XiaoMi-AI文件搜索系统
World File Search System硬件的
个人和边缘计算设备的AI硬件的安全风险
我们目前正在AI中经历关键时刻，这种趋势正在迅速扩展到各个部门，并且可能对社会，企业和政府产生巨大的影响。这一激增主要是由绩效的重大增强驱动的，几乎任何专业都可以通过合并AI技术来实现。因此，未能采用这些能力的实体可能很快发现自己处于竞争不利的位置。应对这种不断增长的需求，各种开发人员和公司正在积极将AI嵌入常用平台，例如桌面和移动操作系统（OS）。有些人甚至正在开发专门的硬件，以提高这种变革性技术的效率，以确保AI工具对更广泛的受众更容易获得和有效。
基于硬件的技术 - 支持 - ...
裂变过程于1939年首次报道，并于1942年实现了世界上第一个人造的自我维持裂变反应。创建自我维持的裂变链反应在概念上非常简单。所需的一切都是要放置在正确的几何形状中的正确材料 - 无需极高的温度或压力 - 系统将运行。自1942年以来，裂变系统已被政府，工业和大学广泛使用。裂变系统独立于太阳接近或方向运行，因此非常适合深空或行星表面任务。此外，裂变系统的燃料（高度富集的铀）本质上是非放射性活性的，含有0.064 curiedkg。这与当前的空间核系统（放射性同位素系统中的PU-238包含17,000个Curiedkg）相比，并且某些高度未来派的推进系统（D-T融合系统中的Tritium将包含10个，OOO.W CURIEDKG）。zyxw的另一个比较是，在启动时，典型的空间裂变推进系统将比火星探索者的寄居者漫游者（Sojourner Rover）使用放射性病来进行热控制。裂变系统的主要安全问题是避免无意系统开始 - 通过适当的系统设计解决此问题非常简单。裂变的能量密度比最好的化学燃料大7个数量级，如果正确使用，则足以使能够快速，负担得起的访问太阳系中的任何点。
对多核边缘神经形态系统的映射算法和路由硬件的共选
Last but not least, the project will bridge the gap between hardware and software models by investigating mapping strategies targeting the following design constraints: (a) co-design and co-optimization with the underlying routing mechanism, so that smart mappings can allow more lightweight multicast hardware, (b) co-optimizing the SNN partitioning step with the placement one for efficient mapping of large scale SNNs to highly-parallel神经形态硬件。
近似硬件的测试与可靠性
数字电路和系统的高可靠性得益于多种方法。这些方法确保设计在规定的条件下和预计的使用寿命内发挥其功能。它们涵盖了与电子产品的制造和现场运行相关的不同方面。例如，洁净室控制杂质，工业控制系统实现生产一致性；封装前后的老化和测试确保在对电路施加应力后检测到设计弱点和制造缺陷。在将半导体推向市场之前，所有这些方法都是必要的，但它们并非万无一失。尽管小型化提供了许多优势，但每个新的 CMOS 节点都面临可靠性问题，因为这一趋势正在迅速接近操作和制造的物理极限 [1]。数字系统在其使用寿命的三个阶段可能会出现故障，如图 1 中的浴盆曲线所示 [39]。早期故障被称为早期死亡率；工作寿命期间发生随机故障，磨损故障
神经形态硬件的在线测试
摘要 — 我们提出了一种用于支持脉冲神经网络的神经形态硬件的在线测试方法。测试旨在实时检测由于硬件级故障而导致的异常操作，以及筛选容易出现错误预测的异常值或角落输入。测试由两个片上分类器实现，它们基于使用脉冲计数提取的低维特征集预测网络是否会做出正确的预测。分类器系统能够评估决策的置信度，当置信度被判断为低时，重放操作有助于解决歧义。通过将测试方法完全嵌入到基于 FPGA 的定制神经形态硬件平台中，可以演示测试方法。它在后台运行，完全不干扰网络操作，同时为绝大多数推理提供零延迟测试决策。索引术语 — 神经形态计算、脉冲神经网络、测试、可靠性。
先进封装技术助力人工智能硬件的未来
• 混合粘合尺寸：~13 x 29 毫米（0.45x 掩模版） • 顶部的逻辑芯片可改善散热效果 • N5 XCD/CCD 堆叠在 N6 基片（IOD）上 • 垂直带宽高达 17TB/s
Quasar-ViT：面向硬件的视觉变换器量化感知架构搜索
