XiaoMi-AI文件搜索系统
World File Search System模拟
采用 ZnO 和石墨烯的钙钛矿太阳能电池的设计和模拟摘要
如今，为了满足人类的能源需求，对一次能源和二次能源的需求一直在增加。近年来，太阳能电池已被用作生产可再生、可持续和无污染能源的替代品。各种材料已被用作电池中的传输层。TIO2 是这些材料之一，已被广泛用作电子传输层，但目前，ZnO 是另一种重要材料。比 TIO2 的使用更晚。此外，钙钛矿太阳能电池是属于纳米家族的新一代太阳能电池。目前，钙钛矿太阳能电池 (PSC) 是电子工业中一种很有前途的电池，因为它具有高功率转换效率，以及制造硅太阳能电池的相对较低的成本，以及导致钙钛矿在不同类型的基板上使用的灵活性。此外，石墨烯作为光伏能量转换最重要的基本光伏材料已经出现并得到使用。石墨烯在太阳能电池的构造中用作透明电极、层间活性层、电子和空穴传输层或电子和空穴分离层。在本文中，目标是找到太阳能电池中功率转换效率最高的最佳结构，我们将进一步看到，通过使用钙钛矿、ZnO 和石墨烯，我们将以较低的制造成本实现 16% 的功率转换效率。
人工智能驱动模拟器的兴起：构建新的水晶球
人工智能驱动的模拟器的兴起：构建新的水晶球 计算社区联盟 (CCC) 四年期论文 Ian Foster（芝加哥大学）、David Parkes（哈佛大学）和 Stephan Zheng（Salesforce AI Research） 五十年前，天气预报员努力预测明天的天气是否与今天相同。如今，天气预报通常可以准确预测未来一周或更长时间，让个人和社会能够为不再不可预见的事情做好准备。这种显著的转变在很大程度上归功于计算机，尤其是计算模拟的兴起，这是一种使用计算机预测复杂系统未来状态的方法。模拟最初是在第二次世界大战的最后几天为军事目的而开发的，现在已遍布人类社会和经济领域，为决策者提供了一个非凡的水晶球，不仅可以预测下周的天气，还可以预测飞机在不同天气模式下飞行时的表现、新药对新疾病的有效性以及未来电池中新材料的行为。计算机模拟是在计算机上执行的数学建模过程，旨在预测现实世界或物理系统的行为或结果。 1 模拟通常通过将空间（例如北美）划分为多个小单元来配置，每个小单元保存一组值（例如温度和压力）以及一组本地规则，用于更新下一个时间步骤的单元（例如，基于单元和相邻单元的当前温度和压力，一分钟后的温度/压力）。模拟运行以测量的输入（温度/压力）为种子，并反复应用其规则来随时间更新模拟系统。更准确的输入数据、更小的单元和更好的规则可以实现更高保真度的模拟（例如，下周而不是明天的良好天气预报）。计算机模拟的使用现在在社会上如此普遍，毫不夸张地说，美国和国际的持续繁荣、安全和健康在一定程度上取决于模拟能力的持续改进。如果我们能够预测两周后的天气，指导新病毒性疾病新药的设计，或者管理将生产成本和时间降低一个数量级的新制造工艺，情况会怎样？如果我们能够预测人类的集体行为，例如，在自然灾害期间对疏散请求的响应，或劳动力对财政刺激的反应，情况会怎样？ （另请参阅 CCC Quad 关于疫情信息学的配套论文，其中讨论了
模拟电子学（REC3C001）
模块 — I（12 小时） MOS 场效应晶体管：FET 和 MOSFET 的原理和操作；P 沟道和 N 沟道 MOSFET；互补 MOS；E- MOSFET 和 DMOSFET 的 VI 特性；MOSFET 作为放大器和开关。BJT 的偏置：负载线（交流和直流）；工作点；固定偏置和自偏置、带电压反馈的直流偏置；偏置稳定；示例。FET 和 MOSFET 的偏置：固定偏置配置和自偏置配置、分压器偏置和设计模块 — II（12 小时）BJT 的小信号分析：小信号等效电路模型；CE、CC、CB 放大器的小信号分析。Rs 和 RL 对 CE 放大器操作的影响、射极跟随器；级联放大器、达林顿连接和电流镜电路。 FET 的小信号分析：小信号等效电路模型、CS、CD、CG 放大器的小信号分析。CS 放大器上的 RsiG 和 RL 的匹配；源极跟随器和级联系统。模块 —III（8 小时）FET 和 BJT 的高频响应：BM 和 FET 的高频等效模型和频率响应；CS 放大器的频率响应、CE 放大器的频率响应。模块 —IV（6 小时）反馈放大器和振荡器：负反馈和正反馈的概念；四种基本反馈拓扑、实用反馈电路、正弦振荡器原理、WeinBridge、相移和晶体振荡器电路、功率放大器（A、B、AB、C 类）。模块 — V（7 小时）运算放大器：理想运算放大器、差分放大器、运算放大器参数、非反相配置、开环和闭环增益、微分器和积分器、仪表放大器。书籍：
