Acknowledgments 3 Executive Summary 4 Introduction 7 Data and training AI systems: the state of play 9 AI systems and openness 10 AI systems and data 11 The challenge: the openness of datasets and Open Source AI development 15 Problem definition 17 A paradigm shift is needed 19 First paradigm shift: from beyond open data to data commons 19 Second paradigm shift: a stakeholder universe beyond AI developers and dataset creators 21 Searching for solutions 26 Six focus数据和开源AI 28重点区域:数据准备28重点领域:偏好信号和许可29重点领域:数据管理员和保管人30重点区域:环境可持续性31重点领域:互惠和薪酬31焦点区域:政策干预32前进34关于白皮书35
摘要— 为了保证储能系统 (SAE) 的适当运行条件,延长其使用寿命并为用户提供安全保障,需要使用一种称为电池管理系统 (BMS) 的设备。目前销售的大多数设备都局限于锂电池技术的操作特性,这些特性与实验室研究和开发的其他类型电池的操作方式不同。可以通过开放平台规避其他技术的限制,允许对 BMS 进行修改以适应应用技术。这种自适应特性在商业化设备中很少见,当 BMS 的目标与需要实验步骤的学术研究相关时,这种特性至关重要。因此,本研究提出了一种低成本自适应开源 BMS 原型,能够监测最多 10 个串联电池的电压、电流、温度和充电状态变量。开发包括用于 BMS 功能基本运行的硬件和软件。所提出的 BMS 是基于两种电池技术开发的:18650 锂离子和氯化镍钠。 BMS 在两种技术上的多功能性旨在展示系统的适应能力。对于远程监控,使用 Node-RED 和 IBM Watson 工具开发了一个界面。
人工智能领域的实践通常需要在整个开发过程中调动许多资源,而很少有参与者能够完全控制这些资源。开发人员通常会使用开源库(以下称为开源操作系统),例如 Tensorflow 1 或 PyTorch 2 来创建新模型,或者使用 Transformers 库 3 下载预先训练好的模型。如果他们没有自己的数据集,他们会选择从社区网站(例如 Kaggle 4 )下载数据,以利用加州大学欧文分校在其机器学习库 5 上提出的由学术团队发布的数据集,或者使用公共服务发布的数据,例如来自 data.gouv.fr 6 的数据集目录。他们可以从 Github 7 或 HuggingFace 8 等社区平台检查他们上传的工具、模型和数据是否已经过第三方审查,并且没有严重缺陷。最后,为了分析所获得的结果,他们会将其与其他研究人员获得并发表在科学期刊上的结果进行比较,然后通过发表自己的研究成果为该社区做出贡献。
摘要 本文介绍了使用 SKY130 开源 PDK 设计自时钟 12 位非二进制全差分 SAR-ADC。整个混合信号电路设计和布局均采用免费开源软件创建。ADC 在 1.8V 电源下达到高达 1.44MS/s 的采样率,同时在 0.175mm 2 的小面积上消耗 703 μW 的功率。可配置抽取滤波器可以在使用 256 的过采样因子时将 ADC 分辨率提高到 16 位。使用 448aF 华夫饼电容器的 9 位温度计编码和 3 位二进制编码 DAC 矩阵导致每个输入的总电容为 1.83pF。使用 SKY130 高密度标准单元的形式来实现可配置的模拟功能,允许使用硬件描述语言对模拟电路进行参数化,并在有意数字化的工作流程中强化宏。
摘要 — 存储器编译器是促进数字电路设计过程的必要工具。然而,学术界只有少数可用的。电阻式随机存取存储器 (RRAM) 具有高密度、高速度、非易失性的特点,是未来数字存储器的潜在候选。据作者所知,本文介绍了第一个用于自动存储器生成的开源 RRAM 编译器,包括其外围电路、验证和时序特性。RRAM 编译器使用 Cadence SKILL 编程语言编写,并集成在 Cadence 环境中。布局验证过程在 Siemens Mentor Calibre 工具中进行。编译器使用的技术是 TSMC 180nm。本文分析了编译器生成的大量 M x N RRAM 的新结果,最多 M = 128、N = 64 和字长 B = 16 位,时钟频率等于 12.5 MHz。最终,编译器实现了高达0.024 Mb/mm 2 的密度。