XiaoMi-AI文件搜索系统
World File Search SystemHeterogeneous
3D异质整合-ERI峰会-DARPA
下午休息时间：3：45 pm-4：00pm 4:00 pm新的异质整合方向：Nano-，Micro-和Macro-3d ICS Paul Fisher博士，Intel，组成部分研究，新兴技术和高级整合的组成部分研究，高级Sheikh，Intelistial Intercories 4:30 PM 3D DD DD DD DD DD DD DD DD的组成部分研究，新兴技术和高级整合的组合：RF Farhana Sheikh博士集成，任务环境和可靠性。奥古斯托·古铁雷斯（Augusto Gutierrez-Aitken）博士，诺斯罗普·格鲁曼（Northrop Grumman），诺斯鲁普·格鲁曼（Northrup Grumman）研究员4:55 pm thermal Management用于异质阵列的热管理和芯片堆叠Avi Bar Cohen博士Avi Bar Cohen博士，Raytheon Technologies，Raytheon Technologies，主要研究员，5:20 PM 3dhi 3dhi 3dhi对RF/混合信号应用程序：RF/Mixss Signal Specials All Divals All Divals All/Divectans sission sission All/div）
机器学习异质催化的原子间潜力
尽管现代催化行业的发展很快，但催化剂设计仍主要基于反复试验的实验手段。结果，催化剂开发和商业化的时间表可能需要10到20年。[1]理解催化中所述的微观机制被认为是催化行业的重要方面，即缩短开发新的异质催化剂的时间范围，其中在催化过程中涉及多个阶段。为促进催化剂，原子建模的结构 - 特性关系的理解，例如，基于力场的依赖计算和经典分子动力学（MD）模拟，已广泛用于探索催化机制和新型异构催化剂的催化机制和设计。在许多情况下，催化过程的原子建模取决于构成催化系统的多体系统的大量能量和力评估。需要考虑明确溶剂的效果，或者需要对纳米颗粒催化剂的尺寸依赖性特性进行建模时，问题就会变得更加复杂，这可以使基于密度功能理论（DFT）基于模拟的模拟可行。[2]因此，我们看到了MLIP在催化研究中的相对较高的应用，例如用于研究催化剂的吸附性能，结构预测和动力学。[3–5]
2025异质整合路线图（HIR）8th ...
在洛杉矶。在2023 - 4年，他担任美国商务部的任务，担任国家高级包装制造计划的主任，在那里他为国家包装命令制定了基础战略。他是异质整合和性能缩放中心（UCLA芯片）的创始主任。在此之前，他是IBM研究员。他的主要技术贡献是开发了世界上第一个SIGE基础HBT，盐盐，电气保险丝，嵌入式DRAM和45NM Technology节点，用于使第一代真正的低功率便携式设备以及第一个商业插入器和第一个商业插入器和3D集成产品。自加入UCLA以来，他一直在探索新的包装范式和设备创新，这些范式可能会启用晶圆尺度架构，内存模拟计算和医学工程应用程序。他是IEEE，APS，IMAPS和NAI的院士，也是IEEE EDS和EPS的杰出讲师。他是IIT孟买的杰出校友，并于2012年获得了IEEE DANIEL NOBLE奖章，并获得了2020年IMAPS Daniel C. Hughes Jr Memorial Award和2021年IMAPS杰出教育家奖。艾耶教授也是班加罗尔IISC的Makrishna Rao访问主教教授。
找到一种快乐媒介的异质缓存集成
对于高性能计算，希望从整体SOC中分解缓存存储器，并通过异源集成技术重新整合它。将缓存从整体SOC中重新定位会导致降低晚期硅死模尺寸，从而导致较高的产量和较低的成本。在这项研究中，我们评估了使用DECA模制的M-Series™嵌入式缓存扇出溶液之间高端3D硅互连解决方案和低端基板溶液之间差距的方法。deca的M系列芯片首先面对FOWLP平面结构是一个理想的平台，用于构建嵌入式插入器，用于处理器芯片，缓存内存和深沟槽电容器的异质集成。deca的自适应模式®允许扩展到处理器chiplet和缓存内存之间的高密度互连。考虑了嵌入式缓存插波器的三种不同配置。垂直堆叠的面对面配置最小化处理器和高速缓存之间的互连长度，而横向配置为铜堆积的铜堆积提供了铜的互连，从而可以进一步缩放互连间距。这两种配置都有其特定的好处和缺点，这些作品在这项工作中详细描述了。关键词自适应图案，嵌入式缓存插入器，扇出晶圆级包装，异质集成，高性能计算，M系列
学习以偏见搜索的异质多代理分配
摘要 - 基于信息的覆盖范围指示机器人在区域上移动，以根据某种信息来优化预定义的目标函数。我们先前的工作确定信息图的光谱分解可用于指导一组异质剂，每个剂具有不同的传感器和运动模型，以基于一种称为Ergodicity的度量来优化目标区域中的覆盖范围。在本文中，我们建立在这种见解的基础上，以构建将异质剂分配给频域中不同搜索区域的问题的增强学习公式。我们以三种不同的方式将搜索映射的光谱系数相互关联。第一个方法将代理映射到预定的光谱系数集。在第二种方法中，每个代理都会在所有光谱系数上学习重量分布。最后，在第三种方法中，每个代理都将权重分布作为参数化曲线而不是系数。我们的数值结果表明，根据其感应和运动模型将覆盖责任分配和分配覆盖责任会导致40％，51％和46％的覆盖范围提高覆盖范围的效果，如麦加德指标所测量的覆盖范围，并在搜索区域中分别在搜索区域中提高了所有目标。
异构 CPU/GPU 共同执行 CFD 模拟...
