XiaoMi-AI文件搜索系统
World File Search System能量耗散
脉冲网络中使用忆阻器进行持续学习的概率元可塑性
在动态环境中运行的边缘设备迫切需要能够持续学习而不会发生灾难性遗忘。这些设备中严格的资源限制对实现这一目标构成了重大挑战，因为持续学习需要内存和计算开销。使用忆阻器设备的交叉开关架构通过内存计算提供能源效率，并有望解决此问题。然而，忆阻器在电导调制中通常表现出低精度和高可变性，这使得它们不适合需要精确调制权重大小以进行整合的持续学习解决方案。当前的方法无法直接解决这一挑战，并且依赖于辅助高精度内存，导致频繁的内存访问、高内存开销和能量耗散。在这项研究中，我们提出了概率元可塑性，它通过调节权重的更新概率而不是大小来整合权重。所提出的机制消除了对权重大小的高精度修改，从而消除了对辅助高精度内存的需求。我们通过将概率元可塑性集成到以低精度忆阻器权重在错误阈值上训练的脉冲网络中，证明了所提机制的有效性。持续学习基准的评估表明，与基于辅助内存的解决方案相比，概率元可塑性实现了与具有高精度权重的最先进的持续学习模型相当的性能，同时用于附加参数的内存消耗减少了约 67%，参数更新期间的能量消耗减少了约 60 倍。所提出的模型显示出使用低精度新兴设备进行节能持续学习的潜力。
增材制造——NSF-PAR
增材摩擦搅拌沉积是一种新兴的固态增材制造技术，可在特定位置沉积具有细小等轴微观结构和优异机械性能的高质量金属。通过结合适当的加工，它有可能生产出大规模的复杂 3D 几何形状。该技术仍处于发展早期，尚未彻底了解热过程的基本原理，包括温度变化和产热机制。在这里，我们旨在通过使用互补红外成像、热电偶测量和光学成像对热场和材料流动行为进行现场监测来弥补这一空白。研究了两种难以通过基于光束的增材技术打印的材料，即 Cu 和 Al-Mg-Si。在两种材料的增材摩擦搅拌沉积过程中，我们发现热特征的趋势相似（例如，峰值温度 T Peak、曝光时间和冷却速率的趋势）相对于加工条件（例如，工具旋转速率 Ω 和面内速度 V ）。然而，Cu 和 Al-Mg-Si 之间存在显著的定量差异；T 峰值在 Cu 中与 Ω / V 呈现幂律关系，但在 Al-Mg-Si 中与 Ω 2 / V 呈现幂律关系。我们将这种差异与通过原位材料流动表征观察到的不同界面接触状态相关联。在 Cu 中，材料和刀头之间的界面接触以完全滑动状态为特征，因此界面摩擦是主要的发热机制。在 Al-Mg-Si 中，界面接触以部分滑动/粘附状态为特征，因此界面摩擦和塑性能量耗散都对热量的产生有重大贡献。
材料设计的多体相互作用建模
准确描述多体相互作用仍然是理论和计算化学领域的挑战，但它是理解和优化与量子信息和能量转换等应用相关的材料性能的关键。在这里，我将描述我在两种不同材料中模拟多体相互作用的工作。首先，我将讨论量子点 (QD)，这是一种半导体纳米晶体，具有高度可调的光电特性，这些特性敏感地取决于电子激发和声子 (即晶格振动) 之间的相互作用。我们开发并验证了一种描述激子-声子耦合的方法，该方法具有原子细节，与实验相关的量子点中有数百个原子。我们模拟了能量耗散，发现它发生在超快的时间尺度上，这与实验结果一致，但与长期以来的理论预期相反。此外，我们确定了用于调整这些时间尺度的 QD 手柄，以减少热损失并提高量子产率。接下来，我将重点介绍笼状化学结构，笼状化学结构由于其强大的声子-声子相互作用（即非谐性）而有望用于热电应用。我们开发并应用基于量子嵌入的振动动态平均场理论 (VDMFT) 来模拟笼状物中的非谐性和热传输。我们表明 VDMFT 既高效又准确，描述了笼状物独特振动动力学的基础多声子散射过程，但在常见的微扰理论方法中却被忽略了。借助本次演讲中描述的工具所具备的预测能力，我们可以更好地解锁可转移的洞察力，以增强材料设计。
Lagrangian操作员推断通过结构增强...
