XiaoMi-AI文件搜索系统
World File Search System摩尔定律
技术进步是随机游走吗？研究太空旅行数据
各种技术的改进通常都可以使用摩尔定律（Moore 1965）的通用版本（即随着时间的推移呈指数级改进）成功建模。另一种成功的方法是赖特定律，它将技术能力的增长建模为努力变量（例如生产）的函数。虽然这些方法很有用，但它们不提供预测分布，这将有助于更好地了解预测质量。Farmer 和 Lafond（2016）开发了一种预测方法，该方法可产生预测分布并适用于多种技术。他们的方法的一个基本假设是，技术进步可以建模为具有漂移的随机游走。我们展示了一类技术，即太空探索，其中不会发生具有漂移的随机游走。这表明需要适合此类技术领域的替代方法。
数据科学与工程理学士
由于最近的技术突破，数据科学变得非常重要。最根本的是摩尔定律，在过去 50 年里，摩尔定律推动了每卢比计算、存储和通信的指数级增长。这种增长率没有减弱的迹象。因此，今天我们有了物联网：大量传感器的成本仅为数十卢比或更低，全球互联网的带宽几乎无限，全球云存储量巨大。当今时代几乎在所有生活领域都充满了技术进步，我们被大量数据淹没。在多个应用领域，对捕获、分析和合成大量数据集的需求日益增加，以便更好地理解各种现象，并将数据中可用的信息转化为可操作的策略，如新的科学发现、商业应用、政策制定和医疗保健等。数据科学是应用统计学、数学和计算机科学等学科的各种工具和技术的领域，用于通过分析大量数据来获得更深入的洞察力，并为各种目的做出更好、更明智的决策。数据库先驱 Jim Gray 将数据科学称为科学的第四种范式。前三种范式分别是经验范式、理论范式和计算范式。行业对训练有素的专业人员的需求不断增长，他们可以收集、处理和研究大型数据集并揭示潜在趋势和其他见解。因此，数据科学作为一门学科的研究已成为满足专业人员和研究人员应对未来挑战日益增长的需求的关键。鉴于数据科学范式的重要性日益增加，印度理工学院曼迪分校决定开设一个新的 4 年制数据科学与工程 (DSE) 学士学位课程。DSE 课程的课程侧重于向学生介绍数据科学及其应用背景下所需的应用统计学、应用数学和计算机科学的基础知识，并着重强调通过实习、实验室和处理实际问题的经验获得实践经验。课程目标：完成学位后，学生将
半导体技术 ITRS 路线图
半导体技术 ITRS 路线图 Alan Allan Intel 公司 亚利桑那州钱德勒 四十年来，半导体行业一直以其产品的快速改进而著称。表 1 列出了改进趋势的主要类别，并给出了每种趋势的示例。这些趋势中的大多数主要源于该行业能够成倍地减少用于制造集成电路的最小特征尺寸。当然，最常被引用的趋势是集成度，这通常用摩尔定律来表达。（即每块芯片的元件数量每 24 个月翻一番）。对社会来说，最重要的趋势是每功能成本的下降，这通过计算机、电子通信和消费电子产品的普及显著提高了生产力和生活质量。表 1 - 通过特征缩放实现的 IC 改进趋势趋势示例
二维材料：从基础到应用
摘要：信息社会的高速发展对信息的存储、处理和传输能力提出了越来越迫切的需求，随着摩尔定律的终结，半导体产业迫切需要寻找新的解决方案。二维材料因其原子级厚度的尺寸特性、表面无悬挂键的结构优势以及大比表面积带来的对电学和光学调控方法的敏感性，被认为是后摩尔时代半导体产业的新突破。松山湖材料实验室引进一批顶尖科学家，成立了二维材料团队，团队研究以基础科学为基础、工程应用为先导，重点攻关，目标是取得具有国际一流影响力的科研成果，布局我国二维材料产业。 DOI：10.16418/j.issn.1000-3045.20211208010-en
迈向功能强大的 AI 加速器
摘要 — 深度学习的最新进展可以归因于硬件处理器和人工智能 (AI) 加速器性能的持续改进。除了基于冯诺依曼架构的传统 CMOS 加速器外，硅光子学、忆阻器和单片 3D (M3D) 集成等新兴技术也正在被探索作为后摩尔定律的替代方案。然而，由于制造工艺变化、热串扰和老化导致的故障可能会对新兴 AI 加速器的能源效率和性能造成灾难性影响。在本文中，我们分析了几种新兴 AI 加速器在不同不确定性下的性能，并提出了低成本的方法来评估故障的重要性并减轻其影响。我们表明，在所有技术中，不确定性对性能的影响可能会根据故障类型和受影响组件的参数而有很大差异。因此，本文提出的故障关键性评估技术对于提高产量是必要的。
人工智能、AI 相机：市场和关于
• 高计算能力：摩尔定律指出，计算机处理信息的能力每18个月翻一番。• 高通信速度：巴特斯定律指出，光纤上传输的数据量每9个月翻一番。• 高存储容量：克莱德定律指出，硬盘密度每13个月翻一番。在AI中，区分为： • ANI – 人工智能：可以很好地执行单个任务的算法 • AGI – 人工智能：可以做人类能做的一切 • ASI – 人工智能超级智能：比人类最聪明的头脑更聪明，并且在几乎所有事情上都优于我们的智力。ANI应用示例：人工智能Cortana，Alexa，Siri和其他自然语言可能给人以智能的印象，因为它们可以与用户交互并处理人类语音。Livia 进一步写道，然而，现实中，ANI 仅在预定的、预定义的域内运行，无法独立思考。
神经形态计算——开发原理
摘要。由于摩尔定律随后的衰落，每个人都在寻找一种推动计算技术进一步发展的方法。神经形态计算是我们接近下一代计算机技术的一种方式。神经形态芯片一直是当前的热门话题，因为它涉及多种策略来制定给定的信息，不仅可以做出特定的决定，还可以修改网络以记忆信息并更有效地完成工作。随着时间的推移，VLSI 力学的进步以及对神经形态计算的进一步研究和开发，导致神经形态工程在应用中的能力和能力稳步增长。这些芯片执行复杂的任务，例如图像识别、导航和解决问题。在本文中，我们介绍了神经形态计算的历史、需求、功能、当前项目、它们的主要特征以及神经形态计算的技术能力。
超大规模集成电路（vlsi）
DARPA 在 IC 技术进步方面最早的投资之一是一项雄心勃勃的计划，称为超大规模集成电路 (VLSI) 计划。在 20 世纪 70 年代和 80 年代，VLSI 开发汇集了多学科研究团体，共同努力在微电子制造、计算机架构和系统设计方面取得重大进展。这些研发承诺帮助克服了戈登·摩尔在 1965 年的一篇开创性论文中描述的晶体管缩放趋势的早期障碍。在这篇论文中，他阐述了后来被称为摩尔定律的理论 — — 随着计算相对成本的下降，计算机能力将以指数级的速度大幅提升。DARPA 的 VLSI 计划推动了计算领域的发展，进一步增强了美国的军事能力并增强了国家安全，同时也帮助开创了商业微电子应用的新时代。