XiaoMi-AI文件搜索系统
World File Search SystemNode
适用于 7nm 技术节点及更高版本的可扩展且可制造的无体积多 Vt 解决方案
为了提高晶体管的密度、提高性能、降低功耗和降低每个晶体管的成本，人们对晶体管尺寸的要求推动了接触多晶硅间距 (CPP) 的缩小，如图 1 和图 2 所示，这反过来又需要缩小栅极长度以释放更多空间来降低接触电阻。由于金属栅极图案的空间有限，RMG 的持续缩小对 7nm 及更高技术的多 Vt 提出了挑战。此外，自对准接触 (SAC) 成为未来技术节点上提高器件成品率的关键要素。因此，需要采用简化的 RMG 堆叠集成方案来确保良好的栅极凹槽控制和均匀的 SAC 封装。由不同栅极金属厚度 (金属多 Vt) 实现的多 Vt 选项将在大幅缩小间距时面临可扩展性挑战。在这项工作中，我们提出了一种无体积多 Vt 解决方案来定义具有不同偶极子层厚度的所有 Vt 类型。氧化物偶极子层与基于 SiOx 的界面层 (IL) 相互作用，产生 Vt 偏移，伴随其基团电负性差异 [6]。所提出的方案被证明与双 WFM 工艺兼容，并且由于其体积小，可适用于高度缩放的设备和新颖的设备架构。在同一芯片上集成多个偶极子厚度非常具有挑战性，因为偶极子厚度非常薄，通道可能会受到图案损坏。在本文中，我们
人工智能的应用人工智能在预测乳腺癌淋巴结转移中的应用
乳腺癌是全球女性死亡的主要原因。乳腺癌的一个特点是它能够转移到身体的远处区域，而这种疾病首先通过扩散到腋窝淋巴结来实现这一点。传统的腋窝淋巴结转移诊断包括一种侵入性技术，这会导致乳腺癌患者出现潜在的临床并发症。人工智能在医学成像领域的兴起导致了创新的深度学习模型的诞生，这种模型可以非侵入性地预测腋窝淋巴结的转移状态，从而避免对患者进行不必要的活检和解剖。在这篇综述中，我们讨论了各种深度学习人工智能模型在多种成像模式下预测腋窝淋巴结转移的成功率。
SamurAI：具有事件驱动唤醒和嵌入式 ML 加速功能的多功能物联网节点
摘要 — 现在，物联网应用需要增强识别和自适应等功能。虽然物联网节点功耗是这些应用的主要关注点，但由于通过无线网络连续传输传感器或图像数据，基于云的处理变得难以为继。因此，应在物联网节点中集成优化的 ML 功能和数据传输。此外，物联网应用在零星数据记录和耗能数据处理（例如图像分类）之间左右为难。因此，节点的多功能性是解决这种多样化能源和处理需求的关键。本文介绍了 SamurAI，这是一种多功能物联网节点，它通过利用两个片上子系统来弥补处理和能源方面的差距：低功耗、无时钟、事件驱动的始终响应 (AR) 部分和节能的按需 (OD) 部分。 AR 包含一个 1.7MOPS 事件驱动的异步唤醒控制器 (WuC)，唤醒时间为 207ns，针对零星计算进行了优化，而 OD 结合了深度睡眠 RISC-V CPU 和 1.3TOPS/W 机器学习 (ML)，可执行高达 36GOPS 的更复杂任务。这种架构分区实现了同类最佳的多功能性指标，例如峰值性能与空闲功率比。在应用分类场景中，它展示了系统功率增益，与基于云的处理相比高达 3.5 倍，从而延长了电池寿命。
澳大利亚植物科学家学会（ASP）昆士兰州节点会议2024
• NZSPB Roger Slack Award - David Chagné • ASPB Goldacre Award – Peter Crisp • ASPB Education Award - Ashley Jones & Benjamin Schwessinger • Break • NZSPB elected fellow to the NZ Royal Society - Andy Allan and Kevin Davies • ASPB Jan Anderson – Jenny Mortimer • ASPB JG Wood – Sergey Shabala
基于联合图神经网络的硬件木马节点检测
摘要 集成电路（IC）产业的全球化引发了对硬件木马（HT）的担忧，迫切需要有效的门级网表 HT 检测方法。在本文中，我们提出了一种基于图学习的门级木马节点检测方法。该方法不需要任何黄金模型，可以轻松集成到集成电路设计流程中。此外，我们进一步设计了一个联合 GNN 网络，将有向图的输入端、输出端和邻居端的信息结合起来，生成代表性节点嵌入。实验结果表明，在不同设计中，它可以达到平均 93.4% 的召回率、91.4% 的 F 度量和 90.7% 的准确率，优于最先进的 HT 检测方法。 关键词：硬件木马检测，图神经网络，无黄金参考，门级网表 分类：集成电路