复杂的机械系统通常由于能量耗散机制，材料本构关系或几何/连通性机制中存在非线性而表现出强烈的非线性行为。这些系统的数值建模导致具有潜在拉格朗日结构的非线性全阶模型。这项工作提出了一种通过结构化的机器学习来增强Lagrangian运算符推理方法，以学习非线性机械系统的非线性降低阶模型（ROM）。这种两步方法首先通过拉格朗日操作员推断学习了最合适的线性拉格朗日ROM，然后提出了一种具有结构的机器学习方法，以学习减少空间中的非线性。所提出的方法可以完全从数据中学习具有结构性的非线性ROM，这与现有的操作员推理方法需要了解非线性术语的数学形式。从机器学习的角度来看，它通过提供知情的先验（即线性Lagrangian ROM结构）来加速培训结构的神经网络，并通过在减少空间上运行来降低网络培训的计算成本。该方法首先在两个模拟示例中证明：保守的非线性棒模型和具有非线性内部阻尼的二维非线性膜。最后，该方法在实验数据集中证明了该方法，该数据集由从圈接头束结构中获得的数字图像相关测量值组成，从中可以从中获得预测模型，该模型可以准确地捕获幅度依赖性频率和阻尼特性。数值结果表明，所提出的方法产生可概括的非线性ROM，这些ROM表现出有界的能量误差，可靠地捕获非线性特征，并在训练数据制度之外提供准确的长期预测。
利用分子纳米磁体进行量子兰道尔擦除......
虽然这个极限（称为兰道尔极限）已被证明适用于各种经典系统，但没有确凿的证据证明它可以扩展到量子领域，在量子领域，离散能量本征态的量子叠加取代了连续谱中的热涨落。在这里，我们使用分子纳米磁体晶体作为自旋存储设备，并表明兰道尔极限也适用于量子系统。与其他经典系统相比，由于可调的快速量子动力学，该极限是有边界的，同时还能保持快速操作。这一结果探索了量子信息的热力学，并提出了一种利用量子过程增强经典计算的方法。虽然用理想二元逻辑门（例如 NOT）执行的计算没有最低能量耗散限值 5,6，但在存储设备中执行的计算却有。原因在于，在前者中，位仅仅是在状态空间中等熵地移动，而在后者中，最小操作（称为兰道尔擦除）需要重置存储器，而不管其初始状态如何。让我们看看这种擦除如何应用于经典的 N 位寄存器（图 1(a，左)）以及兰道尔极限是如何产生的。在第一阶段，寄存器的每一位都处于确定的状态“0”或“1”，通过降低势垒和通过温度波动的作用来探索两个二进制状态。相空间的这种加倍伴随着每位的熵产生∆S=kBln2。在第二阶段，需要做功 W ≥ T∆S 来将寄存器的熵和相空间减少到它们的初始值。只有当这种减少以可逆的方式进行时，才能达到极限 W=T∆S。这可以通过使用准静态无摩擦系统来实现，即在比其弛豫时间 τ rel 更慢的时间尺度上，从而避免不必要的记忆和滞后效应。因此，相对于系统相关的 τ rel ，慢速（快速）操作通常与较低（较高）的耗散相关。
电流辅助烧结技术在先进材料加工中的应用
电场和磁场为无机材料的合成、加工和微观结构调整提供了额外的自由度。[1] 与传统烧结技术相比，电流辅助烧结 (ECAS) 技术因显着增强和加速了烧结动力学而具有极好的前景，在先进材料的加工中非常有前景。[2 – 7] 从 100 多年前的第一项专利开始，如今专利和文献中描述了 50 多种不同 ECAS 技术原理。[3] 通常，可通过以下方式实现高加热速率和低停留时间的短期烧结：1) 在导电工具中间接加热非导电粉末，通过焦耳效应加热并将热量传导给粉末； 2) 通过感应或热辐射间接加热非导电粉末，直至达到起始温度，此时电流开始流过样品，因此可以直接加热；3) 通过焦耳效应直接将能量耗散在样品内，直接加热导电粉末；4) 通过样品突然释放存储在电容器中的能量，超快速直接加热导电粉末。粉末和工具材料的电导率主要决定样品是直接加热还是间接加热。金属、合金和特殊陶瓷材料，如 TiC、TiN、Ti(C,N)、MAX 相（M = 过渡金属，A = A 组元素，X = C 或 N）、WC、TiB2 和 ZrB2，作为超高温陶瓷 (UHTC)，可以在场辅助烧结技术/放电等离子烧结 (FAST/SPS) 模式下直接加热，因为它们的电导率比通常用作工具材料的石墨的电导率高几个数量级。反之亦然，大多数氧化物（Al2O3、ZrO2、YSZ、MgO、CeO2、掺杂钆的二氧化铈 [GDC] 等）和其他陶瓷，如 BN、Si3N4、SiC 和 B4C，由于其低电导率，则间接加热。通过施加单轴压力可以进一步提高 ECAS 技术的效率，这还可以支持烧结动力学，从而能够降低烧结温度
高速航空航天的再生制动系统...
