从而允许在独立模式下执行任务关键型代码部分，或在可靠性模式下执行性能部分，进入和退出的开销小于 400 个时钟周期。提议的系统是第一个将这些功能集成到基于 RISC-V 的开源计算设备上的系统，可实现精细可调的可靠性与性能权衡。
安装在航天器上的冗余空间操纵器的双臂协调
摘要本文解决了轨道机器人机器人的服务和组装中的重要挑战，这是为了克服机器人关节上的力量/扭矩的饱和挫折，并在捕获后阶段中，同时与未控制的大型Angular和线性动力进行了目标飞船，同时控制目标航天器。作者提出了一种基于两个鲁棒和效果控制算法的新颖解决方案：最佳控制分配（OCA）和非线性模型预测性控制（NMPC）。这两种算法都旨在最大程度地减少关节扭矩，航天器执行器矩，接触力和复合冗余系统的矩，其中包括通过双n-数度空间机器人机器人操纵器抓住的常见有效载荷（目标航天器）安装在Chaser spacececraft上。OCA算法仅使用当前状态和系统动力学小型量化二次成本函数，但NMPC还考虑了未来状态估计值和对指定预测范围的控制输入。它在计算上更多地参与，但在减少关节扭矩方面提供了优异的结果。迄今为止，将MPC应用于机器人技术的文献主要集中在线性模型上，但双臂配位是高度非线性的，并且在双臂协调中没有MPC应用。提出的离散技术（非线性模型）具有优雅和简单性的确切实现（非线性模型），但仍考虑了双臂协调系统的完整非线性模型。它在计算上非常有效。计算机仿真结果表明，所提出的算法有效地工作，最小扭矩，接触力和矩实现。开发的算法在跟踪问题方面也非常有效。
需要冗余表示形式才能同时消除歧义的复杂刺激
在高峰时段，一名行人穿过一条街道，经常看起来并听潜在的危险。当他们听到几个不同的角时，他们将鸣喇叭的汽车定位，并决定是否需要修改其运动计划。行人如何使用此听觉信息在视觉空间中挑选相应的汽车？这样的分布式表示形式的集成称为分配问题，必须解决它以在跨感觉模态范围内整合不同的表示形式。在这里，我们识别并分析了分配问题的解决方案：在相关大脑区域成对的一个或多个常见刺激特征（例如，在视觉和听觉系统中都表示对汽车空间位置的估计。我们表明该解决方案的可靠性如何取决于刺激集的不同特征（例如，集合的大小和刺激的复杂性）以及分裂代表的细节（例如，每个刺激表示的精度和重叠信息的量和重叠信息的量）。接下来，我们在生物学上合理的接收场代码中实现了该解决方案，并显示该代码使用的神经元和尖峰数量的约束迫使大脑在局部和灾难性错误之间进行权衡。我们表明，当有许多尖峰和神经元可用时，尽管有分配错误的风险，但在多个大脑区域中代表单个感觉方式的刺激可以更可靠地完成。最后，我们表明，即使以两种不同的表示格式接收输入，馈送神经网络也可以学习对分配问题的最佳解决方案。我们还讨论了有关人类工作记忆文献中分配错误的相关结果，并表明我们理论的几个关键预测已经得到支持。
预测和消除加速稀疏训练中的冗余计算
深度神经网络 (DNN) 是图像、语音和文本处理的最新技术。为了解决训练时间长和能耗高的问题，自定义加速器可以利用稀疏性，即零值权重、激活和梯度。提出的稀疏卷积神经网络 (CNN) 加速器支持使用不超过一个动态稀疏卷积输入进行训练。在现有的加速器类别中，唯一支持双面动态稀疏性的是基于外积的加速器。然而，当将卷积映射到外积时，会发生与任何有效输出都不对应的乘法。这些冗余笛卡尔积 (RCP) 降低了能源效率和性能。我们观察到在稀疏训练中，高达 90% 的计算都是 RCP，它们是由 CNN 训练后向传递期间大矩阵的卷积产生的，用于更新权重。在本文中，我们设计了一种机制 ANT 来预测和消除 RCP，与外积加速器结合使用时可以实现更高效的稀疏训练。通过预测超过 90% 的 RCP，在使用 DenseNet- 121 [ 38 ]、ResNet18 [ 35 ]、VGG16 [ 73 ]、Wide ResNet (WRN) [ 85 ] 和 ResNet-50 [ 35 ] 的 90% 稀疏训练中，ANT 比类 SCNN 加速器 [67] 实现了 3.71 倍的几何平均速度提升，能耗降低了 4.40 倍，面积增加了 0.0017 平方毫米。我们将 ANT 扩展到稀疏矩阵乘法，以便同一个加速器可以预测稀疏全连接层、Transformer 和 RNN 中的 RCP。
航空航天应用冗余机电执行器方面的进展
