XiaoMi-AI文件搜索系统
World File Search System空间探索
正确处理政府与产业的关系
国际空间探索协调小组。（2022 年 2 月 19 日）。太空探索带来的好处 - NASA。美国国家航空航天局。https://www.nasa.gov/wp-content/uploads/2015/01/benefits-stemming-from-space-exploration-2 013-tagged.pdf?emrc=ca90d1
印度政府空间部“...
0 7 . LSUSQN o . 4 3 3 2 202 4 年 7 月 4 日 空间探索与 1 5 - 2 0 技术开发 0 8 . LSUSQN o . 1 4 2 7 3 202 4 年 7 月 1 日 空间技术与空间 2 1 - 2 7 合作 0 9 . LSUSQN o . 1 4 3 3 202 4 年 7 月 31 日 空间技术支持 28 - 3 1 初创企业
在65nm ASIC
本文提出了Saber的设计空间探索，这是NIST抗量子的公钥加密标准化工作中的决赛入围者之一。我们的设计空间探索目标是一个65nm的ASIC平台，并评估了6种不同的体系结构。我们的探索是通过设置从FPGA移植的基线雅的启动的。为了提高时钟频率（我们探索的主要目标），我们采用了几种优化：（i）以“智能合成”方式使用编译的记忆，（ii）管道上的和（iii）在Saber构建块之间共享逻辑。最优化的体系结构利用四个寄存器文件，达到了1次的显着时钟频率，而仅需要0.314𝑚𝑚2的面积。此外，为此体系结构进行了物理综合，并提出了磁带的布局。高频体系结构的估计动态功率消耗约为184MW，对于封装或拆卸操作而言，高频架构的估计动力消耗约为184MW。这些结果强烈表明我们优化的Acererator架构非常适合高速加密应用。
10 SRSRS-20-ISMDD.docx
1）在指导下，参与部门在空间科学、天文学和天体物理学方面的研究与发展（R&D）活动的开展；2）协助指导、监督和规划部门活动，以及空间探索与观测、空间环境利用和空间态势感知方面的地球内和空间任务活动；3）协助制定和规划空间探索与观测、空间环境利用和空间态势感知方面的研发提案和任务；4）开发科学模型，进行数值和分析计算，设计和实施物理模拟；5）设计和进行科学技术实验，收集和分析数据；6）带头使用和维护进行空间科学和空间任务研发所需设备和设施；7）支持准备和实施研发和部门的关键成果； 8）协调、参与和代表本部门参加会议、谈判、研讨会和其他跨部门或机构的本地和国际合作活动，以解决其层面上可以解决的问题；9）参加相关的研讨会、讲习班、会议和能力建设；10）执行可能不时分配的其他任务或职能。
自动过渡金属催化剂发现和优化AI和机器学习
在AI/机器学习（ML）的帮助下，自动化的化学空间探索是现代化学发现中非常重要的方法。在有机化合物的该区域中的进展已导致第一个AI发现的活性药物成分（API）进入II期试验。[1,2]通过有机金属化合物的化学空间探索，可以将相同的好处扩展到催化剂发现。但是，由于其他限制，例如协调几何和综合性，例如旋转状态，催化剂稳定性和选择性等。由于需要计算和/或估计激发态和过渡状态的属性，因此与API发现相比，与API发现相比，评估催化剂的所需功能在计算筛选中也更为需要计算。在同型催化中，诸如溶剂，温度和添加剂等其他维度可能会对反应结果产生重大影响，并且需要包括在评估方法中。合成催化反应通常涉及化学和立体选择性，竞争侧反应以及多个可能的可能性
用于估计 CNN 加速器硬件指标的高级建模框架
摘要 — 由于 GPU 具有针对 CNN 运算符量身定制的架构，因此它成为卷积神经网络 (CNN) 训练和推理阶段的参考平台。然而，GPU 是耗电极高的架构。在能耗受限的设备中部署 CNN 的一种方法是在推理阶段采用硬件加速器。由于其复杂性，使用标准方法（如 RTL）对 CNN 的设计空间探索受到限制。因此，设计人员需要能够进行设计空间探索的框架，该框架可提供准确的硬件估算指标来部署 CNN。这项工作提出了一个探索 CNN 设计空间的框架，提供功耗、性能和面积 (PPA) 估算。该框架的核心是一个系统模拟器。系统模拟器前端是 TensorFlow，后端是从硬件加速器的物理合成（而不仅仅是从乘法器和加法器等组件）获得的性能估算。第一组结果评估了使用整数量化的 CNN 精度、物理综合后的加速器 PPA 以及使用系统模拟器的好处。这些结果允许进行丰富的设计空间探索，从而能够选择最佳的 CNN 参数集以满足设计约束。
新闻稿意大利和卢森堡标志...