高保真计算流体力学模拟通常与大量计算需求相关，而每一代超级计算机的出现都对计算能力提出了更高的要求。然而，需要进行大量的研究工作才能释放基于日益复杂的架构的前沿系统（目前称为前百亿亿次级系统）的计算能力。在本文中，我们介绍了在计算力学代码 Alya 中实现的方法。我们详细描述了为充分利用不同级别的并行性而实施的并行化策略，以及一种用于有效利用异构 CPU/GPU 架构的新型共执行方法。后者基于具有动态负载平衡机制的多代码共执行方法。已针对使用 NVIDIA Volta V100 GPU 加速的 POWER9 架构上的飞机模拟对所有提出的策略的性能进行了评估。
平衡团队与质量多样性，用于异质多种协调
许多现实世界中的多种应用程序，例如搜索和交通管理或交通管理，都需要协调异性代理的团队。不幸的是，在这样的领域中学习很困难，因为代理通常会融合有限的“可接受”行为，这些行为可能是最佳的。质量多样性方法提供了通过将重点从优化的焦点转移到寻找各种行为曲目来减轻此问题的方法。但是，在具有多种多样且紧密耦合任务的多种环境中，探索行为的整个空间通常是棘手的。代理必须专注于寻找有利于良好团队绩效的有用行为。我们为异构团队（Beht）介绍了行为探索，这是一个多级培训框架，允许系统地探索代理人作为协调团队完成各种任务所需的行为空间。通过使用进化方法的密集代理特定的奖励和团队对象最大化的多样性搜索来搜索，代理的行为空间可以迭代地重新学习，以找到多样化的合作行为。在呼吁各种共同团队行为的多种环境中，我们表明，贝特允许代理商学习各种协同作用，这些协同作用是通过响应环境和其他异质代理而被收购代理行为的多样性所证明的。
hetarch：超导量子系统的异质微结构
本文通过引入Hetarch（用于设计异质量子系统的工具箱）来实现异质FTQC设计的挑战，并使用它来探索异性设计方案。使用分层方法，我们可以将量子算法分解为较小的操作（类似于经典应用程序内核），从而大大简化了设计空间和所得的权衡。专门针对超导系统，我们设计了由多种超导设备组成的优化异质硬件，将物理约束抽象成设计规则，使设备能够将设备组装到针对特定操作的标准单元中。最后，我们提供了一个异质的设计空间探索框架，该框架将模拟负担减少了10个或更多倍，并使我们能够将最佳的设计点提高。我们使用这些技术来设计用于纠缠蒸馏，误差校正和代码传送的超导量子模块，将错误率降低2。6×，10。7×和3。0×与均质系统相比。
通过异质OATP预测OATP1B1的抑制剂...
有机阴离子运输多肽（OATP）对于肝药物摄取至关重要，影响了药物疗效和毒性。预测OATP介导的药物相互作用（DDIS）由于结构性数据有限和整个研究的实验性OATP抑制数据而具有挑战性。这项研究介绍了异质的OATP-rigand相互作用图神经网络（HOLI-GNN），这是一种新型的计算方法，将分子建模与图神经网络相结合，以增强OATP介导的药物抑制的预测。通过将配体分子特征与蛋白质配体相互作用数据相结合，Holi-GNN的表现优于传统的基于配体的方法。与基于ECFP和RDKIT的模型相比，HOLI-GNN的中位数F1和AUC得分分别为0.78和0.90，分别基于XGBoost（F1：0.68和0.78； AUC：0.70和0.75）。除了改善抑制预测之外，我们还表征了与抑制性药物相互作用相对于非抑制性药物相互作用的蛋白质残基，特别是突出了残基T42，F224，I353，F356和F386。我们推测这些疏水堆积残基或抑制作用的局部位置可能是竞争性抑制机制的重要方面。我们的模型增强了OATP抑制剂预测的性能，并批判性地提供了可解释的交互信息，以告知未来的机械调查。
抗Omicron变体的异质杂交免疫力...
1呼吸道健康研究所，中国四川大学西中国医院的边境科学中心，中国成都; 2中国四川医院四川省的精密医学中心，中国成都四川大学； 3中国西中国医院的呼吸健康和多医生的国家主要实验室； 4中国四川大学西中国医院呼吸健康与多种病房研究所； 5中国的研究部门，中国医学院，西中国医院，成都，中国四川，中国； 6国家癌症中心/国家癌症/癌症医院国家临床研究中心，中国医学科学院和北京联合医学院，中国100021； 7中国四川大学西川肺和重症监护医学系，中国四川； 8西中国基础医学科学与法医医学学院致病生物学系，中国四川大学，中国成都； 9广州国家实验室，中国广州510005，广东；