2025 年 1 月 - 11 年级模拟时间表
上午 11:30 55 分钟/1 小时 45 11 年级模拟考试 - 历史（试卷 2 - 亨利八世）/心理学（试卷 1）（BTEC 体育学生）/商业 - 针对错过考试的学生（FP/LS/LC-G/AB/AR）
指南 - 分类、模拟、优化和人工智能
反复试验在机器学习中起着重要作用。当模型发现其预测与实际数据集之间存在错误或差异时，它会尝试纠正其思维，使其预测接近实际情况。这个过程通常称为“训练模型”。实际数据集被分成训练集和验证集，通常按 90/10 的比例分配，其中 90% 用于训练，10% 用于验证其预测或错误率。这时，数据科学家可能会更改模型应该从中学习的特征，例如价格、产品、位置和/或模型的参数；这些是训练期间学习的训练数据集的属性。通常，参数是模型自行学习并在试图降低其预测错误率时自动调整的东西。
量子内积的电路设计与高效模拟及其对近期混合量子-经典机器学习影响的实证研究
在量子计算机上可验证的较低复杂度。然而，量子电路 (QC) 的 QIP 体现仍不清楚，更不用说对 QIP 电路的 (彻底) 评估，特别是在 NISQ 时代的实际环境中，通过混合量子经典管道将 QIP 应用于 ML。在本文中，我们从头开始精心设计 QIP 电路，其复杂性与理论复杂性一致。为了使模拟在经典计算机上易于处理，特别是当它集成在基于梯度的混合 ML 管道中时，我们进一步设计了一种高效的模拟方案，直接模拟输出状态。实验表明，与之前的电路模拟器相比，该方案将模拟速度提高了 68k 倍以上。这使我们能够对典型的机器学习任务进行实证评估，从通过神经网络的监督和自监督学习到 K 均值聚类。结果表明，在量子比特足够的情况下，典型量子机制带来的计算误差一般不会对最终的数值结果产生太大影响。然而，某些任务（例如 K-Means 中的排序）可能对量子噪声更加敏感。
通过扩展主动推理进行目标导向规划和目标理解：通过模拟和物理机器人实验进行评估
摘要：我们表明，通过扩展主动推理框架，可以在目的论框架中制定目标导向的行动规划和生成。所提出的模型建立在变分递归神经网络模型上，具有三个基本特征。这些特征是：（1）可以为静态感官状态（例如要达到的目标图像）和动态过程（例如围绕物体移动）指定目标；（2）该模型不仅可以生成目标导向的行动计划，还可以通过感官观察来理解目标；（3）该模型根据从过去的感官观察推断出的当前状态的最佳估计，为给定目标生成未来的行动计划。通过在模拟移动代理以及执行对象操作的真实人形机器人上进行实验来评估所提出的模型。
基于 OpenFOAM 和 CPU/GPU 计算的 AI 加速 CFD 模拟 ⋆
摘要。在本文中，我们提出了一种通过将传统 CFD 求解器与我们的 AI 模块集成来加速 CFD（计算流体动力学）模拟的方法。所研究的现象负责化学混合。所考虑的 CFD 模拟属于一组稳态模拟，并使用基于 OpenFOAM 工具箱的 MixIT 工具。所提出的模块被实现为 CNN（卷积神经网络）监督学习算法。我们的方法通过为模拟现象的每个数量创建单独的 AI 子模型来分发数据。然后可以在推理阶段对这些子模型进行流水线处理以减少执行时间，或者逐个调用以减少内存需求。我们根据 CPU 或 GPU 平台的使用情况检查所提出方法的性能。对于具有不同数量条件的测试实验，我们将解决时间缩短了约 10 倍。比较基于直方图比较法的模拟结果显示所有数量的平均准确率约为 92%。
未来量子模拟器的研讨会
28。Linsel Simon Mathias（在Pers。）Ludwig-Maximilians-Universitätmünchen物理学系和Arnold Sommerfeld理论物理中心（ASC）
高级模拟IC设计
•类似于数字转换 / pelgrom•通信系统的RF模拟障碍模型模拟：应用于OFDM的基于DM的收发器 / SMAINI•用于数字校准的方法，用于模拟电路和Systems / kayal•全数字频率频率•在深层cmos / stassibor cmos / stassizer cmos / stassize intural cmos / satasski / satasski•sansigs / sansigs•sansigs•sansy•sansys kay sanse• •基于电荷的MOS晶体管建模：低功率和RF IC设计 / ENZ的EKV模型•了解Delta-Sigma数据转换器 / PAVAN•了解Delta-Sigma数据转换器 / Schreier < / div>