XiaoMi-AI文件搜索系统
World File Search System超低
以洞穴小泡为靶点，将针对 TGF-β 的双特异性抗体泵入患病肺部，可实现超低剂量治疗效果
长期以来，全身治疗中寻求的“灵丹妙药”对于大多数组织中的疾病靶点仍未实现，理论上是因为血管内皮阻碍了被动组织进入和完全靶向作用。我们设计了第一个“双精度”双特异性抗体，其中一个臂对可精确结合肺内皮并驱动主动递送，另一个臂对可精确阻断肺组织内 TGF- β 效应功能。靶向小窝进行跨内皮泵送已被证明对于在一小时内将大部分注射的静脉剂量精确递送到肺部以及在鼠肺炎模型中将治疗效力提高 1000 倍以上至关重要。超低剂量（μg/kg）可抑制炎症细胞浸润、水肿、肺组织损伤、疾病生物标志物表达和 TGF- β 信号传导。主动与被动经血管输送精准治疗的巨大优势揭示了一种新的有前景的药物设计、输送和治疗模式，可供推广和临床试验。
反键诱导的非谐性导致 CsK 2 X (X = Sb, Bi) 具有超低晶格热导率和非凡的热电性能
完整作者名单：袁鲲鹏；大连理工大学；张晓亮；大连理工大学能源与动力工程学院；常政；大连理工大学能源与动力工程学院；唐大伟；大连理工大学能源与动力工程学院；胡明；南卡罗来纳大学机械工程学院
用于深度神经网络分层图像识别的超低功耗图像信号处理器
稿件于 2020 年 8 月 30 日收到；2020 年 11 月 4 日修订；2020 年 11 月 22 日接受。出版日期 2020 年 12 月 14 日；当前版本日期 2021 年 3 月 26 日。本文经副主编 Yusuke Oike 批准。这项工作得到了索尼半导体解决方案公司/索尼电子公司的支持。（通讯作者：Hyochan An。）Hyochan An、Qirui Zhang、Kyojin D. Choo、Shiyu Liu、Bowen Liu、Hengfei Zhong、David Blaauw、Ronald Dreslinski、Hun Seok Kim 和 Dennis Sylvester 就职于密歇根大学电气与计算机工程系，密歇根州安娜堡 48109 美国（电子邮件：hyochan@umich.edu）。Sam Schiferl 就职于亚马逊，华盛顿州西雅图 98109 美国。 Siddharth Venkatesan 就职于亚马逊公司，美国加利福尼亚州圣克拉拉 95054。Tim Wesley 就职于 MemryX 公司，美国密歇根州安娜堡 48105。Jingcheng Wang 和 H. Zhong 就职于苹果公司，美国加利福尼亚州库比蒂诺 95014。Ziyun Li 就职于 Facebook 公司，美国华盛顿州雷德蒙德 98052。Luyao Gong 就职于谷歌公司，美国加利福尼亚州山景城 94043。本文中一个或多个图片的彩色版本可在 https://doi.org/10.1109/JSSC.2020.3041858 上找到。数字对象标识符 10.1109/JSSC.2020.3041858
超低功耗边缘 AI 模块 Type2DA
1. 启动 Tera Term 并选择 USB Serial Port 2. 将串口设置为 115200，然后按下 AI Reset 按钮（下图中位置‘ 〇 ’）。 3. 发出“UP”的声音以确认识别
NST20±1.5℃高精度超低电流模拟...
