XiaoMi-AI文件搜索系统
World File Search System空间探索
Marco：组合优化的内存增强框架
神经组合优化（NCO）是一个新兴领域，采用深度学习技术来解决组合优化问题作为独立的求解器。尽管具有潜力，但现有的NCO方法通常会避免效率低下的搜索空间探索，这通常会导致对先前访问的州的局部最佳捕集或重大探索。本文介绍了一种多功能框架，以组合优化为内存的增强（MARCO），可用于通过Innova的内存模块来增强NCO中的建设性和反复证明方法。Marco存储在整个优化轨迹中收集的数据，并在每个状态下检索上下文相关的信息。以这种方式，搜索以两个综合标准为指导：就解决方案的质量而做出最佳决定，并避免重新研究已经探索的解决方案。这种方法可以更有效地利用可用的选择预算。此外，由于NCO模型的并行性质，几个搜索线程可以同时运行，所有搜索线程都可以共享相同的内存模块，从而实现了有效的协作利用。经验评估是根据最大切割，最大独立集和推销推销员的问题进行的，表明内存模块有效地增加了探索，并促进了模型，以发现各种质量，更高质量的解决方案。Marco在低计算成本中实现了良好的性能，在NCO领域建立了有希望的新方向。
MDM：GPU 内存发散模型
摘要 — 通过使用一组数学方程式捕捉一阶性能现象，分析模型使架构师能够比周期精确模拟快几个数量级地进行早期设计空间探索。但是，如果由于模型不准确而导致通过模型获得的结论具有误导性，则这种速度优势无效。因此，实用的分析模型需要足够准确，以捕捉广泛应用程序和架构配置中的关键性能趋势。在这项工作中，我们专注于分析建模新兴的内存发散 GPU 计算应用程序的性能，这些应用程序在机器学习和数据分析等领域很常见。这些应用程序的空间局部性较差，导致 L1 缓存频繁阻塞，因为应用程序发出的并发缓存未命中数量远远超过缓存可以支持的次数，从而削弱了 GPU 使用线程级并行 (TLP) 隐藏内存延迟的能力。我们提出了 GPU 内存发散模型 (MDM)，该模型忠实地捕捉了内存发散应用程序的关键性能特征，包括内存请求批处理和过多的 NoC/DRAM 排队延迟。我们根据详细的模拟和真实硬件验证了 MDM，并报告了以下方面的重大改进：(1) 范围：除了非内存发散应用程序外，还能够对流行的内存发散应用程序进行建模；(2) 实用性：通过使用二进制插装而不是功能模拟来计算模型输入，速度提高了 6.1 倍；(3) 准确性：平均预测误差为 13.9%，而最先进的 GPUMech 模型为 162%。
加纳空间科学技术研究所
• 建立专门的非洲空间机构：推动建立一个大陆机构，以进行有效协调，促进合作、资源共享、审慎的空间投资以及空间探索和应用方面的专业知识开发。 • 开发空间监测系统：实施价格合理且易于获取的卫星技术，以近乎实时地收集和监测整个非洲的自然资源、环境变化以及灾害风险减少和防备的数据。 • 倡导增加对可持续农业实践的财政支持和投资，包括精准农业和卫星制导技术，以提高生产力，同时最大限度地减少对环境的影响。 • 启动可持续发展目标空间倡议：创建一个公私合作基金，为实现非洲可持续发展目标 (SDG) 的空间解决方案提供资金，优先考虑粮食安全、医疗保健以及气候变化减缓和适应。 • 实施能力建设计划：为科学家、工程师和企业家举办培训研讨会和指导计划，以开发适合加纳和非洲背景的技术和解决方案，使他们具备利用空间技术促进发展的技能和知识。促进与成熟的航天国家建立伙伴关系，提供指导、知识转移和技术援助。呼吁制定培训计划和能力建设举措，重点是让农民掌握利用空间技术、数据分析和气候智能实践的技能。• 促进私营部门投资：制定明确的法规和激励措施，吸引私人投资者和公司与非洲政府和机构合作开发和部署太空解决方案。第二章。国际和平与安全
