XiaoMi-AI文件搜索系统
World File Search System启发
qprof：受 gprof 启发的量子分析器
由于可以将分析的程序直接运行在目标硬件上，“指令集模拟器”可用于在隔离且完全受控的环境中运行要分析的程序。使用这种技术的分析器的优点是十分准确，并且可以收集各种各样的指标，但是它们会给分析的程序运行时增加相当大的开销。某些分析器（如 gprof [19]）使用的另一种技术是通过添加或修改代码的指令来检测代码，以收集有关其执行的数据。这类分析器可以收集的信息不如指令集模拟器方法那么详尽，但是它们给程序运行时执行增加的开销通常相对较低。最后，某些分析器使用静态分析来收集数据，甚至无需执行程序。对于传统计算机，由于当前传统处理器执行指令的方式非常复杂，这些分析器仅限于指令数及其变化等信息。
研究由合并启发的光之和规则......
提出了一种数据驱动的想法来检验轻核和超核是否遵循由合并启发的和规则，即检验轻核或超核的流是否是其各个成分流的总和。这里，轻核和超核成分之间的质量差异和电荷差异得到了适当处理。该想法被应用于 STAR 合作组织发布的相对论重离子对撞机 (RHIC) 中 √ s NN = 3 GeV 固定目标 Au+Au 碰撞的现有数据。发现轻核的和规则在中快速度（−0.3<y<0）附近近似有效，但在大快速度（y<−0.3）下明显违反和规则。 Jet AA 微观传输模型 (JAM) 具有重子平均场和核子聚结，可生成与实验数据类似的模式。在当前方法中，以独立于模型的方式预测了 √ s NN = 3 GeV Au+Au 碰撞中超核 3 Λ H 和 4 Λ H 定向流的快度依赖性，STAR 正在进行和未来的测量将对此进行探索。
朝着更好的视力启发的视觉语言模型
视觉语言（VL）模型最近取得了未经证实的成功，其中连接模块是弥合模式差距的关键。尽管如此，在大多数存在方法中，富裕的视觉线索尚未充分利用。在视觉侧，大多数现有方法仅使用视觉塔的最后一个功能，而无需使用低级功能。在语言方面，大多数现有的方法仅引入浅视力互动。在本文中，我们提出了一个视觉启发的视觉语言连接模块，称为VIVL，该模块有效利用了VL模型的视觉提示。为了利用视觉塔中的较低级别信息，引入了特征金字塔提取器（FPE），以结合不同中间层的特征，该特征将视觉提示与可忽略不计的参数和计算在头顶上。为了实现VL相互作用，我们提出了深视觉条件的提示（DVCP），可以有效地进行视觉和语言特征的深层互动。我们的VIVL超过了以前的最新方法，当时是18.1苹果酒在从头开始训练可可字幕任务，这极大地提高了数据效率。当用作插件模块时，VIVL始终提高各种骨干和VL框架的性能，在多个基准测试中提供新的最新结果，例如Nocaps和VQAV2。
用于推理的脑启发硬件解决方案......
由于浮点运算需要大量资源，使用传统计算范式在贝叶斯网络中实现推理（即计算后验概率）在能源、时间和空间方面效率低下。脱离传统计算系统以利用贝叶斯推理的高并行性最近引起了人们的关注，特别是在贝叶斯网络的硬件实现方面。这些努力通过利用新兴的非易失性设备，促成了从数字电路、混合信号电路到模拟电路的多种实现。已经提出了几种使用贝叶斯随机变量的随机计算架构，从类似 FPGA 的架构到交叉开关阵列等受大脑启发的架构。这篇全面的评论论文讨论了考虑不同设备、电路和架构的贝叶斯网络的不同硬件实现，以及解决现有硬件实现问题的更具未来性的概述。
生物启发的多维良好的快速自组装...
摘要：借助2010/31/欧盟指令，从2020年开始，所有新建筑物应几乎为零能源建筑物（NZEB），目的是强烈降低与建筑部门相关的能源消耗。为了实现这一目标，专注于建筑信封的设计并不足够。智能和有效的能源管理是必要的。此外，为了确保在建筑环境中采用RES系统，需要进一步开发创新的技术，以提高其成本效益，能源效率和整合能力。本文提出了一个综合的多能系统的综合，设计和操作优化，该系统由欧洲项目回复的传统和创新的可再生技术组成。基于沼气的微型加油单元，轻质玻璃光伏模块，一种被动可变几何形状的小型风力涡轮机，可针对城市环境优化，基于相变材料的潜热热存储是重新认知项目中开发的一些技术。优化问题可以解决（a）最佳设计以及（b）使用混合整数非线性编程，考虑投资和运营成本的一组技术的最佳操作。优化适用于该项目期间在欧洲各个城市（都灵（意大利），科比（英国），塞萨洛尼基（希腊），克鲁伊·纳波卡（Cluj-Napoca）（罗马尼亚）。仿真结果表明，通过优化策略对新技术的开发和最佳开发提供了成本（11％至42％）和排放（10％至25％）（在10％至25％之间）的重要收益，从而管理建筑物进口/出口能源和充电/充电/排出存储周期。
稀疏学习尖峰的生物启发实现......
