XiaoMi-AI文件搜索系统
World File Search System网络体系结构
智能SOP体系结构和电力控制型直流铁路与LV分销网络之间的管理
软开放点（SOP）（SOP），也称为软点，通常是电源电子转换器，用于电源分配网络中，与传统的正常开放点（NOP）和正常截断点（NCP）相比，可以实质上改善对功率流的控制，如图1所示。径向（通常打开）和网格（通常关闭的）分销网络都有几个优点和缺点。径向网络很简单，但不是很可靠。相反，网格网络提供一定程度的冗余，以在发生故障时继续电源，但需要更复杂的保护安排[1-2]。因此，SOP是设计混合网络的最佳候选者，在该网络中可以根据实际的网络条件实际切换到radial层转换为网状，反之亦然。SOP可以控制主动和反应幂的流动，并调节分布网络不同节点之间的电压。它们也可以用于更改网络的配置，以提供由故障隔离的负载，或者在网络中的一个进料器上隔离不良和故障，而不是减轻对其他馈线的故障。以前的技术文献已经彻底介绍了中型电压发电网络的SOP的不同结构和控制方法，并证明了网络操作的改进[3-5]。但是，到目前为止，尚未对铁路和分销网络之间的SOP技术应用。此外，电气铁路这两个网络都将受益于更集成的设计，特别是：i）减少功率损失，ii）在场景中保存电网稳定性，其局部可再生能源（RES）高渗透率，iii）电动汽车（EVS）的充电站（EVS），电气能源和优先人。
用大语言模型增强认知体系结构
生成的AI模型，例如大语言模型（LLM），Vision Transformer（VIT）（Dosovitskiy等，2020）等。模型在近年来引起了极大的兴趣。已经提出了一些建议，以利用与其他模型（例如LSTMS（Lester，al-Rfou＆Constant，2021），认知体系结构（Wray，Kirk，＆Laird，2021）或计划和改进的LLMS（Park等，Park等，2023年），以列出少数模型（Park等，2023年，2023年），以列出了一定数将。与LLM融合计划和反思的方法为模拟环境中的任务带来了良好的结果。这引起了人们对LLM是否可以以原则性方式利用LLM的问题的兴趣，目的是产生一种可以在不同情况下利用每种方法的优势的代理，从而产生了综合药物，该综合药物比其部分的总和更大。这项工作提出了LLM和认知架构之间的一种可能的融合。这里的尝试是提出一种创造性的融合，将两个学科的思想连接起来，以产生一种方法，该方法产生的结果可能比两种方法（认知体系结构或LLMS）隔离使用。本文的其余部分如下：讨论了第一个认知体系结构总结在这种情况下相关的关键方面，随后进行了有关生成AI的讨论，重点是LLMS。llms在认知体系结构术语中介绍。随后融合了LLMS
神经元电路的体系结构-Luo Lab
背景：人类脑室，1000亿个神经元，每种神经元都会使突触连接的隔离。尽管本身神经元本身可以是复杂的信息处理单元，但正是它们的突触连接模式使神经元能够为特定功能形成专门的电路，从而使大脑成为强大的计算设备。使用解剖学追踪，生理记录，功能扰动和计算建模的数十年研究详细介绍了神经元的连接模式及其功能，范围从少数神经元的微电路量到数百万个神经元的全球组织。在这里，我从电路体系结构的角度综合了这些发现，并讨论了在开发和进化过程中如何出现这些体系结构。
实现零信任体系结构： - 高级文档
NIST SPECIAL PUBLICATION 1800-35 Implementing a Zero Trust Architecture: High-Level Document Oliver Borchert Gema Howell Alper Kerman Scott Rose Murugiah Souppaya National Institute of Standards and Technology Jason Ajmo Yemi Fashina Parisa Grayeli Joseph Hunt Jason Hurlburt Nedu Irrechukwu Joshua Klosterman Oksana Slivina Susan Symington Allen Tan th the Miter Corporation Karen Scarfone Scarfone网络安全威廉·巴克·达科塔（William Barker Dakota）咨询彼得·加拉格尔（Peter Gallagher）