多环境自适应地形检测和导航机器人
摘要：此摘要总结了针对外星探索的地形检测机器人的设计，开发和功能的详细探索。该机器人的主要目的是通过使它们能够在不损坏的情况下驾驶各种地形来提高空间探针的安全性和效率。该文档详细介绍了机器人的设计，并结合了通过应用力和反馈机制进行自适应运动的创新功能，例如地面硬度检测。已参考了重大研究强调机器人适应从沼泽到沙漠的各种地面类型的能力，由于其复杂的表面，这通常会对移动性构成重大风险。例如，诸如概率神经网络和支持向量机之类的技术用于表面分类，该技术基于使用诸如局部二进制模式和加快稳健特征的方法提取的纹理特征。机器人的结构包括具有铝合金组件的稳健机械结构和适用于各种天体的不同引力拉力的高振动电动机。机器人的关键特征是它可以重新定位本身的能力，而不是在遇到不可能的地形时反转，这是由独特的车轮设计和复杂的控制系统促进的。本文档还讨论了为空间探索设计机器人系统的实践挑战和理论含义，包括对模拟外星表面的耐用性测试以及高级传感器和AI的集成以改善导航决策。文档的结论中概述的业务模型提出了一种将该技术商业化用于太空探索应用的战略方法。
新前沿级天王星轨道器的研制
1 约翰霍普金斯应用物理实验室，空间探索部门，马里兰州劳雷尔 20723，美国； Ian.Cohen@jhuapl.edu 2 SETI 研究所，美国加利福尼亚州山景城 94043 3 美国国家航空航天局艾姆斯研究中心，空间科学和天体生物学部，美国加利福尼亚州山景城 94043 4 爱达荷大学物理系，美国爱达荷州莫斯科 83844 5 现就职于罗彻斯特理工学院，Chester F. Carlson 成像科学中心，美国纽约州罗彻斯特 14623 6 美国国家航空航天局戈达德太空飞行中心，科学与探索理事会，美国马里兰州格林贝尔特 20771 7 汉普顿大学，大气与行星科学系，美国弗吉尼亚州汉普顿 23668 8 德克萨斯大学奥斯汀分校，地球物理研究所，美国德克萨斯州奥斯汀 78758 9 兰开斯特大学物理系，英国兰开斯特 LA1 4YW 10 加州理工学院喷气推进实验室，帕萨迪纳，CA 91109，美国 11 莱斯特大学物理与天文学院，莱斯特，LE1 7RH，英国 12 巴黎大学/巴黎环球物理研究所，宇宙化学、天体物理学和实验地球物理学系，F-75005 巴黎，法国 13 法国国家科学研究中心 ( CNRS ) / 空间研究和天体物理仪器实验室 ( LESIA ) / 巴黎-默东天文台，F-92190 默东，法国 14 美国国家航空航天局兰利研究中心，汉普顿，VA 23666，美国 15 内布拉斯加大学 - 林肯分校，物理与天文系，林肯，NE 68588，美国 16 苏黎世大学，理论天体物理与宇宙学中心，计算科学研究所，190 CH-8057 瑞士苏黎世 17 利物浦大学地球、海洋与生态科学系，利物浦，L69 3BX，英国 18 东北大学行星等离子体与大气研究中心，青叶，仙台，宫城 980-8578，日本 19 美国自然历史博物馆天体物理学系，纽约，NY 10024，美国 20 哥伦比亚大学天文学系，纽约，NY 10027，美国 21 艾克斯-马赛大学马赛天体物理实验室，F-13013 马赛，法国 22 意大利国家天体物理研究所 ( INAF ) / 空间天体与行星研究所 ( IAPS )，I-00133，罗马，罗马，意大利 23日本宇宙航空研究开发机构宇宙航行科学系，日本神奈川县相模原市 252-5210 24 约翰霍普金斯大学 Morton K. Blaustein 地球与行星科学系，美国马里兰州巴尔的摩 21218 25 德国航空航天中心 (DLR)，行星研究所，德国柏林 Rutherfordstrasse 2, D-12489 26 加州大学伯克利分校天文系，美国加利福尼亚州伯克利市 94720 27 伯尔尼大学空间探索与行星部门，Hochschulstrasse 6, 3012 伯尔尼，瑞士 收到日期 2021 年 10 月 21 日；修订日期 2022 年 1 月 27 日；接受日期 2022 年 1 月 31 日；发布日期 2022 年 3 月 8 日