视觉转换器 (ViT) 已证明其在计算机视觉任务中比卷积神经网络 (CNN) 具有更高的精度。然而，为了在资源有限的边缘设备上有效部署，ViT 模型通常需要大量计算。这项工作提出了 Quasar-ViT，一种面向硬件的量化感知 ViT 架构搜索框架，以设计用于硬件实现的高效 ViT 模型，同时保持精度。首先，Quasar-ViT 使用我们的逐行灵活混合精度量化方案、混合精度权重纠缠和超网层缩放技术来训练超网。然后，它应用一种高效的面向硬件的搜索算法，结合硬件延迟和资源建模，从不同推理延迟目标下的超网中确定一系列最佳子网。最后，我们提出了一系列 FPGA 平台上的模型自适应设计，以支持架构搜索并缩小理论计算减少和实际推理加速之间的差距。我们搜索到的模型在 AMD/Xilinx ZCU102 FPGA 上分别实现了 101.5、159.6 和 251.6 帧每秒 (FPS) 的推理速度，对于 ImageNet 数据集的 top-1 准确率分别达到 80.4%、78.6% 和 74.9%，始终优于之前的研究。
机器学习辅助构建用于噪声量子硬件的浅深度动态假设
门保真度。然而，这些方法中的大多数通常需要大量的预电路测量，这会显著增加计算开销。此外，NISQ 架构的噪声可以从根本上改变动态电路的设计。从池中选择运算符和由此产生的幺正运算可能会与最佳结果有显著偏差，因为它的构造高度依赖于测量（当使用 NISQ 硬件时会产生误差）。因此，在构建动态假设时，减少量子资源的利用至关重要。在这方面，我们应该优先使用基于第一性原理或借助机器学习的方法。这些方法有可能绕过 NISQ 架构带来的任何挑战，避免潜在的陷阱。在这项工作中，我们介绍了一种新方法，它将无监督机器学习 (ML) 技术与基于多体微扰理论的第一性原理策略相结合。最终成果是一个动态构建的假设，它在紧凑性和表现力之间取得了非凡的平衡，所有这些都是在没有大量预电路测量负担的情况下实现的。这个紧凑的假设让我们能够获得分子能量和波函数，这对于准确评估各种分子特性至关重要。它使我们能够探索目前传统计算机无法触及的新化合物和现象。
前景、应用和对硬件的影响
大公司也参与其中；2023 年 12 月，谷歌宣布了其 Gemini 模型系列，其中包括迄今为止最大的模型 Gemini Ultra，以及 Gemini Nano，后者是通过从 Ultra 进行蒸馏学习训练的版本，可在某些 Pixel 智能手机上运行。苹果为其 Apple Silicon SoC 上的 AI 项目开源了 MLX 框架。这里还值得一提的是，Stability AI 标志性的 Stable Diffusion 图像生成器是缩小生成式 AI 的先驱——该模型需要 5GB 的 GPU RAM 才能运行，因此可以安装在任何 Apple Silicon Mac 上，而高通已经演示了它在智能手机上的运行。12 月，Stability 创始人 Emad Mostaque 在他的 X feed 上预测，一个开源项目将在 2024 年的某个时候在边缘计算平台上匹敌或超越 GPT-4。2024 年 1 月，Stability AI 推出了 StableLM 2，这是一个只有 16 亿个参数的语言模型——比最初的 StableDiffusion 略大。
支持硬件的治理机制：开发技术解决方案，以豁免在出口控制分类编号3A090和4A090
我们正处于历史上特别脆弱的时刻。在过去的十年中，一系列新兴技术的进步令人叹为观止，这些技术有可能在全球变化的规模上广泛改善人类健康和福祉，但如果不明智地统治，这也会带来灾难性的风险。人工智能（AI）因其进度速度和应用的范围而脱颖而出，但AI系统本质上是双重使用的。基础模型越来越广泛的能力扩展到实现生物恐怖主义，虚假信息运动和其他危害。目前，滥用技术的能力大大超过了管理它的能力。RAND Global和新兴风险部门的技术和安全政策中心正在通过一个研究项目来帮助解决这一不对称性，该项目旨在识别和评估高级AI加速器芯片的各种支持硬件的治理机制，并提出支持其实施的政策选择。该研究项目的最终报告将于2024年春季发布，其中包括与更多专家合作的研讨会和见解的结果，并纳入了进一步的同行评审。这项研究已经进行，美国工商部的工业和安全局（BIS）发布了一项出口控制临时最终规则，以限制中国访问高级AI ACELERATOR芯片，这些芯片有助于开发Frontier AI系统，该系统具有可能威胁美国国家安全利益的能力。1 Rand在这一领域的正在进行的工作应证明在告知Inders Insport of Insport（RFC）的技术解决方案以帮助实现出口控制政策目标方面非常有价值。 为了及时告知这一新兴政策空间并支持BIS的RFC，Rand以本工作论文的形式发布了我们的工作的相关部分。 我们希望这份工作文件将由美国高级计算机和超级计算机制造商进行审查，并且它有助于在美国决策者和行业领导者之间进行对话，以限制与高级计算芯片出口相关的新兴国家安全风险的新方法。1 Rand在这一领域的正在进行的工作应证明在告知Inders Insport of Insport（RFC）的技术解决方案以帮助实现出口控制政策目标方面非常有价值。为了及时告知这一新兴政策空间并支持BIS的RFC，Rand以本工作论文的形式发布了我们的工作的相关部分。我们希望这份工作文件将由美国高级计算机和超级计算机制造商进行审查，并且它有助于在美国决策者和行业领导者之间进行对话，以限制与高级计算芯片出口相关的新兴国家安全风险的新方法。