XiaoMi-AI文件搜索系统
World File Search SystemARPA
国防高级研究计划局 (DARPA)
提案提交说明 第 3 版 简介 DARPA 的使命是对科学技术进行战略性早期投资，这将对我们的国家安全产生长期积极影响。作为此使命的一部分，DARPA 对科学技术进行高风险、高回报的投资，这些投资有可能颠覆当前的理解和/或方法。全球范围内，科学技术的发现步伐正在加快，从而产生了新的研究领域，并通过 SBIR 和 STTR 计划确定了适合小型企业利用的科学领域。小型企业对于开发支持国家安全的技术至关重要。鼓励提案人考虑向国防部各部门提议的 R/R&D 是否也具有私营部门的潜力，无论是用于提议的应用还是作为其他应用的基础。以下主题重点关注对 DARPA 的使命至关重要的技术领域，即追求属于其技术办公室之一的创新研究概念。有关 DARPA 技术领域和相关研究主题的更多信息，请访问：http://www.darpa.mil/about-us/offices 。
美国太平洋陆军徽章 - 美国陆军
美国太平洋陆军的徽章最初是在 1944 年 10 月 18 日为美国太平洋地区陆军部队设计和批准的。徽章包含蓝色背景上的红色箭头和白色星星。红色的战争箭头象征着指挥部队的英勇和自给自足。蓝色背景代表指挥区的广阔。白色星星代表北极星、北斗七星和南十字星，指挥部就位于它们上面。徽章上的星星也让人想起美国陆军和美国太平洋武装部队历史上的一个关键日期。总共 12 颗星代表十二月，北斗七星的七颗星代表第七天，南十字星的四颗星加上北极星代表 1941 年：12-7-41 - 1941 年 12 月 7 日，美国参加第二次世界大战的日期。
数字孪生的验证和确认 - ARPA-E
解决方案：系统信息数据库，用于快速识别证据强弱。GE-GEAS-Galois 团队正在开发 RACK（快速自动管理套件），即 TA1 和 TA3 之间的领结。业务影响：• 大大提高保证论据的及时性和准确性（想想当天重新认证）• 彻底改变组织证据的管理流程• 认证操作的新概念，彻底改变复杂的 DoD 系统的认证方式
Aruba Clearpass网络访问控制
©版权所有2022 Hewlett Packard Enterprise Development LP。本文包含的信息如有更改，恕不另行通知。在此类产品和服务随附的明确保修陈述中阐明了惠普企业产品和服务的唯一保证。本文没有任何内容应解释为构成额外的保修。Hewlett Packard Enterprise对本文包含的技术或编辑错误或遗漏不承担任何责任。
OPEN 2021 项目描述 - ARPA-E
用于终极固态照明的绿色发光二极管 - 750,000 美元 伊利诺伊大学香槟分校 (UIUC) 将研究直接发光的新型绿色发光二极管 (LED)，以加速固态照明 (SSL) 的采用，从而与非 SSL 相比，减少与照明相关的能源需求和温室气体排放约 25%。与非 SSL 相比，到 2035 年，向 SSL 的过渡可以使美国的能源需求和温室气体排放再减少 55%，占美国一次能源预算的 5%。立方氮化镓实现的高效绿色 LED 可用于消除偏振并减少光衰，使其比传统的基于 III-V 的 LED 技术效率更高。UIUC 的设计可以降低制造成本，并促进商业和住宅市场广泛采用高效混色 SSL 照明。
Microsoft PowerPoint - ARPA-e_数据中心冷却研讨会_Huitink+Mantooth_v2
• 各个转换阶段的宽带隙利用率提供了巨大的收益 • 为系统设计提供了更大的灵活性
美国救援计划法案 (ARPA) 资格预审...
I. 简介 与北卡罗来纳州卫生与公众服务部 (NCDHHS – “部门”) 做生意从未如此简单。通过重新设计的采购流程、更高的透明度和更直观的技术，ARPA 资格预审计划简化了与该机构做生意的方式。ARPA 资格预审计划的技术非常简单，不仅可以节省时间和文书工作，还可以帮助供应商主动管理他们的申请。经批准的资格预审将允许供应商提交提案以响应部门的任务订单。要获得与部门开展业务的资格，供应商必须提交完整的申请，该申请由责任评估和技术评估组成。以下资源提供了与 ARPA 资格预审计划相关的其他说明和参考文件：
美国能源部多实验室对 DARPA RFI 的回应
目前，产业界、学术界或联盟尚未建立协调机制来引入需要在整个计算技术堆栈中进行优化的颠覆性技术。这必然是政府应发挥的正确作用，即建立跨领域的科学基础，解决一阶计算堆栈（图 1 中的第二列）的协调和扩大规模挑战。通过同时投入足够的资源来攻克这些难题，可以大幅缩短从发现到产业投资将新技术推向市场所需的时间。从历史上看，即使是“直接”技术，例如 CMOS 半导体制造中的光刻转换和晶体管改进，这一时间差也达 12 至 20 年。除非采取更协调、更综合的方法，否则影响计算堆栈多个层的进步很可能需要更长的时间。
DARPA 的可解释人工智能 (XAI) 项目：回顾
XAI 计划假设机器学习性能（例如预测准确性）和可解释性之间存在内在矛盾，这一担忧与当时的研究结果一致。通常，性能最高的方法（例如深度学习）是最难解释的，而最易解释的方法（例如决策树）是最不准确的。该计划希望创建一个新的机器学习和解释技术组合，为未来的从业者提供更广泛的设计选项，涵盖性能-可解释性权衡空间。如果应用程序需要更高的性能，XAI 产品组合将包括更多可解释、高性能、深度学习技术。如果应用程序需要更高的可解释性，XAI 将包括性能更高、可解释的模型。