摘要： - 在高速飞机和铁路应用中使用再生制动系统（RBS）的使用表示能量回收，耗散和再利用的变革性进步。这项研究研究了专为高速导轨（HSR），太空发射恢复系统和弹道重新进入车辆而设计的复杂的电动力学，机电和混合动力学回收系统。在这些区域中的常规制动方法导致通过散热器大大损失能量，从而限制了系统效率。相比之下，使用超副作用，超导磁能储存（SME）和飞轮储能系统（FESS）的再生制动系统为有效的能量回收提供了理想的方法。固态电力电子设备与高速轨道逆变器在高速轨道上的组合可以使高速轨道上的高速轨道上的能量反馈到电网能量弹性，并提高电网的能量弹性，并弹性弹性弹性弹性弹性。在太空发射恢复中，创新的电动力系和基于等离子体的电磁制动制动器可实现轨道能量耗散，并具有调节的秋季动力学，从而最大程度地减少对逆转的依赖。弹道重新进入车辆使用空气动力集成的磁性水力动力学（MHD）制动系统，通过血浆鞘调节来促进受控减速并通过血浆鞘调节减少热通量。这项研究研究了通过适应效果的效率来调整效果效率，从而研究了重新分配和能量的能量效率。在强烈的机械应力下，压电纳米生成器在车辆组件中的整合增强了能量的回收，促进了多模式收获。建议的创新重新考虑了在高速速度运输系统中减速能源管理的基本范式，增强可持续性，降低了对消费依赖的依赖性，并降低了依赖性的依赖性，并具有长期的良好范围。未来的研究应集中于将基于量子点的超级电容器与固态锂空气电池合并，以增强高密度再生存储系统，从而加速下一代节能的航空制动和铁路制动技术。
不仅仅是能量消耗：长跟腱在人类行走和跑步中的多重益处
运动过程中，长远端肌腱（如跟腱）储存和释放的弹性应变能量可增强肌肉力量并降低运动能量消耗：由于远端肌腱在回弹过程中进行机械工作，跖屈肌纤维可以在较小的长度范围内、较慢的缩短速度和较低的激活水平下工作。很少有证据表明人类进化出长远端肌腱（或保留自我们更远的人科祖先）主要是为了实现较高的肌肉 - 肌腱功率输出，事实上，与许多其他物种相比，我们的力量仍然相对较弱。相反，大多数证据表明，这种肌腱的进化是为了降低总运动能量消耗。然而，长肌腱还有许多其他优势，通常未被认识到，据推测可能具有更大的进化优势，包括由于肌肉更短更轻而减少肢体惯性（减少近端肌肉力量需求），减少足部与地面碰撞时的能量耗散，能够储存和重复使用肌肉所做的工作以减弱足部与地面碰撞引起的振动，减少肌肉产热（从而降低核心温度），以及减轻工作引起的肌肉损伤。 总的来说，这些影响应该可以减少神经运动疲劳和运动用力感，使人类可以选择以更快的速度移动更长时间。 由于这些好处在更快的运动速度下更大，因此它们与以下假设一致：我们的祖先使用的跑步步态可能对跟腱长度产生了巨大的进化压力。因此，长跟腱可能是一种独特的适应性，它提供了许多生理、生物力学和心理方面的好处，从而影响了多种任务中的行为，包括运动和运动之外的行为。虽然能量成本可能是运动研究中感兴趣的变量，但未来的研究应该考虑影响我们运动能力的更广泛的因素，包括我们决定以特定速度移动给定距离，以便更充分地了解跟腱功能的影响以及该功能在身体活动、不活动、废用和疾病对运动表现的影响。
神经形态磁子学
