XiaoMi-AI文件搜索系统
World File Search System调低
基于有向无环图的神经网络，用于可调低
在移动设备上处理视觉数据有许多应用，例如应急响应和跟踪。最先进的计算机视觉技术依赖于大型深度神经网络 (DNN)，而这些网络通常耗电量太大，无法部署在资源受限的边缘设备上。许多技术通过牺牲准确性来提高 DNN 的效率。然而，这些技术的准确性和效率无法适应具有不同硬件约束和准确性要求的各种边缘应用。本文表明，一种称为分层 DNN 的最新高效树型 DNN 架构可以转换为基于有向无环图 (DAG) 的架构，以提供可调的准确性-效率权衡选项。我们提出了一种系统方法来识别必须添加的连接以将树转换为 DAG 来提高准确性。我们在流行的边缘设备上进行了实验，并表明增加 DAG 的连接性可以将准确性提高到现有高精度技术的 1% 以内。我们的方法比高精度技术所需的内存减少了 93%，能耗减少了 43%，操作减少了 49%，从而提供了更高的精度和效率。
利用可调低损耗超导电路进行量子信息处理
最有前途的量子信息处理平台可能是基于代表量子位的超导电路的电路 QED 架构。这些电路必须以低损耗制造，以便尽可能长时间地保留量子信息。我们开发了制造工艺，实现了超过 100 µ s 的最先进相干时间。通过研究量子比特弛豫时间的波动，我们发现损耗的主要来源是寄生两级系统。利用我们的高相干电路，我们实现了基于固定频率量子位和频率可调耦合器的量子处理器。可调耦合器是集总元件 LC 谐振器，其中电感来自超导量子干涉装置 (SQUID)。通过对耦合器频率进行参数调制，我们实现了保真度为 99% 的受控相位门。利用该设备以及另一个类似的设备，我们演示了两种不同的量子算法，即量子近似优化算法和密度矩阵指数。在我们精心校准的门的帮助下，我们实现了高算法保真度。此外，我们还研究了使用频率可调谐振器的参数振荡。此前，已通过调制两倍的谐振频率证明了退化参数振荡。我们利用这一现象实现了保真度为 98.7% 的超导量子比特的读出方法。我们通过调制多模谐振器的两个谐振频率之和证明了非退化参数振荡中的相关辐射。我们展示了振荡的经典特性与理论模型之间的出色定量一致性。此外，我们还研究了高达其谐振频率五倍的高阶调制。这些类型的参数振荡状态可用作连续变量量子计算的量子资源。
LF411 低失调低漂移 JFET 输入运算放大器
放大器将以等于正电源的共模输入电压工作。然而，在此条件下，增益带宽和斜率可能会降低。当负共模电压摆动至负电源的 3V 以内时，可能会出现输入失调电压增加的情况。LF411 由齐纳参考偏置，允许在 g 4�5V 电源上正常电路工作。低于这些的电源电压可能会导致较低的增益带宽和斜率。LF411 将在整个温度范围内驱动 2k X 负载电阻至 g 10V。如果放大器被迫驱动更大的负载电流，但是，在负电压摆动上可能会出现输入失调电压增加，并最终在正向和负向摆动上达到有效电流限制。应采取预防措施，确保集成电路的电源永远不会反转极性，或者不会无意中将设备反向安装到插座中，因为无限电流通过 IC 内部产生的正向二极管产生的浪涌可能会导致内部导体熔断，从而导致设备损坏。