备忘录将作为建立合作框架，分享专业知识和两个机构之间信息交换的工具。它还旨在通过确定共同感兴趣的项目（例如在民用空间探索和可持续利用太空资源，科学以及技术以及技术和应用程序的可持续利用领域）来加强合作。谅解备忘录将进一步促进研究，探索，开发和使用空间，不仅是两国，而且还促进了学术和研究机构以及私营部门空间公司。
辐射耐受的光耦合器和 - 霍尔效应传感器...
Cubesats（也称为Microsats或纳米卫星）是微型卫星。他们为大学，研究人员和私营部门公司提供了前所未有的访问低地球轨道空间勘探能力的机会，曾经仅保留给政府太空机构。尽管尺寸较小，但发现了立方体的监视和诊断能力，可有效地支持许多传统的空间探索研发要求，而费用的一小部分。右侧是典型的立方体设计。
量化脉动阵列 DNN 加速器中激活故障可靠性的探索
摘要 — 深度神经网络 (DNN) 加速器可靠性的严格要求与减少硬件平台计算负担的需求相伴而生，即降低能耗和执行时间以及提高 DNN 加速器的效率。此外，对具有定制要求的专用 DNN 加速器的需求不断增长，特别是对于安全关键型应用，这需要进行全面的设计空间探索，以开发出满足这些要求的高效且强大的加速器。因此，硬件性能（即面积和延迟）与 DNN 加速器实现的可靠性之间的权衡变得至关重要，需要分析工具。本文提出了一种全面的方法来探索和实现对量化对模型精度、激活故障可靠性和硬件效率的三方影响的整体评估。介绍了一个完全自动化的框架，该框架能够应用各种量化感知技术、故障注入和硬件实现，从而实现硬件参数的测量。此外，本文提出了一种集成在框架内的新型轻量级保护技术，以确保最终基于脉动阵列的 FPGA 实现的可靠部署。在已建立的基准上进行的实验展示了分析流程以及量化对可靠性、硬件性能和网络准确性的深远影响，特别是关于网络激活中的瞬态故障。索引术语 — 深度神经网络、设计空间探索、量化、故障模拟、可靠性评估
分析教师候选人关于人工智能融入的论点
人工智能 (AI) 在教育领域日益重要的作用引发了关于其对教学和学习的影响的重要讨论。这项定性研究探讨了伊迪尔大学 118 名教师候选人对将人工智能融入教育实践的辩论观点。我们采用 Toulmin (1958) 模型，分析了他们的论点，包括主张、证据、依据、支持、反驳和结论，以确定他们对人工智能教学整合的立场。利用四个不同的人工智能聊天机器人——GPT-4、Gemini AI、Claude 3 Haiku 和 Mistral AI——该研究解读了这些维度中的主题暗流。此外，通过“负空间探索”做出了新颖的方法论贡献，重点关注未提及的主题，以识别论证中的潜在偏见和假设。该研究的双重分析方法结合了人工智能驱动的主题识别和负空间探索，丰富了对内容的理解。主要发现表明，参与者的看法存在微妙差异：虽然人工智能聊天机器人被认为可以提高教育效率并实现个性化学习，但人们仍然担心人际互动减少、批判性思维技能可能受到侵蚀以及道德使用问题。分析还强调需要平衡人工智能实施，以支持而不是取代传统教育方法。这项研究促进了关于有效将人工智能融入教育的持续辩论，并呼吁负责任地采用人工智能技术。