XiaoMi-AI文件搜索系统
World File Search System网络模拟
整合多尺度网络模拟，用于用宠物重新利用精确药物
（未通过同行评审认证）是作者/资助者。保留所有权利。未经许可就不允许重复使用。此预印本版的版权持有人于2024年6月27日发布。 https://doi.org/10.1101/2024.06.25.600722 doi：Biorxiv Preprint
物联网环境中能源管理的无线传感器网络模拟摘要“物联网”(IoT)是指
物联网环境中用于能源管理的无线传感器网络模拟 摘要 “物联网” (IoT) 一词指的是物理设备、传感器和控制器可以通过互联网进行通信的想法 [1]。众所周知，大多数物联网节点都受到能源限制，尤其是在无线网络中。本文提出了一种物联网环境中无线网络的模拟模型。模拟中使用了异构节点。本研究提出的模拟涉及三种技术。初始策略旨在最小化物联网环境中的数据传输。第二种方法规划了必要物联网节点的职责。第三种方法是最后一种方法，它为物联网节点中可能出现的能源相关问题提供容错能力。通过在物联网环境中实施这些策略，可以显著减少能源消耗。NS2 网络模拟器用于测试建议的模拟。模拟结果表明，就吞吐量、能耗率、数据包丢失和网络寿命而言，建议的方法优于已建立的物联网系统。
UniNet：混合现实驾驶模拟器 - OpenReview
1 引言 目前已经开发出许多驾驶模拟器，其中大多数用于驾驶员培训或驾驶员安全领域的研究 [41]。然而，这些模拟器在交通模拟和用户存在方面往往功能有限 [10,23,24]。人们早就需要关注用户存在的高质量虚拟现实 (VR) 驾驶模拟器。除此之外，具有交通模拟功能的驾驶模拟器是车载自组织网络 (VANET) 研究的强大工具。网络模拟通常用于网络研究，以评估通信协议和算法的性能。现有的车载网络模拟工具仅侧重于网络模拟。结合网络模拟、应用程序原型设计和测试的驾驶模拟器将对 VANET 研究人员大有裨益。例如，人们可以在将研究成果部署到现实世界之前，使用包含数千辆汽车的真实虚拟环境并与它们进行交互，从而评估通信协议或应用程序的性能，但这种方式成本高昂，有时还不安全。我们工作的驱动力是创建一个模拟器，它可以弥合车辆网络研究之间的差距。虚拟现实驾驶模拟器的存在时间与现代 VR 存在的时间一样长 [41]。模拟器通常用于驾驶员培训，具有一致性的优势。模拟器运行实时模拟，其中虚拟环境的所有方面都受到控制。驾驶模拟器的输入被设计为目标车辆的真实模仿，底层模拟器模型模拟用户与目标车辆之间的交互。视觉、听觉和运动输出是常见的形式
利用张量网络方法在现代 GPU 上进行高效的量子电路模拟
随着量子硬件的快速发展，量子电路的高效模拟已变得不可或缺。主要的模拟方法基于状态向量和张量网络。随着目前量子器件中量子比特和量子门的数量不断增加，传统的基于状态向量的量子电路模拟方法由于希尔伯特空间的庞大和广泛的纠缠而显得力不从心。因此，野蛮的张量网络模拟算法成为此类场景下的唯一可行解决方案。张量网络模拟算法面临的两个主要挑战是最优收缩路径寻找和在现代计算设备上的高效执行，而后者决定了实际的效率。在本研究中，我们研究了此类张量网络模拟在现代 GPU 上的优化，并从计算效率和准确性两个方面提出了通用的优化策略。首先，我们提出将关键的爱因斯坦求和运算转化为 GEMM 运算，利用张量网络模拟的具体特性来放大 GPU 的效率。其次，通过分析量子电路的数据特性，我们采用扩展精度保证模拟结果的准确性，并采用混合精度充分发挥GPU的潜力，使模拟速度更快、精度更高。数值实验表明，在Sycamore的18周期情况下，我们的方法可以将随机量子电路样本的验证时间缩短3.96倍，在一台A100上持续性能超过21 TFLOPS。该方法可以轻松扩展到20周期的情况，保持相同的性能，与最先进的基于CPU的结果相比加速12.5倍，与文献中报道的最先进的基于GPU的结果相比加速4.48-6.78倍。此外，本文提出的策略对
2023 年年终回顾和 2024 年重点
防御系统性网络事件 - 完成新一轮网络防御成熟度评估和情报主导的网络模拟测试 - 在实施安全三级数据备份（STDB）方面取得重大进展，以增强从勒索软件攻击中恢复的能力 - 推动组织并积极参与跨部门危机模拟演习
基于光频率梳的具有量子多模资源的复杂量子网络模拟 Valentina Parigi J. Nokkala、F. Arzani、F.
使用基于光频率梳的量子多模资源模拟复杂量子网络 Valentina Parigi J. Nokkala、F. Arzani、F. Galve、R. Zambrini、S. Maniscalco、J. Piilo、C. Fabre、N. Treps，我们目前正在开发一个多功能实验光子平台，用于模拟复杂的量子网络。该平台由基于光频率梳泵浦的参数过程的内在多模系统组成。这些激光器的光谱由数十万个频率成分构成。非线性晶体中的参数过程将所有这些光频率耦合起来，并产生非平凡的多模高斯量子态 [1]。这些也可以同样描述为一组不同的光的光谱-时间模式，可以单独寻址并同时被压缩真空占据。这种资源可以被描绘成一个网络，其中每个节点都是一个电磁场模式，连接是涉及场正交的纠缠关系。网络结构将通过在参数化过程中塑造泵和多模同差测量来控制。该策略已部分用于在基于测量的量子计算场景中实现集群状态 [2,3]。多模状态的 Bloch-Messah 简化（对于纯态）将资源描述为单模压缩器和多端口干涉仪的集合，这是我将介绍的建立资源与复杂网络之间映射的方法的核心 [4]。我们将研究复杂结构中量子信息协议的优化，并模拟复杂有限量子环境的动态 [5]。最后，允许波长和时间多路复用的参数化过程的特定实现将模拟表现出社区结构的网络。
Tyndp 2024实施指南-Net
在Tyndp的范围内，项目评估包括评估项目对电力系统的影响，而且还对环境和社会的影响。这些影响的特征是许多指标可以来自项目启动子本身，或者可以从市场和/或网络模拟中提取。在Tyndp研究中考虑的每种情况下，都定义了一代机队和需求时间序列。这将融入市场模拟过程中，以及参考网格代表不同竞标区之间的市场交换能力。项目促进者必须在其项目上提交技术数据，这些数据可以根据CBA 4指南中详细介绍的特定因素考虑或不考虑。
用于混合数字神经形态计算的 SpiNNaker 2 处理元件架构
神经形态电路试图模仿神经组织的某些方面 [1]。目的是进一步了解大脑如何计算信息，并为人工智能应用等衍生出新型计算硬件 [2]，[3]。本文介绍了第二代 SpiNNaker 芯片的处理单元 (PE) 架构，这是一种数字神经形态系统。“脉冲神经网络架构”SpiNNaker 是一个针对神经网络模拟进行优化的处理器平台 [4]。大量 Arm 处理器内核集成在针对通信和内存访问进行优化的系统架构中。具体而言，为了利用生物神经元的异步、自然并行和独立子计算，每个内核独立模拟神经元并通过轻量级、脉冲优化的异步通信协议进行通信。