Jasmine Rimani、Charles Lesire、Stéphanie Lizy-Destrez、Nicole Viola。MBSE 在 HDDL 中建模分层 AI 规划问题的应用。ICAPS 2021，2021 年 8 月，虚拟活动，中国。第 0 页。�hal-03434905�
分层 AI 规划的最新改进为不同专业领域的新应用开辟了道路。一个存在大胆而复杂的规划和调度问题的领域是空间探索系统操作的定义。对于这种特定的应用，分层定义域语言 (HDDL) 可能是最合适的 AI 规划语言。然而，为 HDDL 设计和编写问题和域文件是一项复杂的任务。它们需要熟练的设计师来编写和检查语法的一致性。此外，共享和修改 HDDL 文件可能是一项复杂的任务，并且可能缺乏修改的可追溯性，从而使整个过程容易出错。另一方面，大多数空间系统工程师（空间系统操作概念的架构师）几乎从未在大学课程中学习过 HDDL 和 PDDL 等规划语言。本文提出的工作有助于填补太空操作工程师与 AI 规划潜力之间的空白，以解决应用于太空探索系统的规划和调度问题。HDDL 的典型问题和域文件是从 SysML 的形式化构建的，SysML 是一种用于系统工程的通用架构建模语言。SysML 被有效地用作基于模型的系统工程 (MBSE) 中的建模语言，以研究和设计太空任务的任务架构。所提出的方法应用于模拟空间机器人任务，其中协作无人机和探测车需要探索未知环境。该方法的最终目的是将“人类知识”转移到规划问题中，并展示 MBSE 应用于 AI 规划问题的知识工程 (KE) 的能力。
会议论文集 智能系统集成 2021 年 4 月 27 日至 29 日
过去几年，深度神经网络 (DNN) 已成为人工智能的主导子领域。机器学习 (ML) 框架（如 TensorFlow [10]）有助于在高抽象级别上设计更强大的神经网络，从而实现新的架构和网络拓扑。FPGA 甚至 ASIC 被证明是加速 DNN 推理的有前途的后端设备，可提供良好的吞吐量和延迟，同时通过多种优化技术解决硬件资源有限的挑战。然而，手工设计这些设计是一项非常耗时的任务，因为 DNN 模型及其工作负载会不断变化，即使对于即将到来的高级综合 (HLS) 领域也是如此。为了弥补生产力方面的差距，已经引入了许多框架，从高级网络描述开始，自动为 FPGA 板 [3-5] 和 ASIC [3] 生成优化的硬件实现。已发布的结果表明，这些框架在性能、延迟和能效方面能够超越最先进的加速器，甚至超越基于 GPU 和 TPU 的解决方案 [3]。本文首先简要概述了最近提出的一小部分框架解决方案，并深入了解了它们的方法。这些框架中的每一个都根据其方法和优化技术定义了一个单独的设计空间。它们大多数自动化设计空间探索 (DSE) 的支柱是专门的预测工具或分析模型，用于估计参数选择将如何影响早期设计阶段的整体性能、能耗或后期硬件系统的面积。提出的结果表明，与实际硬件实现相比，这些预测可以实现可靠的准确性 [3,5]，从而有效地选择最佳设计候选方案。在设计周期的早期获取这些信息至关重要
月球矿石保留标准（101）
