XiaoMi-AI文件搜索系统
World File Search System超低
使用超低能扫描电子显微镜对半导体结构进行电阻率对比成像
在广泛的一次电子束能量范围内研究了扫描电子显微镜 (SEM) 中的损伤诱导电压变化 (DIVA) 对比度机理，特别强调了超低能量范围。在 10 keV 至 10 eV 的一次电子能量范围内，对用 600 keV He 2 + 离子辐照的 In (0.55) Al (0.45 )P 中的电阻率变化相关的 SEM 成像对比度进行了分析。首次解决了超低能量范围内的样品充电问题及其对 SEM 图像对比度的影响。与基于经典总发射率方法的预期相反，在辐照区域高电阻部分形成的电位导致低于 E 1 能量的一次电子记录信号强度急剧增加，这可以解释为由于样品表面电位充当了一次电子的排斥器而导致的信号饱和。尽管如此，展示电子束能量对电子辐照下绝缘材料表面电位形成影响的实验数据还是首次在超低能范围内给出。
在超低功率嵌入RISC-V处理器上进行癫痫发作检测
摘要：通过闭环植入式设备对难治性癫痫的处理，这些设备对通过药物释放或电刺激作用的癫痫发作是一种极具吸引力的选择。对于这种可植入的医疗设备，有效和低能消耗，小规模和有效的加工体系结构至关重要。为了满足这些要求，通过卷积神经网络（CNN）对大脑信号进行分析和分类进行癫痫发作检测是一种有吸引力的方法。这项工作为CNN提供了用于在超低功率微处理器上运行的癫痫发作检测。在MATLAB中实现并优化了CNN。此外，在具有RISC-V架构的GAP8微处理器上还实施了CNN。提出的CNN的培训，优化和评估基于CHB-MIT数据集。CNN达到的中位灵敏度为90％，高度高99％以上，对应于中位误报率为每小时6.8 s。在微控制器上实施CNN后，达到了85％的灵敏度。1 s的脑电图数据的分类为t = 35 ms，平均功率为p≈140µW。拟议的检测器在功耗方面优于相关的方法6。通过记录癫痫大鼠，对所提出的基于CNN的检测器的普遍适用性进行了验证。这结果使未来的医疗设备用于癫痫治疗。
低阿尔法和超低阿尔法锡阳极安全数据表
预防说明：无需 紧急情况概述：一种有光泽的银白色金属，大量燃烧时不会燃烧，但如果以细粉形式分散在空气中，可能会形成爆炸性混合物。与酸或碱接触可能会产生易燃氢气。灭火时请勿使用水或泡沫。使用干粉、沙子或特殊干粉灭火剂。锡相对无毒，不会对应急人员的健康或紧急情况下的环境造成直接危害。 潜在健康影响：金属锡对人体相对无毒。长期吸入锡或锡氧化物可能会导致良性尘肺，称为锡肺。这种尘肺只要接触就会产生肺部进行性 X 射线变化，但没有致残证据，也没有特殊的并发症。OSHA、NTP、IARC、ACGIH 或欧盟未将锡列为致癌物（请参阅毒理学信息，第 11 节）。
超低功率 K 波段 22.2 GHz 至 26.9 GHz 电流...
摘要：本文提出了一种具有宽调谐范围的超低功耗 K 波段 LC-VCO（压控振荡器）。基于电流复用拓扑，利用动态背栅偏置技术来降低功耗并增加调谐范围。利用该技术，允许使用小尺寸的交叉耦合对，从而降低寄生电容和功耗。所提出的 VCO 采用 SMIC 55 nm 1P7M CMOS 工艺实现，频率调谐范围为 22.2 GHz 至 26.9 GHz，为 19.1%，在 1.2 V 电源下功耗仅为 1.9 mW–2.1 mW，占用核心面积为 0.043 mm 2 。在整个调谐范围内，相位噪声范围从 -107.1 dBC/HZ 到 -101.9 dBc/Hz (1 MHz 偏移)，而总谐波失真 (THD) 和输出功率分别达到 -40.6 dB 和 -2.9 dBm。
非线性光学元件的超低氮化硅波导
区域，从而增强了光学强度。然而，如此高的光学结构增加了纳米级不均匀性引起的散射损失的敏感性。氮化硅是一种介电材料，具有相对较大的非线性指数系数和一个从紫外线到中红外的宽带透明度窗口。其折射率与二氧化硅形成鲜明对比允许高分并控制波导几何形状的分散体。在过去几年中，这个材料平台作为依赖KERR效应的非线性光学应用程序的主力，从微型BOMB的生成到副标。在本文工作中，我们专注于开发高级制造技术，以实现氮化硅波导的实现。仪表长的高填充波导据报道，有1.4 db/m的阶段损失创纪录的低损失和分散工程的mi- croResonators，质量为1900万。基于这项技术，我们证明了带有光电检测的重复速率的八度跨度相干微膜和小鳄鱼的设备面积小于1毫米2，即比艺术的状态小的数量级。高产量和超损坏Si 3 N 4波导也使我们在整合波导中的第一次连续波参数放大器也可以实现，当以相位敏感的模式运行时，表现出9.5 dB的增益为9.5 dB，噪声效率为1.2 db。
疫苗超低温储存运输...
