ai人工智能ASAT ASAT ASAT ASAT ASAT ASAT ARSP ARTEMIS太空计划CAT计算机轴向断层扫描CFS COFS COMPONWEALTH FUSION FUSION SYSTEM European Telecommunications Satellite Organization EU The European Union FAA Federal Aviation Administration (USA) FAI Federation Aeronautique Internationale GDP Gros Domestic Product GEO Geosynchronous Orbit GPS Global Positioning System GPT-4 Generative Pre-trained Transformer H3 Helium-3 HLS Human Landing System (Artemis Program) IAF International Astronautical Federation IIOSC Intersputnik International Organization of Space Communications IISL International Institute of Space Law IMF International Monetary Fund ISA International Seabed Authority ISAS Institute of Space and Astronautical Science ISS International Space Station JAXA Japan Aerospace and Exploration Agency JSA Japan Space Act LC Liability Convention LED Light Emitting Diode LEO Low Earth Orbit LLM Large Language Model Lux Luxembourg M3 Moon Mineralogy Mapper MOU Memorandum of Understanding MRI Magnetic Resonance Imaging MT Moon Treaty NAL National Aerospace NASA实验室国家航空航天管理局(美国)NIF国家点火设施
DrACO 复杂有机物采集钻探 DraMS 蜻蜓质谱仪 DSL 深空物流 EGS 探索地面系统 EIS 欧罗巴成像系统 EPFD 电动动力系统飞行演示 ESA 欧洲航天局 ESM 欧洲服务舱 ESPRIT-RM 欧洲加油、基础设施和电信系统 加油舱 EUS 探索上面级 GERS 网关外部机器人系统 GRNS 伽马射线和中子光谱仪 GSLV 地球同步卫星运载火箭 HALO 居住和物流前哨 HLS 载人着陆系统 i-Hab 国际栖息地 I&T 集成和测试 ICON 电离层连接探测器 ICPS 临时低温推进级 IMAP 星际测绘和加速探测器 IOC 初始运行能力 ISRO 印度空间研究组织 ISS 国际空间站 JAXA 日本宇宙航空研究开发机构 JCL 联合成本和进度置信水平 JWST 詹姆斯·韦伯太空望远镜 KaRIn Ka 波段雷达干涉仪KASI 韩国天文与空间科学研究所 KDP 关键决策点 L9 Landsat 9 LBFD 低空飞行演示器 LCRD 激光通信中继演示 LICIACube Light 意大利立方体卫星(用于小行星成像) LIDAR 光探测与测距 MASPEX 行星探测质谱仪 MDR 任务定义审查 MISE 测绘成像光谱仪(用于木卫二) ML2 移动发射器 2 MPM 多用途模块 NASA 美国国家航空航天局 NE
