XiaoMi-AI文件搜索系统
World File Search System功耗
nRF24LE1 - 超低功耗无线系统片上解决方案
日期 版本 说明 2009 年 3 月 1.2 更新了图 33.、图 34. 和表 35. 。2009 年 9 月 1.3 添加了表 93。更新了 BOM、表 28.、表 29.、表 34.、表 46.、表 53.、表 61.、表 87.、表 101.、表 113.、表 115.、第 6.3.4.1、9.1、9.3 13.3.3、29.1.2、29.2.2、29.3.2 和 30.1 节。简化了二进制数的书写方式和寄存器位的表示方式。2010 年 4 月 1.4 更新了图 9.、图 10.、图 30.、注意：第 87 页、图 46.、图 51. 和图 52。更新了第 2.1 节、第 12.3 节、第 13.3.1 节、表 14.、表 15.、表 27.、表 58.、表 111.、表 114. 和表 115。更新了第 29 章中的 BOM 信息。2010 年 7 月 1.5 更新了第 77 页的 6.3.5.1、第 109 页的表 57、第 111 页的表 58、第 150 页的表 88 和第 176 页第 24 章中的人体模型类。2010 年 8 月 1.6 添加了 RoHS 声明并更新了第 150 页的表 88。
降低电池操作的智能设备的功耗
图2显示了两个简化的热失控序列：在左侧，右侧和右侧的序列，而没有早期气体排气。在早期气体排气时，细胞外壳会在整个热失控之前的一段时间内打开并释放气体。在这些示例中，我们假设内部细胞衰竭会导致意外连续的局部加热，然后过热，最终融化了阳极和阴极之间的内部分离器。一旦分离器在细胞中本地的某个地方失败，阳极和阴极侧都会直接接触。现在同时发生了几种效果：接触中的活动材料在强烈的放热反应中直接反应，这可能取决于使用的细胞化学。此外，电池电压下降至零，并且电荷载体不受控制地从一侧移到另一侧，随后是加速的局部热产生。生成的热量融化了更多的分离器，因此此事件在整个单元格中传播为完整的热失控，并产生强大的气体，并且电池室中的压力增加。取决于细胞化学及其反应性，整个过程可能只需几秒钟，例如对于高镍细胞（例如，nmc），也可以在无镍细胞（如LFP）的分钟范围内。还有其他因素会对这种行为产生影响，例如细胞的外形或活动材料的涂层厚度。
人类大脑皮层的计算功耗不到 0.2 瓦，但考虑到通信成本，这种巨大的功耗却是最佳的
达尔文进化论倾向于产生节能的结果。另一方面，能量限制了计算，无论是神经和概率计算，还是数字和逻辑计算。在建立节能观点之后，我们定义计算并构建一个可优化的能量约束计算函数。该函数意味着 ATP 消耗过程之间的特定区分，尤其是计算本身与动作电位和其他通信成本。因此，这里对 ATP 消耗的划分与早期工作不同。计算的 bits/J 优化需要对人脑进行能量审计。划分和审计显示，大脑皮层计算消耗 0.2 瓦 ATP，而长距离通信成本却是大脑的 20 倍多，而不是使用经常被引用的 20 瓦葡萄糖（1、2）。bits/joule 计算优化意味着瞬时信息速率超过 7 bit/sec/神经元。
使用以下方法高效优化功耗和延迟
摘要 本文的目的是使用逻辑门和 CMOS 逻辑设计一个 16:1 多路复用器。在本研究中，我们研究了 16:1MUX 的延迟和功率调制。这表明 CMOS 技术处于领先地位，因为它使用的晶体管数量更少、电容更少、速度更快。在本研究中，我们进行了比较工作并得到了模拟结果，结果说明了 CMOS 逻辑设计的优越性，并且功耗和延迟非常低。使用 Synopsys 工具 HSPICE 在 32 nm BSIM 4 模型卡下对 PTM 模型的块状 CMOS 技术进行了模拟，并检查了不同电压下的结果。最小和最大延迟和功耗结果分别为 68.82ps、92.16ps 和 103.96µW、1471.4µW。我们在多路复用器中获得的总晶体管数量为 282，这是模拟的，我们使用名为 HSPICE 的高级工具获得了 MUX 的输出波形，它们在结果部分中表示出来。关键词：多路复用器、2×1 多路复用器、4×1 多路复用器、8×1 多路复用器、16×1 多路复用器、延迟、功耗
配备多个叶轮的单相搅拌容器中的功耗
在法律规定的某些条件下，图书馆和档案馆有权提供复印件或其他复制品。这些规定条件之一是，复印件或复制品不得“用于除私人学习、学术或研究以外的任何目的”。 如果用户请求或随后将复印件或复制品用于超出“合理使用”范围的目的，则该用户可能要承担侵犯版权的责任，
适用于超低功耗应用的 9T FinFET SRAM 单元
