XiaoMi-AI文件搜索系统
World File Search System组件级
电子包装材料和组件级降解监控
电子组件是由不同材料组合组成的复杂系统，这些系统会随着第二种热力学定律的变化而发生变化。其质量或功能的损失在降低的电子组件的性能或行为中反映出，这可能会导致其运行寿命的失败。因此，了解材料降解的物理学以及导致其确保组件可靠性的因素至关重要。本文着重于包装材料的降低物理学，这些物理通常暴露于环境和操作负载。本文的内容分为三个部分。首先，提出了包装技术和封装材料的概述。然后，审查了最常见的降解因素和与包装相关的故障模式。最后，讨论了硬件要求，包括专门的传感器，测量技术和数字双胞胎，以捕获降解效果并促进小电子级别的健康监测。
抽水蓄能水电站组件级自下而上的成本模型
本报告最初于 2023 年 9 月发布，并于 2024 年 3 月进行了修订，以改进和纠正水管组件技术规格和成本的计算，使模型与报告中引用的 1990 年 EPRI 抽水蓄能规划和评估指南更加一致。我们现在分别计算或假设压力水管、尾水管和其他隧道的最大流速，这些值可告知隧道直径、排放速率和成本。隧道直径现在反映了所有水管组件的隧道数量。现在，每个水管的成本取决于该特定组件的长度，并且估算水管长度的方法已更新，以更好地匹配 EPRI 报告中的指导。水管成本现在还包含单位数量或隧道数量（如适用）。当选择地面压力水管时，其长度的估算方式与地下压力水管相同。
SSRO 关于编制和提交合同报告的报告指南 v12 2024 年 3 月
1.1 本文件由单一来源法规办公室 (SSRO) 发布。它列出了指导方针，以协助国防承包商准备和提交《2014 年国防改革法案》（该法案）和《2014 年单一来源合同法规》（该法规）所要求的报告，包括组件级信息。承包商必须注意的这份指导文件涵盖了合同报告的准备和提交，其要求在法规第 5 部分中列出。报告要求于 2024 年 4 月 1 日发生重大变化，承包商需要确保他们熟悉从此日期起的要求。合同报告和组件级信息包含有关合同要求、付款、估计和实际成本、利润、影响交付和分包的因素的一系列数据。
超越事后可解释的人工智能
摘要。AI模型被批评为黑匣子，这可能会使气候科学更加不确定性。已提出了可解释的人工智能（XAI）来探测AI模型并增加信任。在这篇评论和观点论文中，我们建议，除了使用XAI方法外，气候科学领域的AI研究人员还可以从过去的成功发展中学习基于物理学的动态气候模型的成功。动力学模型很复杂，但获得了信任，因为它们的成功和失败可以在某些时候归因于特定的组件或子模型，例如，当指向细胞参数化来解释模型偏差时。我们提出了三种类型的理解作为评估动力学和AI模型的信任的基础：（1）工具理解，当模型通过功能测试时，这是对此进行的； （2）在研究人员可以使用统计技术识别输入输入关系的建模结果时获得的坚定理解； （3）组件级的理解是指建模者指向模型架构中特定模型组件或部分的特定模型组件的能力，作为不稳定的模型行为的罪魁祸首，或者是模型的原因。我们演示了过去几十年来通过气候模型对比项目进行的组件级别的理解和实现。这种组件级别的理解通常会导致模型改进，也可以作为思考AI驱动气候SCI-
SSRO 关于编制和提交合同报告的报告指南 v12 2024 年 3 月
1.1 本文件由单一来源法规办公室 (SSRO) 发布。它列出了指导方针，以协助国防承包商准备和提交《2014 年国防改革法案》（该法案）和《2014 年单一来源合同法规》（该法规）所要求的报告，包括组件级信息。承包商必须注意的这份指导文件涵盖了合同报告的准备和提交，其要求在法规第 5 部分中列出。报告要求于 2024 年 4 月 1 日发生重大变化，承包商需要确保他们熟悉从此日期起的要求。合同报告和组件级信息包含有关合同要求、付款、估计和实际成本、利润、影响交付和分包的因素的一系列数据。