DraMS 蜻蜓质谱仪 DSL 深空物流 EAP 电动飞机推进系统 EGS 探索地面系统 EIS 木卫二成像系统 EMI 电磁干扰 EPFD 电动动力系统飞行演示 ESA 欧洲航天局 ESM 欧洲服务舱 ESPRIT-RM 欧洲加油、基础设施和电信系统 加油舱 EUS 探索上面级 EVA 舱外活动 GDC 地球空间动力学星座 GERS 网关外部机器人系统 HALO 居住和物流前哨 HLS 载人着陆系统 I-HAB 国际栖息地 ICPS 临时低温推进级 IMAP 星际测绘和加速探测器 ISRO 印度空间研究组织 ISS 国际空间站 IT 电离层-热层 JPL 喷气推进实验室 JWST 詹姆斯·韦伯太空望远镜 KDP 关键决策点 LBFD 低爆飞行演示器 LCRD 激光通信中继演示 MASPEX 行星探索质谱仪 MAV火星上升飞行器 MDR 任务定义审查 ML2 移动发射器 2 MSR 火星样本返回 NASA 美国国家航空航天局 NEO 近地天体 NEOCam NEO 相机 NISAR NASA ISRO – 合成孔径雷达 NPR NASA 程序要求 OCI 海洋颜色仪 OMB 管理和预算办公室 Orion Orion 多用途载人飞船 ORR 作战准备情况审查
Aladdin [1] 是一个预 RTL 功耗/性能模拟器,旨在实现以加速器为中心的系统的快速设计空间搜索。该框架将算法的高级语言描述作为输入(C 或 C++),并使用动态数据依赖图 (DDDG) 作为加速器的表示,而无需生成 RTL。从无约束程序 DDDG(对应于加速器硬件的初始表示)开始,Aladdin 对图形应用优化和约束,以创建加速器活动的真实模型。我们针对一系列应用,通过手写 Verilog 和商用高级综合 (HLS) 工具对加速器的 RTL 实现验证了 Aladdin。我们的结果表明,与传统 RTL 流程生成的加速器设计相比,Aladdin 可以高精度地模拟功耗、性能和面积,误差在 10% 以内,同时以更少的设计工作量和时间提供这些估算。 Aladdin 可以捕捉加速器设计的权衡,从而为异构系统(包括加速器、通用核心和共享内存层次结构,例如在移动 SoC 中看到的)提供新的架构研究方向。特别是,Aladdin 允许用户在异构环境中探索加速器的定制和共享内存层次结构。例如,在使用 GEMM 基准的案例研究中,Aladdin 通过评估整个系统的更广泛设计空间发现了重要的高级设计权衡。我们设想 Aladdin 既可以用作加速器模拟器,也可以用作未来多加速器系统的设计空间探索工具。
摘要 - 由于固有的硬件限制,资源约束设备上的真实数量随机数生成具有挑战性。这些局限性会影响找到具有高吞吐量和足够良好的可靠随机性来源的能力。作为脑部计算机界面领域(BCI)领域的最新发展表明,需要随机数的广泛应用,我们研究了基于皮质学的神经数据作为随机数生成的种子的可用性。我们开发了从脑数据中产生随机位的算法,并使用NIST SP 800-22测试套件来评估随机性的质量。我们将算法作为硬件随机位发电机(RBG)实现。然后,我们将这些实现作为硬件加速器集成在MindCrypt,MindCrypt是一种异质的芯片系统(SOC),配备了主机处理器来运行BCI应用程序。在MindCrypt中,应用程序使用我们的RBG加速器作为随机数生成器(RNG)和素数生成器。与使用基于最先进的Linux的RNG相比,在RISC-V处理器上运行软件应用程序的FPGA原型在RISC-V处理器上运行软件应用程序的提高了376倍和4885X的能源效率。通过将RBG加速器和加密加速器之间的点对点(P2P)通信传递随机位,我们在性能中获得6.1倍,与直接存储器访问(DMA)相比,能量效率为12.4倍。最后,我们探索了MindCrypt的部分重新配置的FPGA实现的功效,该实现动态优化了在资源约束的BCI SOC中随机数生成的吞吐量。索引条款 - SOC,HLS,BCI,RISC-V,P2P,FPGA,DPR
2023年7月25日收到出版; 2023年10月8日接受。来自 *Clienia Schloessli,苏里奇大学私人精神病医院和学术教学医院,Oetwil Am See/瑞士苏黎世; †塞浦路斯尼科西亚尼科西亚大学医学院的基础和临床科学系; ‡德国雷根斯堡大学精神病学和心理治疗系临床药理学; §临床药理学,德国雷根斯堡大学药理学与毒理学系; ¶临床药理学,德国pentling的Agate GGMBH研究所; ║瑞士苏黎世大学精神病学院精神病学系,心理治疗和心理学系; **德国美因茨市美因茨大学医学中心精神病学和心理治疗系; ††德国美因茨大学医学中心临床化学与实验室医学研究所; ‡‡德国亚兴的亚太大学精神病学,心理治疗和心理学系; §jara-translationation Brain Medicine,Ju lich,德国; ¶¶亚历克纳医院,德国亚兴; ║║纽约格伦·奥克斯(Glen Oaks)诺斯韦尔健康(Northwell Health)的扎克山区医院精神病学研究系; ***纽约Hempstead的Northwell/Hofstra Zucker医学院精神病学系。