项目详情：计算和思考都可以看作是输入数据到答案空间的复杂非线性映射。这种映射由计算机架构或大脑训练定义，使用额外数据（“经验”）完成。还有一个重要的区别——功耗。大脑可以以非常节能的方式实现这种映射。现代基于半导体的计算硬件允许人们使用机器学习算法模拟大脑，并在一系列与人工智能相关的任务中稳步前进。然而，这种成功在能源效率方面被证明是灾难性的，使机器学习本身成为主要的（且不断增长的）能源消耗者。因此，人们开始寻找新方法来增强机器学习——那些可以摆脱这种能源效率瓶颈的方法。在这个项目中，您将探索使用自旋波（磁序材料的基本激发）构建定制硬件以实现节能的非常规计算。自旋波具有极端的非线性和适度的能量耗散，同时在 GHz 频率下具有微米到纳米的波长。这为实现微型、强大且节能的计算设备提供了独特的途径。您将结合两种本质上节能的技术范式：(i) 磁振子学（使用自旋波处理信号和数据）和 (ii) 神经形态计算（使用大规模集成系统和模拟电路以类似大脑的方式解决数据驱动的问题）。超越现有范式，您将使用纳米级手性磁振子谐振器 [1] 作为人工神经网络 [2] 的构建块。通过创建磁振子版本的储存器计算机和循环神经网络来展示网络的强大功能。该项目允许应用和/或开发一系列实际相关的技能，从分析理论到数值建模和最先进的实验。1. VV Kruglyak “手性磁振子谐振器：重新发现磁振子中的基本磁手性” Appl. Phys. Lett. 119, 200502 (2021)。2. KG Fripp 等人“非线性手性磁振子谐振器：面向磁振子神经元”Appl. Phys. Lett. 122, 172403 (2023)。
团结Bekenstein的Bound和Landauer的原则
热储层和KB的温度是Boltzmann的常数。虽然Bekenstein公式在科学的社区中得到了很好的接受，但对Landauer原则的反应更加细微。然而，它已成为一种基本的物理定律，其研究证明了其从第二种热力学定律和与获取信息相关的熵变化（包括量子和经典反馈系统）相关的变化[3] [3] [4]。在[5]中，兰道尔的原则的概括导致无需消耗能量的情况就增加了范围。这种见解提供了对信息处理与熵之间关系的更深入的理解，因为它强调说，擦除信息可以超出能源消耗的影响。通过以其他保守数量（例如角动量）来表达熵的增加，研究人员扩大了我们对有关信息和热动力学的基本原理的理解。这一发现增加了信息擦除概念及其在物理系统中的更广泛含义。2012年的一个重大突破涉及在处理单个数据过程中产生的微小热量的首次测量[6]。子随后的实验证实了Landauer的原理，并量化了在位过渡期间耗散的能量[7] [8]。使用量子分子磁体在低温温度下landauer擦除的性能进一步扩展了该原理在量子领域中的应用[9]。这些进步强调了擦除和高速操作的最低热力学成本[9] [10]。近年来对Landauer原则的批评浮出水面，对循环推理和缺陷的假设的担忧。然而，支持者保持其有效性，并指出了其从热力学的第二定律和信息处理的相关熵变化[11] - [16]。此外，研究探讨了逻辑和热纳米可逆性之间的联系，揭示了对计算的细微含义[17] [18]。2016年，佩鲁吉亚大学的研究人员声称观察到违反了Landauer原则[19]。但是，Laszlo Kish [20]认为它们的结果是无效的，因为它们未能解释能量耗散的主要来源 - 输入电位的电容的充电能量。总而言之，Bekenstein Bound和Landauer的原则的整合代表了我们对有关信息和能量的基本限制和原则的理解的重大进步。通过桥接插入理论，热力学和量子力学，这种整合为发现和实际应用开辟了新的途径。本章介绍了这些概念的整合，为在这个令人兴奋和有希望的领域中进行了探索和研究奠定了基础。