摘要 — 神经系统，更具体地说是大脑，能够简单高效地解决复杂问题，远远超过现代计算机。在这方面，神经形态工程是一个研究领域，专注于模仿控制大脑的基本原理，以开发实现这种计算能力的系统。在这个领域，仿生学习和记忆系统仍然是一个有待解决的挑战，这就是海马体的作用所在。它是大脑中充当短期记忆的区域，允许学习和非结构化、快速存储来自大脑皮层所有感觉核的信息，并随后回忆起来。在这项工作中，我们提出了一种基于海马体的新型仿生记忆模型，该模型能够学习记忆，从提示（与其余内容相关的记忆的一部分）中回忆记忆，甚至在尝试学习具有相同提示的其他记忆时忘记记忆。该模型已在 SpiNNaker 硬件平台上使用脉冲神经网络实现，并进行了一系列实验和测试以证明其正确且符合预期的操作。所提出的基于脉冲的记忆模型仅在收到输入时才会产生脉冲，具有节能效果，并且学习步骤需要 7 个时间步，调用先前存储的记忆需要 6 个时间步。这项工作提出了第一个功能齐全的生物启发式基于脉冲的海马记忆模型的硬件实现，为未来更复杂的神经形态系统的开发铺平了道路。
受量子启发的从头药物设计方法
药物设计的目的是寻找能与特定蛋白质（与特定疾病相关）结合并阻断（或增强）蛋白质活性的新分子，从而改变疾病的进程。药物分子还具有其他某些必要的特性，例如选择性和安全性。由于药物开发成本不断增加以及潜在候选药物的失败率很高，因此需要不断开发新的创新药物。例如，进入临床试验的新药的 FDA 批准率仅为 19% [1] 。在过去的几年里，人们对从新型化学中寻找候选药物产生了浓厚的兴趣，这促使设计师探索越来越大的化学空间 [2] 。然而，对于大多数计算机系统来说，探索大型化学空间需要太长时间，尤其是那些包含超过 10 亿个分子的化学空间。我们在此介绍使用量子启发技术来搜索大型化学空间，作为显著加速任何计算药物设计活动的第一步的手段。
受量子启发的从头药物设计方法
药物设计的目的是寻找能与特定蛋白质（与特定疾病相关）结合并阻断（或增强）蛋白质活性的新分子，从而改变疾病的进程。药物分子还具有其他某些必要的特性，例如选择性和安全性。由于药物开发成本不断增加以及潜在候选药物的失败率很高，因此需要不断开发新的创新药物。例如，进入临床试验的新药的 FDA 批准率仅为 19% [1] 。在过去的几年里，人们对从新型化学中寻找候选药物产生了浓厚的兴趣，这促使设计师探索越来越大的化学空间 [2] 。然而，对于大多数计算机系统来说，探索大型化学空间需要太长时间，尤其是那些包含超过 10 亿个分子的化学空间。我们在此介绍使用量子启发技术来搜索大型化学空间，作为显著加速任何计算药物设计活动的第一步的手段。
受数字孪生启发的社会技术系统模型
摘要 — 本文介绍了一种数字孪生方法的增强功能，该方法可以模拟工作实践，例如有人驾驶飞机和无人机之间的交互；或跨空中控制机构消除繁忙战场冲突。我们的前提是，通过捕捉社会技术环境的工作实践，这种方法可以克服当前方法的局限性，这些方法无法正确模拟拒绝或中断的环境。我们扩展了数字孪生构造以捕获多个实体以及它们如何系统地交互和相互依赖。我们的工作以 Brahms 模型及其社会技术系统工作实践建模的基础理论为前提，但我们引入了一种现代计算引擎，将这种技术扩展到更广泛的数字孪生解释，从而可以支持更丰富的现实-模拟-现实循环，并更有效地支持训练、反思、学习和再次训练。我们回顾了 Brahms 方法以及我们对数字孪生模型的扩展如何应用于社会技术系统。我们讨论了 Brahms-Lite 并介绍了一种空战模拟应用。最后，我们讨论了如何更广泛地应用这项技术，以扩展数字孪生方法在正常和拒绝条件下对复杂环境的模拟。