参加了研究设计:M。Kuzin,N。Kuzo,G。Schoretsanitis,E。Haen,K。Endres,C。Hiemke,M。Paulzen。数据分析:G。Schoretsanitis和N. Kuzo撰写手稿:M。Kuzin,N。Kuzo,G。Schoretsanitis,E。Haen,K。Endres,C。Schoretsanitis和M. Paulzen撰写了手稿。他没有报告本出版物的关注。M. Kuzin已获得Sunovion Pharmaceutical(瑞士巴塞尔)和Otsuka Pharmaceutical(瑞士Glattbrugg)的旅行资助。他还获得了旅行补助金,参加了旅行,并在伦德贝克(瑞士苏黎世)的议长委员会获得了赠款。M. Paulzen已从以下制药公司获得发言人费用:Neurax Pharm,Lundbeck,Janssen,Otsuka,Idorsia和Rovi。他曾担任Neurax Pharm,Otsuka,Lundbeck,Fidorsia和Rovi的顾问。他是PSIAC的编辑,PSIAC是一种基于Internet的药物 - 心理药物治疗的药物相互作用计划(www.psiac.de)。Schoretsanitis博士曾担任Dexcel Pharma,HLS Therapeutics和Thermo Fisher的顾问,并获得了HLS Therapeutics的发言人费用。作者没有宣布不利于关注的冲突。补充数字内容可用于本文。直接URL引用出现在印刷文本中,并在本文的HTML和PDF版本中提供,该文章在Journal的网站(www.retinajournal.com)上提供。这项研究得到了德国亚兴的亚兴大学医院的当地监管机构的批准。此类研究不需要正式的患者同意。在当前研究中生成和分析的数据集应合理的要求可从通讯作者获得。通讯:Georgios Schoretsanitis,医学博士,博士,Zucker Hillside医院,行为健康馆,7559 263rd Street,Glen Oaks,Glen Oaks,NY 11004(电子邮件:george.schor@gmail.com)。版权所有©2024作者。由Wolters Kluwer Health,Inc。出版,代表国际治疗药物监测和临床毒理学协会。这是根据Creative Commons Attribution-Non Commercial-No衍生产品许可4.0(CCBY-NC-ND)的条款分发的开放访问文章,可以在其中下载并共享工作,只要被正确引用。未经日记许可,无法以任何方式更改工作或商业使用。
过去几年,深度神经网络 (DNN) 已成为人工智能的主导子领域。机器学习 (ML) 框架(如 TensorFlow [10])有助于在高抽象级别上设计更强大的神经网络,从而实现新的架构和网络拓扑。FPGA 甚至 ASIC 被证明是加速 DNN 推理的有前途的后端设备,可提供良好的吞吐量和延迟,同时通过多种优化技术解决硬件资源有限的挑战。然而,手工设计这些设计是一项非常耗时的任务,因为 DNN 模型及其工作负载会不断变化,即使对于即将到来的高级综合 (HLS) 领域也是如此。为了弥补生产力方面的差距,已经引入了许多框架,从高级网络描述开始,自动为 FPGA 板 [3-5] 和 ASIC [3] 生成优化的硬件实现。已发布的结果表明,这些框架在性能、延迟和能效方面能够超越最先进的加速器,甚至超越基于 GPU 和 TPU 的解决方案 [3]。本文首先简要概述了最近提出的一小部分框架解决方案,并深入了解了它们的方法。这些框架中的每一个都根据其方法和优化技术定义了一个单独的设计空间。它们大多数自动化设计空间探索 (DSE) 的支柱是专门的预测工具或分析模型,用于估计参数选择将如何影响早期设计阶段的整体性能、能耗或后期硬件系统的面积。提出的结果表明,与实际硬件实现相比,这些预测可以实现可靠的准确性 [3,5],从而有效地选择最佳设计候选方案。在设计周期的早期获取这些信息至关重要