摘要：移动飞机控制面的动力已从手动产生（由飞行员通过杆和连杆传输）发展到电传输（通过电线）以操作控制面执行器。已经开发了各种液压、电磁和机电结构来提供必要的动力并保持预期的冗余度。过去几十年来，已经提出了许多飞机执行器系统设计，但尚未进行全面的审查。这篇评论论文旨在通过对为各种飞机开发的执行器系统设计进行严格的审查来填补这一空白。审查重点是飞机执行器系统设计，即：电液执行器系统、机电执行器系统和冗余执行系统中的力对抗效应。审查中严格分析和讨论了每个执行器系统的意义和工作原理。本文还评估了提出的解决力或扭矩总和架构中的力对抗均衡（或力对抗取消）的解决方案。本文还讨论了飞机执行器系统中冗余执行器系统发展的未来趋势，以减少力对抗效应。
用非冗余小波代表高维数据的动力学
数据科学中的一个至关重要的问题是将高维数据中的有意义的信息提取到一个低维功能集中，这些特征可以在不同级别上表示原始数据。小波分析是将时间序列信号分解为具有详细时间分辨率的几个级别的普遍方法。但是，获得的小波在每个样本中以及一个人群中的不同样本之间相互交织并过度代表。在这里，使用模拟尖峰，实验性尖峰，钙成像信号和人类电视学信号的神经科学数据，我们在小波之间利用条件互信息进行特征选择。验证了所选特征的有意义，以高精度地解码刺激或条件，但仅使用一小部分特征。这些结果提供了一种新的小波分析方法，用于提取时空神经数据动力学的基本特征，然后可以通过代表性特征支持机器学习的新型模型设计。
消除噪声量子计算模拟中的冗余计算
摘要 - 经典机器上的量子量子计算（QC）模拟非常耗时，因为它需要大量错误注射试验的蒙特卡洛模拟来模拟随机噪声的效果。与现有QC仿真优化的正交，我们的目标是通过消除这些蒙特卡洛模拟试验中的冗余计算来加速模拟。 我们观察到许多试验的中间状态通常相同。 一旦在一个试验中计算了这些状态，就可以在其他试验中暂时存储和重复使用它们。 但是，存储此类状态将消耗明显的内存空间。 为了利用共享的中间状态而不引入过多的存储开销，我们建议在实际仿真之前静态生成和分析蒙特卡洛模拟模拟试验。 重新排序这些试验，以最大化两个连续试验之间的重叠计算。 在后续模拟中无法重复使用的状态被删除，因此我们只需要存储一些状态即可。 实验结果表明，所提出的优化方案平均可以节省80％的计算，而仅存储了少量的状态向量。 此外，提出的仿真方案显示出很大的可扩展性，因为可以通过更多的仿真试验或降低错误率的未来QC设备来保存更多的计算。与现有QC仿真优化的正交，我们的目标是通过消除这些蒙特卡洛模拟试验中的冗余计算来加速模拟。我们观察到许多试验的中间状态通常相同。一旦在一个试验中计算了这些状态，就可以在其他试验中暂时存储和重复使用它们。但是，存储此类状态将消耗明显的内存空间。为了利用共享的中间状态而不引入过多的存储开销，我们建议在实际仿真之前静态生成和分析蒙特卡洛模拟模拟试验。重新排序这些试验，以最大化两个连续试验之间的重叠计算。在后续模拟中无法重复使用的状态被删除，因此我们只需要存储一些状态即可。实验结果表明，所提出的优化方案平均可以节省80％的计算，而仅存储了少量的状态向量。此外，提出的仿真方案显示出很大的可扩展性，因为可以通过更多的仿真试验或降低错误率的未来QC设备来保存更多的计算。
高度可靠的系统中的冗余照片伏特电池
摘要：将太阳能转换为电力，可以在相关位置产生电源，而与电网的可用性无关。该技术的应用大大促进了电力供应，因为它们的位置无法连接到电网。典型的使用区域是自然保护区，游戏管理领域，大规模的农业区，大规模的牲畜区，工业管道路线，远离基础设施的水资源等等。对此类领域和资产的保护及其功能的检测特别重要，被归类为关键基础架构的部门至关重要。本文旨在展示可在概述区域中使用的高可靠性，冗余，模块化，自我监控，微控制器控制系统的概念结构。
格点场论规范冗余数字化的量子误差阈值
量子场论中的规范对称性产生了极其丰富的现象。最突出的是，SU（3Þ×SU（2Þ×U（1Þ）规范对称性描述了标准模型的相互作用。进行从头算预测以与实验进行比较需要大量的计算资源。特别是，由于超级计算机和算法的进步，格点规范理论（LGT）中的蒙特卡罗方法在过去的几十年里取得了丰硕成果。然而，由于玻尔兹曼权重变为复值，涉及早期宇宙非平衡演化[1-4]、夸克胶子等离子体的传输系数[5]和强子碰撞中的部分子物理[6-11]等动力学问题出现了符号问题。未来，大规模量子计算机可以通过在哈密顿形式中进行实时模拟来避免这一障碍[12-16]。