计算机科学一个值得信赖的节点 - 八用户大都会量子通信网络
简介量子通信网络在量子通信领域提出了革命性步骤（1，2）。尽管实际证明了量子密钥分布（QKD）（3-8），但向许多用户扩展标准的两用户QKD协议的差异已经阻止了大规模采用量子通信。到目前为止，量子网络依赖于一个或多个概率特征：受信任的节点（9-13）是潜在的安全风险；主动切换（14 - 17），限制了功能和连接性；最近，波长多路复用（18）具有有限的可伸缩性。量子通信研究的最终目标是，具有基于物理定律而不是计算复杂性的安全性，使得与当前的Internet相像，以实现广泛的连接性。为了实现这一目标，量子网络必须是可扩展的，必须允许使用不同硬件的用户必须与流量管理技术兼容，不得限制允许的网络拓扑，并且必须尽可能避免避免潜在的安全风险（如受信任的节点）。到目前为止，所有人都证明了QKD网络属于三个宽大的冠军。第一类是值得信赖的节点网络（9-12），其中假定网络中的某些或所有节点被认为可以免受窃听。在大多数实用的网络中，很少能相信每个连接的节点。此外，此类网络倾向于在每个节点上同时使用发件人和接收器硬件的多个副本，从而使成本越来越高。第二类是积极切换或“访问网络”的，其中只允许某些用户一次交换密钥（19）。同样，点对点网络网络在利基应用程序中很有用，并且已使用无源束分式（BSS）（20 - 22），活动
MOBI2的计算定向发现
摘要 - 综合技术特征缩水增加了计算系统对单事件效应的敏感性（请参阅）。虽然建模查看故障至关重要，但综合的程序范围使物理上正确的建模在计算上可以棘手。没有有用的模型，对断层耐受性方法的硅前评估是不可能的。要在系统范围内合并精确的晶体管级效应，我们提出了一个多尺度的仿真框架。（i）设备级的电荷收集确定（ii）电路级瞬态持续时间和状态上集的可能性。电路效应反过来效果（III）寄存器 - 转移级体系结构状态腐败在（IV）系统级别上可见。因此，在HPC模拟器上执行的大规模系统中SE的物理准确效应可用于通过设计驱动跨层辐射硬化。我们通过两个案例研究证明了该模型的功能。首先，我们在14NM FinFET技术的晶体管水平上确定了D频率的灵敏度，从而验证了针对已发表的横截面的模型。第二，我们在各向同性太空环境中追踪和估计ADAMS 90％最差环境的MIPS处理器中的故障
现场环境中无线传感器网络节点的多源能量收集系统
摘要 —本文介绍了适用于自供电无线传感器网络 (WSN) 节点的硬件平台的设计、实现和特性。其主要设计目标是设计一个混合能量收集系统，以延长 WSN 节点在现场环境中部署后的使用寿命。除了实现最佳组件（微控制器、传感器、射频 (RF) 收发器等）以实现最低功耗外，还需要考虑能源，而不是频繁充电或更换电池。因此，该平台采用了多源能量收集模块，从周围环境中收集能量，包括风能、太阳辐射和热能。该平台还包括一个通过超级电容器、RF 收发器模块和主微控制器模块的能量存储模块。实验结果表明，经过适当集成的 WSN 节点系统将储备足够的能量，并满足现场环境中无电池的 WSN 节点的长期供电需求。实验结果和九天的经验测量表明，平均每日发电量为7805.09 J，远远超过WSN节点的能量消耗（约2972.88 J）。
使用增强和混合现实的子宫内膜癌中的哨兵淋巴结活检
前哨淋巴结活检提供了子宫内膜癌中全淋巴结清扫术的侵入性替代方案，从而减少并发症，同时保持诊断准确性。此病例报告强调了一名34岁的妇女接受机器人辅助手术的子宫内膜癌的妇女的整合和增强现实（AR）的整合。术前成像结合了单光子发射计算机断层扫描和计算机断层扫描确定的前哨淋巴结，使用混合现实（MR）技术可视化。这种方法使手术团队能够准确地了解淋巴结与周围临界结构之间的三维空间关系。全息投影在手术过程中提供了精确的指导，改善了淋巴结识别并最大程度地减少了侵入性。未检测到淋巴结转移，但是由于腹膜中肿瘤播种，证实了国际妇科和妇产科联合会（FIGO）的诊断。患者接受了成功的辅助化疗，未观察到复发。本报告证明了全息图和AR增强空间意识和手术精度的重要潜力。这些技术代表了患有妇科癌症患者的哨兵淋巴结活检的有希望的进步，这有助于降低手术侵入性和减轻外科医生的压力。