旧缩写 新缩写 主题 AAS AAAS 非洲与非裔美国人研究 AH AHST 艺术史 AMS AMST 美国研究 ANT ANTH 人类学 ARA ARBC 宗教与古典文学 - 阿拉伯语 ASL ASLA 美国手语 AST ASTR 物理与天文学 ATH ATHS 考古学 技术与历史结构 BCS BCSC 脑与认知科学 BIO BIOL 生物学 CAS CASC 艺术与科学学院 CGR CGRK 古典希腊语 CHI CHIN 中文 CHM CHEM 化学 CLA CLST 古典研究 CLT CLTR 比较文学 CSP CSSP 心理学临床与社会科学 CVS CVSC 视觉科学中心 DAN DANC 舞蹈 DH DH 数字人文 DMS DMST 数字媒体研究 DSC DSCC 数据科学与计算 生态经济 经济学 EES EESC 地球与环境科学 EHU EHUM 环境人文 ELP ELP 英语语言课程 ENG 英语 英语 FMS FMST 电影与媒体研究 FR FREN 法语 GER GRMN 德语 GHO GHOC GHOST 课程 GRK GREK 希腊语 GSW GSWS 性别、性与女性研究 HEB HBRW 希伯来语 HIS HIST 历史 HLS HLSC 健康与社会 HUP HUP 希伯来语 UNIV 课程 IEP IEP 强化英语课程 IND INTD 跨部门 IR INTR 国际关系 IT ITAL 意大利语 JPN JPNS 日语 JST JWST 犹太研究 JYA JYA 大三出国留学 KOR KORE 韩语
空中 RaN 和水下 AcN,从而形成一个无缝网络。此外,“先进”声纳浮标可用作获取数据预处理和数据融合的中间步骤,通过此步骤可实现数据缩减。此类数据缩减意味着更短的数据上传时间,这是在敌对地区执行 REA 操作的重要先决条件,因为空中 RaN 节点的长期存在可能会影响任务成功。敌对地区操作表明,“先进”声纳浮标领域必须集成一个可随时添加或抑制节点的网络,即使使用单个“先进”声纳浮标也能执行精简的操作。声学海洋浮标 (AOB) 遥测系统希望满足“先进”声纳浮标的特性。它通过使用标准“IEEE 802.11”WLAN配置集成空中RaN,并使用水听器阵列和声源集成水下AcN。第一个AOB原型在2003年[3]和2004年[4]的海上快速环境评估海上试验中进行了测试。AOB的当前版本于2005年9月15日至10月2日在美国夏威夷考艾岛附近的MakaiEx海上试验中进行了测试,该试验是美国圣地亚哥HLS Research Inc推动的高频计划的背景下进行的。下面将描述AOB设计,讨论主要系统特性,介绍MakayEx AOB工程测试并指出未来的发展。系统设计 AOB 的物理特性,包括高度(1.2m)、直径(16cm)、重量(40kg)和自主性(12 小时),与标准声纳浮标的物理特性相似。但是,AOB 具有高级功能,包括:独立或网络操作;本地数据存储;专用信号处理;GPS 定时和定位;实时数据传输和中继。本节简要介绍 AOB 硬件和软件,并给出“基站”——空中 RaN 节点的主要特性。
空中 RaN 和水下 AcN,从而形成一个无缝网络。此外,“先进”声纳浮标可用作获取数据预处理和数据融合的中间步骤,通过此步骤可实现数据缩减。这种数据缩减意味着更短的数据上传时间,这是在敌对地区执行 REA 操作的重要前提,因为空中 RaN 节点的长期存在可能会影响任务的成功。敌对地区行动表明,“先进”声纳浮标领域必须集成一个可以随时添加或抑制节点的网络,即使使用单个“先进”声纳浮标也能执行精简的操作。声学海洋浮标 (AOB) 遥测系统希望满足“先进”声纳浮标的特性。它使用标准“IEEE 802.11”WLAN 配置集成空中 RaN,并使用水听器阵列和声源集成水下 AcN。第一台 AOB 原型机在 2003 年 [3] 和 2004 年 [4] 的海事快速环境评估海上试验中进行了测试。2005 年 9 月 15 日至 10 月 2 日,在美国夏威夷考艾岛附近的 MakaiEx 海上试验中对 AOB 的现行版本进行了测试,此次试验是在美国圣地亚哥 HLS Research Inc 推动的高频计划的背景下进行的。下面将描述 AOB 的设计,讨论主要的系统特性,介绍 MakayEx AOB 工程测试,并指出未来的发展。系统设计 AOB 的物理特性在高度(1.2 米)、直径(16 厘米)、重量(40 公斤)和自主性(12 小时)方面与标准声纳浮标相似。然而,AOB 具有先进的功能,包括:独立或网络操作;本地数据存储;专用信号处理;GPS 授时和定位;实时数据传输和中继。本节简要介绍了AOB硬件和软件,并给出了“基站”(空中RaN节点)的主要特性。