由于 CMOS 的缩放，这些设备的局限性引发了对替代纳米设备的需求。提出了各种设备，如 FinFET、TFET、CNTFET。其中，FinFET 成为最有前途的设备之一，由于其在纳米范围内的低泄漏，它可以替代 CMOS。如今，电子设备在电池消耗方面更加紧凑和高效。由于 CMOS 的缩放限制，CMOS SRAM 已被 FinFET SRAM 取代。已经有两个 FinFET SRAM 单元，它们具有高功率效率和高稳定性。已经对这些单元进行了性能比较，以分析泄漏功率和静态噪声容限。这些单元的模拟是在 20 nm FinFET 技术下进行的。经分析，改进的 9T SRAM 单元的写入裕度实现了 1.49 倍的改进。读取裕度也显示出比本文中比较的现有单元有显著的改善。对于所提出的 0.4 V SRAM 单元，发现保持裕度更好。栅极长度已经改变，以发现栅极长度对读取裕度的影响。
超低功耗 0.45 mW 2.4 GHz CMOS 低噪声放大器
本文介绍了用于无线传感器网络 (WSN) 应用的超低功耗低噪声放大器 (LNA) 的设计拓扑。所提出的超低功耗 2.4 GHz CMOS LNA 设计采用 0.13 µm Silterra 技术实现。LNA 的低功耗得益于第一级和第二级的正向体偏置技术。为了提高增益，同时降低整个电路的功耗，实施了两级。仿真结果表明，在 0.55 V 的低电源电压下，总功耗仅为 0.45 mW。与之前的工作相比，功耗降低了约 36%。实现了 15.1 dB 的增益、5.9 dB 的噪声系数 (NF) 和 -2 dBm 的输入三阶截点 (IIP3)。输入回波损耗 (S11) 和输出回波损耗 (S22) 分别为 -17.6 dB 和 -12.3 dB。同时，计算出的品质因数（FOM）为7.19 mW -1 。
温度补偿功率检测器助力 5G 设备功耗优化
摘要 — 本文介绍了一种实时温度补偿功率检测器的设计和特性。该检测器的工作频带为 (40.5 – 42.5) GHz，专用于优化 5G 设备的功耗。本文提出了一种新颖而简单的技术来补偿电压灵敏度值 (γ) 随温度的变化。该技术基于添加一个无源电路，该电路充当具有正温度系数的电阻器，在较高温度下吸收较少的输入功率。结果，测量表明，灵敏度值随温度的下降被抑制了 55% 以上，因此，在频率 41 GHz 下，该值在温度范围 (20~100)°C 内变化很小 (γ = 1530 V/W±6%)。与最近发表的作品相比，所提出的检测器电路非常简单，并且没有功耗。此外，它以更高的频率运行，以适用于 5G 应用。
Himax 超低功耗 WE-I Plus 端点 AI 开发板
超低功耗的高性能终端 AI 解决方案 WE-I Plus 处理器旨在适应多种 TinyML 神经网络模型，具有可编程 DSP，运行时钟频率高达 400MHz，内部 SRAM 为 2MB。WE-I Plus 支持 TensorFlow Lite 微控制器框架，能够运行推理，例如开源 Google 示例，包括“Hello World”、“Micro Speech”、“Person Detection”和“Magic Wand”，所有这些都可以在 Google 的 Github 上找到。它在计算机视觉应用中进行了全面优化，并且已证明使用“Person Detection”示例的功耗最低。WE-I Plus 与 Himax 的 VGA 传感器相结合，运行示例推理，功耗低至 2.5mW，模型推理时间少于 35 毫秒。 SparkFun 上适用于 TinyML 开发人员的终端 AI 开发板开发人员现在可以轻松访问 Himax 的领先技术，SparkFun 在线零售商店提供 WE-I Plus EVB，用于终端 AI 系统开发，最终实现改变生活的用例的创新。一体式 WE-I Plus EVB 包括 AI 处理器、HM0360 AoS VGA 摄像头、2 个麦克风和一个 3 轴加速度计，可执行视觉、语音和振动检测和识别。它内置 FTDI USB-SPI/I2C/UART 桥接器，用于闪存编程接口和消息/调试打印/元数据输出。它还具有两个 LED 来显示分类结果。此外，还提供带有 I2C 和 GPIO 接口的扩展头，以允许连接到外部传感器或设备。EVB、处理器和传感器的数据表可在 SparkFun 网站上下载。 Himax WE-I Plus EVB/Endpoint AI Development Board 在 SparkFun 的参考链接 https://www.SparkFun.com/products/17256
利用可再生能源和UPS系统来减少数据中心的功耗
摘要 - 为了开发环境友好且能量良好的数据中心，谨慎地利用现场可再生资源（如太阳能和风）。数据中心部署分布式UPS系统，以提高UPS系统的效率，可扩展性和可靠性，从而处理可再生能源的间歇性质。我们提出了一个名为Redux的可再生能源经理（1）提供了一种智能的方式来管理由电网和可再生能源提供支持的数据中心的能源供应，并且（2）在能源成本和系统性能之间保持理想的平衡。为了实现这一总体目标，Redux明智地协调分配UPS设备（即充值或排放）以分配能源资源时，当（1）网格价格处于低状态或高州或（2）可续签的能源发电率低或发光水平。REDUX不仅可以保证每日工作量条件的稳定运行，而且还可以通过改善功率资源利用来减少数据中心的能源成本。与现有策略相比，Redux证明了减轻平均峰值工作负荷和促进可再生能源利用率的显着能力。