Cylance端点安全概述和体系结构
CylanceProtect桌面和Cylance Protect移动杠杆尖端云服务，以确定软件，文件和网站是否可能是恶意的，并且威胁到设备的安全性。CylanceProtect云服务使用复杂的AI，机器学习和有效的数学模型来处理来自全球源的大量数据，保留和连续地从该数据的模式和属性中学习，并使用该数据来使有关软件，档案以及互联网的风险的智能预测和决策在接近近距离的时间内。CylanceProtect服务不断发展以应对新的网络威胁，提供了一种积极而积极的安全策略，该策略在对组织的基础架构或设备用户产生任何影响之前，先确定恶意软件和网站。
高能效率LSTM加速器体系结构
摘要：修剪和量化是加速LSTM（长短期内存）模型的两种常用方法。但是，传统的线性量化通常会遇到梯度消失的问题，而现有的修剪方法都有产生不希望的不规则稀疏性或大型索引开销的问题。为了减轻消失梯度的问题，这项工作提出了一种归一化的线性量化方法，该方法首先将操作数正常化，然后在局部混合最大范围内进行量化。为了克服不规则的稀疏性和大型索引开销的问题，这项工作采用了排列的块对角掩模矩阵来产生稀疏模型。由于稀疏模型高度规律，因此可以通过简单的计算获得非零权重的位置，从而避免了大型索引开销。基于由排列的块对角面胶质矩阵产生的稀疏LSTM模型，本文还提出了高能耐加速器的Permlstm，该材料全面利用了有关基质 - 载体乘积的重量，激活和产品的稀疏性，从而导致55.1％的动力减少。与先前报道的其他基于FPGA的LSTM加速器相比，与先前报道的其他基于FPGA的LSTM加速器相比，该加速器已在以150 MHz运行的ARRIA-10 FPGA上实现，并达到2.19×〜24.4×能量效率。
高级空间体系结构程序（ASAP）
摘要美国在太空探索和利用方面的领导能力可以通过使用根本不同的空间操作方法与当今存在的空间操作大大加速。当今的大多数航天器都被锁定在其启动配置中，几乎没有或根本无法在太空中更新或维修。但是，通过利用最新的和新兴的能力来制造，组装和服务航天器，我们可以显着提高空间系统的成本效益，生产力和弹性。为了实现这一目标，拜登 - 哈里斯管理局（Biden-Harris Administration）应启动新的高级太空架构计划（ASAP），以实现新一代的空间内操作。ASAP将根据公私财团模式运作，以利用政府投资，参与广泛的社区并获得国际合作伙伴的支持。在本备忘录中，我们提出了两个具体的任务，下一任政府可以尽早执行ASAP计划并证明其功效。尽快发起，将有助于新政府的使命更好地建立回归：对于我们的经济，科学和探索，以减轻气候危机以及为我们国家的安全方面的国际领导力。挑战和机会，除了国际空间站和哈勃太空望远镜的显着外，今天的航天器在其发射罩中紧密压实，载有他们将拥有的所有燃料和仪器，没有能力在其一生中补充或改进。如果遭到损害，我们可以恢复和修复高价值资产。限制我们的航天器设计要在地球上构建，以适合单一的发射罩，并且永远不会重新审视服务或改进的结果，从而使其变得精致，昂贵且僵化的系统。，但部分归功于地球到空间和空间运输和空间操作的新发展，我们现在拥有在太空中制造，组装和服务航天器的技术。这些新功能提供了大幅提高我们太空系统的成本，生产力和弹性的机会。我们可以在各种低成本的发射车上启动原材料和基本元素，作为商品项目，将转换为轨道上的最终物品，例如持续的平台，大型孔或燃料库。我们可以在太空中构建和运营非常大的结构，即无法从地球发射的结构，以实现无法想象的科学，探索，商业企业和国家安全的能力。我们可以将多元素空间系统重新配置为新的轨道和操作配置。所有这些可能性都在我们的技术掌握范围内。美国联邦政府可以通过创建空间运营，促进标准，在国际合作伙伴之间启动协调并为早期阶段的技术提供