4.1 容性负载 ................................................................................................................................................................ 7 4.2 典型应用 ................................................................................................................................................................ 8 4.3 系统示例 ................................................................................................................................................................ 9
实现 BaTiO3 中的超低压开关
用于计算超越互补金属氧化物半导体的铁电体。双极晶体管和互补金属氧化物半导体 (CMOS) 晶体管的微缩（即减小尺寸或增加总数 1 ）取得了巨大成功，但随着半导体工艺的每一代发展，随着器件接近基本尺寸极限 2 ，微缩变得越来越困难。虽然摩尔微缩定律一直在延续，但工作电压的降低速度要慢得多，因为 Dennard 的微缩方案 3 只持续到 2003 年左右。研究人员目前正在探索其他方法，以继续遵循摩尔定律，使器件具有低工作电压（< 100 mV）和相应的低工作能量（每位 1-10 aJ），同时保持可接受的器件开关延迟（< 0.1 ns）。这推动了一系列替代的、超越 CMOS 的计算途径（例如，基于自旋、极化、应变等的途径）4、5 的研究。铁电体可实现非挥发性和低读/写能量，在存储器（例如铁电随机存取存储器）、逻辑或存储器内逻辑（例如铁电场效应晶体管 (FeFET) 应用 6、7 和负电容场效应晶体管）8、9 中引起了越来越多的关注。尽管引起了人们的关注，但问题在于大多数铁电器件都在高电压 6、7 (> 1 V) 下工作，因此与低功率操作不兼容 5。解决这个问题将标志着向前迈出的重要一步，并可能为铁电材料在超 CMOS 器件的出现中开辟道路。
TinyML：在超低功耗物联网边缘设备上为人工智能应用启用推理深度学习模型
摘要：最近，物联网 (IoT) 引起了广泛关注，因为物联网设备被放置在各个领域。其中许多设备都基于机器学习 (ML) 模型，这使它们变得智能并能够做出决策。物联网设备通常资源有限，这限制了在其上执行复杂的 ML 模型（例如深度学习 (DL)）。此外，将物联网设备连接到云以传输原始数据并执行处理会导致系统响应延迟、暴露私人数据并增加通信成本。因此，为了解决这些问题，出现了一种称为微型机器学习 (TinyML) 的新技术，它为应对物联网设备的挑战铺平了道路。该技术允许在设备上本地处理数据，而无需将其发送到云端。此外，TinyML 允许推断 ML 模型，而设备上的 DL 模型则被视为资源有限的微控制器。本文的目的是概述 TinyML 的革命并对 tinyML 研究进行回顾，其中主要贡献是对 tinyML 研究中使用的 ML 模型类型进行分析；它还介绍了数据集的详细信息以及设备的类型和特征，旨在阐明最先进的技术并展望发展需求。
超低成本、简便制造用于皮层脑电图的透明神经电极阵列，采用无光电伪影光遗传学
透明植入式设备将神经记录和光学模式相结合，在神经科学和生物医学工程领域引起了广泛关注。用于电生理学的不透明金属电极阵列会阻碍光学成像并导致光电伪影，使其难以与光遗传学相结合。本文介绍了一种无光电伪影、高导电性和透明的聚（3,4-乙烯二氧噻吩）聚苯乙烯磺酸盐 (PEDOT:PSS) 电极阵列，作为有前途的神经植入物。与应用于植入工具的其他透明材料相比，本研究开发的技术通过低成本、超简便的方法提供了透明的神经接口。由于采用了简单的乙二醇浸渍工艺，该设备表现出优于其他研究的光学、机械和电气特性。通过将其光刺激效率和光电伪影程度与传统的薄金电极在体外和体内进行比较，突出了该设备的性能。该平台可以比任何其他候选材料更有效地组装透明神经接口，因此具有许多潜在的应用。
适用于超低功耗应用的 9T FinFET SRAM 单元
由于 CMOS 的缩放，这些设备的局限性引发了对替代纳米设备的需求。提出了各种设备，如 FinFET、TFET、CNTFET。其中，FinFET 成为最有前途的设备之一，由于其在纳米范围内的低泄漏，它可以替代 CMOS。如今，电子设备在电池消耗方面更加紧凑和高效。由于 CMOS 的缩放限制，CMOS SRAM 已被 FinFET SRAM 取代。已经有两个 FinFET SRAM 单元，它们具有高功率效率和高稳定性。已经对这些单元进行了性能比较，以分析泄漏功率和静态噪声容限。这些单元的模拟是在 20 nm FinFET 技术下进行的。经分析，改进的 9T SRAM 单元的写入裕度实现了 1.49 倍的改进。读取裕度也显示出比本文中比较的现有单元有显著的改善。对于所提出的 0.4 V SRAM 单元，发现保持裕度更好。栅极长度已经改变，以发现栅极长度对读取裕度的影响。
超低电压触发的硅控制的矩形（...
在纳米级CMOS过程中，随着特征尺寸的缩小，外在厚度会变细，这将导致Nell和Pwell的较高板电阻。因此，将距离（D1）从N +活性区域增加到NWELL/PWELL中的P +活性区域可以有效地扩大NWELL的电阻（Pwell）。图6显示了具有四个不同