RF Power应用的氮化碳技术
问题陈述：能够高速和高功率处理的半导体设备平台是无数RF电源应用的关键组件级构建块，例如雷达（国防，航空航天和平民 - 汽车），通信（国防，航空航天，航空和平民 - 5G及以后），信号jamming和rf。迫切需要这些技术，尤其是印度的国防和航空航天机构，因为它们是敏感和控制的。
计算机工程 - 新加坡
计算机工程是一门多学科课程，超越了计算机科学和电气工程的传统界限。计算机工程师在电气工程、软件设计和硬件/软件集成方面接受过均衡的教育。学生涉及计算的许多方面，从组件级电路设计到涉及智能系统的大规模集成；能源管理、监控和监督；以及信息处理系统和通信。
SOK：在自动驾驶中的语义AI安全性
摘要 - 自主驾驶（AD）系统依靠AI组件来做出安全和正确的驾驶决策。不幸的是，今天的AI算法通常是对对抗攻击的脆弱性。但是，要使这样的AI组件级漏洞在系统级别上具有语义影响，它需要解决从系统级攻击输入空间到AI组件级别的非平凡语义差距（1），以及（2）从AI组件级别的攻击影响到系统级别的人。在本文中，我们将研究空间定义为语义AI安全性，而不是通用AI安全性。在过去的5年中，越来越多的研究工作将在广告环境中应对此类语义AI安全挑战，这已经开始显示指数级的增长趋势。但是，据我们所知，到目前为止，这个新兴的研究空间还没有全面的系统化。在本文中，我们对这种不断增长的语义AD AI安全研究领域的知识进行了首次系统化。总共收集和分析了53篇论文，并根据对安全领域至关重要的研究方面进行系统分类，例如攻击/国防目标AI组件，攻击/国防目标，攻击向量，攻击媒介，攻击知识，防御可部署性，防御能力，防御可靠性和评估方法。我们总结了基于现有的AD AI安全性工作的定量比较以及与密切相关域的安全性工作水平进行的6个最重大的科学差距。使用这些，我们不仅可以在设计层面，而且在研究目标，方法论和社区层面上提供见解和潜在的未来方向。为了解决最关键的科学方法论级别的差距，我们采取了主动性为开源，统一和可扩展的系统驱动的评估平台（名为PASS），称为语义AD AD AI AI安全研究社区。我们还使用实现的平台原型来展示使用代表性语义AD AI攻击的平台的功能和好处。
更广泛地使用可持续性方法
行业中的循环性和可持续性：对于汽车行业[1]，在不同层面上量化的可持续性方面是最重要的碳排放，而其他方面则以定性方式包括在可持续性报告中。沃尔沃汽车公司（VCC）的可持续性报告从2022年和2023年发出，表明碳排放量是根据公司级别（GHG-Protocol）和产品水平（新电动汽车）和组件级（电池）量化的。资源和关键材料包括在公司的循环愿景以及生物多样性中。使用基于LCA的方法（recepe方法）在公司级别上进行了生物多样性，而在产品和组件级别很少进行。每辆平均车辆材料的生物多样性影响，其中包括金属（铜）的17％和塑料的15％。例如，在组件水平上，保险杠中的塑料的30％来自回收塑料。到目前为止，使用的塑料中有17％是回收和生物基础的，而野心为25％，这是由于新的欧盟指令在寿命终止寿命ELV（寿命终止车辆 - 欧洲委员会（Europa.eu）。所包含的社会指标很少，也不使用基于LCA的方法（Social-LCA）。但是，他们专注于公司级别，价值链和员工，例如健康，安全和福祉，而重点是公司级别，并且很少放在产品或组件级别上。