* 需要超低温储存（-80 °C 至 -60 °C）；解冻后，在 2 °C 至 8 °C 下储存 5 天（或在 <30 °C 下储存 2 小时）。© HZJZ Croatia
QCA 中 2:1 多路复用器块的超低复杂度......
信息可以通过量子单元内电子电荷的配置进行编码 [5]。在 QCA 中，没有电流流动。单元内的一对电子根据电子相互作用的原理改变其位置。QCA 技术是绕过基于晶体管的器件的理想解决方案，因为它在功耗和速度方面存在许多限制 [3]。QCA 技术具有许多有趣的特性，例如低功耗、高频处理和小特征尺寸 [6]。数字系统的当前趋势是降低电路的复杂性；在这种情况下，QCA 会派上用场。在这项工作中，提出了一种新的 2:1 QCA-MUX 结构。所提出的门在面积、复杂性（单元数）和成本方面都更胜一筹。2. 背景
Himax 超低功耗 WE-I Plus 端点 AI 开发板
超低功耗的高性能终端 AI 解决方案 WE-I Plus 处理器旨在适应多种 TinyML 神经网络模型，具有可编程 DSP，运行时钟频率高达 400MHz，内部 SRAM 为 2MB。WE-I Plus 支持 TensorFlow Lite 微控制器框架，能够运行推理，例如开源 Google 示例，包括“Hello World”、“Micro Speech”、“Person Detection”和“Magic Wand”，所有这些都可以在 Google 的 Github 上找到。它在计算机视觉应用中进行了全面优化，并且已证明使用“Person Detection”示例的功耗最低。WE-I Plus 与 Himax 的 VGA 传感器相结合，运行示例推理，功耗低至 2.5mW，模型推理时间少于 35 毫秒。 SparkFun 上适用于 TinyML 开发人员的终端 AI 开发板开发人员现在可以轻松访问 Himax 的领先技术，SparkFun 在线零售商店提供 WE-I Plus EVB，用于终端 AI 系统开发，最终实现改变生活的用例的创新。一体式 WE-I Plus EVB 包括 AI 处理器、HM0360 AoS VGA 摄像头、2 个麦克风和一个 3 轴加速度计，可执行视觉、语音和振动检测和识别。它内置 FTDI USB-SPI/I2C/UART 桥接器，用于闪存编程接口和消息/调试打印/元数据输出。它还具有两个 LED 来显示分类结果。此外，还提供带有 I2C 和 GPIO 接口的扩展头，以允许连接到外部传感器或设备。EVB、处理器和传感器的数据表可在 SparkFun 网站上下载。 Himax WE-I Plus EVB/Endpoint AI Development Board 在 SparkFun 的参考链接 https://www.SparkFun.com/products/17256
基于动态差分信号的逻辑系列，用于稳健的超低功耗近阈值计算
本文提出并评估了用于近阈值计算 (NTC) 的新型电路拓扑。采用 130 nm 技术开发了三种独立的动态差分信号逻辑 (DDSL) 系列，工作电压为 400 mV 和 450 mV。所提出的逻辑系列优于为近阈值实现的当代 CMOS 和电流模式逻辑 (CML) 电路。DDSL 系列被描述为动态电流模式逻辑 (DCML)、锁存 DCML (LDCML) 和动态反馈电流模式逻辑 (DFCML)。通过实现布尔函数和 4 × 4 位阵列乘法器进行仿真和分析。在 450 mV 电源电压下，4 × 4 DFCML 乘法器的总功率降低至 0.95 × 和 0.009 × ，而与 CMOS 和 CML 乘法器相比，最大工作频率分别提高了 1.4 × 和 1.12 ×。与 CMOS 乘法器相比，DCML 乘法器的功耗为 1.48 倍，同时 f max 提高了 1.65 倍。使用开发的动态逻辑系列实现的四个反相器链的能量延迟积 (EDP) 分别为 CMOS 和 CML 实现的 0.27 倍和 0.016 倍。同样使用反相器链评估的 DFCML 和 LDCML 的平均噪声裕度至少比 CMOS 大 2.5 倍。
MindReading：一种基于脑电图的人类意图识别的超低功耗光子加速器
摘要——基于头皮记录脑电图 (EEG) 的脑机接口 (BCI) 系统可以极大地改善患有运动障碍的人的生活质量。创建由多个卷积、LSTM 和全连接层组成的深度神经网络来解码 EEG 信号，以最大限度地提高人类意图识别的准确性。然而，之前的 FPGA、ASIC、ReRAM 和光子加速器在处理实时意图识别时无法保持足够的电池寿命。在本文中，我们提出了一种超低功耗光子加速器 MindReading，仅通过低位宽的加法和移位运算即可实现人类意图识别。与之前的神经网络加速器相比，在保持实时处理吞吐量的情况下，MindReading 将功耗降低了 62.7%，并将每瓦吞吐量提高了 168%。