这项工作介绍了月球储量标准的当前开发（LORS101）。这些标准旨在为月球资源探险家，矿工，投资者以及对月球资源（Mineral and volales）QuanɵɵEs的任何相关方提供一致的指南，对月球资源项目的评估，并报告全面的分类框架中的结果。LORS-101分类框架考虑地质不确定性，项目和技术成熟度，以及社会上的框架，以及社会上的框架和Lors-Cal和Lors-101，还包括SRU或原位资源的词汇表或现场资源uɵlisaɵon（ISRU），这是对月球，Mars和其他机构的使用，或者在Sere中使用的，或者在Sere中使用的是，也可以在Sere和其他机构中使用，并在Sere中使用，该系统是在Sere中使用的。目前在石油和天然气和采矿业中使用的定义。SRU技术将为人类提供进一步探索的空间，而对于所有SRU技术阶段都是必不可少的。关键挑战之一是SRU的独特跨学科性质；它集成了空间系统，机器人，材料处理和益处，以及化学过程工程。这是对月球或行星地质学的知识所支持的，包括矿物学，物理特征和当地材料的可变性。以一种协调的方式将如此多样化的领域结合起来，需要使用一个通用框架，该框架将使歌剧进行整合和技术的比较，并将定义全球术语在所有领域中使用。在sruacɵviɵes之前需要解决的重要项目之一是Esɵmaɵon和公共记录的标准的范围；空间探索结果，空间资源评估和空间储备。
阿尔茨海默氏病和癫痫用例
脑电图（EEG）被广泛用作一种非侵入性技术，用于诊断几种脑部疾病，包括阿尔茨海默氏病和癫痫病。直到最近，人类专家已经通过脑电图读数发现了疾病，这不仅可能是特定的，而且很难找到，而且还会遭受人为错误。尽管最近出现了用于解释脑电图的机器学习方法，但大多数方法无法捕获人脑不同区域中信号之间的基本任意非欧几里得关系。在这种情况下，图形神经网络（GNN）因其在不同类型的图形结构数据中有效分析复杂关系的能力而引起了人们的关注。这包括脑电图，一个用例相对尚未探索。在本文中，我们旨在通过提出一项研究的研究来弥合这一差距，该研究应用于基于脑电图的阿尔茨海默氏病的检测以及对两种不同类型的癫痫发作的歧视。为此，我们通过证明单个GNN体系结构在两种用例中都可以实现最新性能来证明GNN的价值。通过设计空间探索和解释性分析，我们开发了一种基于图形的变压器，该变压器在阿尔茨海默氏病的三元分类变体和癫痫用例的三元分类变体中，可实现超过89％和96％的交叉验证准确性，与专家学家绘制的直觉相匹配。我们还讨论了GNN对脑电图的实时操作的计算效率，概括性和潜力，将其定位为分类各种神经病理学的宝贵工具，并为研究和临床实践开辟了新的前景。
推动重新进入技术的限制：Efesto-2项目的概述和充气隔热罩的进步
摘要。随着太空探索技术的发展，对可靠的重新进入系统的需求变得越来越关键。欧洲灵活的隔热罩：未来轨内演示的高级TPS设计和测试 - 2（efesto-2）项目是一项欧洲资助的一项旨在提高可充气耐热罩（IHS）的技术准备水平的欧洲资助的计划，这是一种可以在重新进入过程中可以部署的创新热保护系统。该项目旨在进一步推进Efesto项目中的工作，重点是扩大对IHS关键方面的调查，并提高该领域使用的工具和模型的置信度和鲁棒性。efesto-2项目建立在四个支柱上，包括通过业务案例分析来巩固用例适用于有意义的空间应用，扩展了父亲项目Efesto的调查范围升至IHS领域的其他关键方面，从而将工具/模型的置信水平和稳健性的置信度和稳健性提高，以确保在欧洲的行动中，以促进欧洲的行为，以确保欧洲的行为范围内的行为。本文概述了Efesto-2项目的目标，成就，正在进行的活动和计划的活动，直到完成。详细描述了项目在热保护系统，充气隔热罩和技术准备水平的领域的进步，突出了该项目对欧洲重新进入技术路线图的贡献。该项目已从1010811041的授予协议下获得欧盟地平线欧洲研究与创新计划的资金。通过该项目，欧洲太空计划旨在推动重新进入技术的限制，并加强其作为空间探索创新技术领导者的地位。