XiaoMi-AI文件搜索系统
World File Search SystemOry
面向医疗应用的二值化神经网络的内存电阻式 RAM 实现
摘要 — 深度学习的出现大大加速了机器学习的发展。然而，边缘深度神经网络的部署受到其高内存和能耗要求的限制。随着新内存技术的出现，新兴的二值化神经网络 (BNN) 有望降低即将到来的机器学习硬件一代的能量影响，使机器学习能够在边缘设备上进行，并避免通过网络传输数据。在这项工作中，在介绍采用混合 CMOS - 氧化铪电阻存储器技术的实现后，我们提出了将 BNN 应用于心电图和脑电图等生物医学信号的策略，以保持准确度水平并降低内存要求。我们研究了二值化整个网络和仅二值化分类器部分时的内存-准确度权衡。我们还讨论了这些结果如何转化为 Imagenet 任务上面向边缘的 Mobilenet V1 神经网络。这项研究的最终目标是实现智能自主医疗设备。
面向医疗应用的二值化神经网络的内存电阻式 RAM 实现
摘要 — 深度学习的出现大大加速了机器学习的发展。然而，边缘深度神经网络的部署受到其高内存和能耗要求的限制。随着新内存技术的出现，新兴的二值化神经网络 (BNN) 有望降低即将到来的机器学习硬件一代的能量影响，使机器学习能够在边缘设备上进行，并避免通过网络传输数据。在这项工作中，在介绍采用混合 CMOS - 氧化铪电阻存储器技术的实现后，我们提出了将 BNN 应用于心电图和脑电图等生物医学信号的策略，以保持准确度水平并降低内存要求。我们研究了二值化整个网络和仅二值化分类器部分时的内存-准确度权衡。我们还讨论了这些结果如何转化为 Imagenet 任务上面向边缘的 Mobilenet V1 神经网络。这项研究的最终目标是实现智能自主医疗设备。
FA4-学生指南和课程清单
在此轨道中的螺柱将纳入一门课程，该课程强调了工程应用程序中最常用的执行器。此外，他们将探讨oy con of of ofer of cover in g c bassical ap proa proa and m odern技术。该课程还提供了应用的数学课程，使学生能够提高他们在非线性动力学，部分微分方程，模型订购方法，优化算法或拓扑优化方法方面的熟练程度。在Additi上，从选修课中，从电子产品到DV Anced控件以及从机器人系统到机械应用程序和最新的传感器的b ro deent befient befient befi。这种多样化的Sele ction可以使ST UDENT能够在Int Erest的Sp Ecific地区进行pecia lize，这是Mechat Ronics和R obo obo tics的广泛范围。
量子人工智能密码分析
摘要：随着量子计算机的不断发展，各种量子人工智能技术的研究正在进行中。与传统计算机上的深度学习相比，量子人工智能可以提高准确性和内存使用率方面的性能。在这项工作中，我们提出了一种攻击技术，该技术通过将量子人工智能应用于密码分析，通过学习密码算法中的模式来恢复密钥。密码分析是在当前实际可用的量子计算机环境中进行的，据我们所知，这是世界上第一项研究。结果，我们减少了 70 个时期，并将参数减少了 19.6%。此外，尽管使用了较少的时期和参数，但仍实现了更高的平均 BAP（位准确率）。对于相同的时期，使用量子神经网络的方法以更少的参数实现了 2.8% 更高的 BAP。在我们的方法中，使用量子神经网络获得了准确性和内存使用方面的量子优势。预计如果未来开发出更大规模的稳定量子计算机，本文提出的密码分析将得到更好的利用。
5 纳米技术节点设计中的碳纳米管 SRAM...
摘要 — 在本文中，我们提出了一种基于碳纳米管 (CNT) 场效应晶体管 (CNFET) 的静态随机存取存储器 (SRAM) 设计，该设计在 5 纳米技术节点上基于性能、稳定性和功率效率之间的权衡进行了优化。除了尺寸优化之外，还评估和优化了包括 CNT 密度、CNT 直径和 CNFET 平带电压在内的物理模型参数，以提高 CNFET SRAM 性能。基于亚利桑那州立大学 [ASAP 7 纳米 FinFET 预测技术模型 (PTM)] 库，将优化的 CNFET SRAM 与最先进的 7 纳米 FinFET SRAM 单元进行了比较。我们发现，与 FinFET SRAM 单元相比，所提出的 CNFET SRAM 单元的读取、写入 EDP 和静态功率分别提高了 67.6%、71.5% 和 43.6%，稳定性略好。 CNFET SRAM 单元内部和之间的 CNT 互连被视为构成全碳基 SRAM (ACS) 阵列，本文第二部分将对此进行讨论。本文实施了一个具有铜互连的 7 纳米 FinFET SRAM 单元并将其用于比较。
Jarvis基础架构是材料设计所需的全部
用于各种集成模拟的联合自动化存储库（JARVIS）是一个全面的基础架构，提供数据库，工具，教程和基准，用于多尺度，多模式，向前和倒数材料。强调开放访问原则和可重复性，它整合了理论和实验方法，例如密度功能性功能性，量子蒙特卡洛，紧密结合，经典力场以及机器学习方法，包括指纹，图形神经网络，图形神经网络和跨前者模型。其实验数据收集涵盖了低温学，显微镜和衍射，涵盖金属，半导体，绝缘体，超导体，碳捕获系统，高强度化合物以及低维材料，异质结构和异质结构和低维度。JARVIS通过开放数据集，Web应用程序，可执行脚本和同行评审的出版物进行分发资源，从而确保广泛的可访问性和可重复性。在全球范围内广泛采用，它促进了数百万个数据和工具下载量。通过在一个平台下统一不同的方法和数据，Jarvis驱动了基本发现和现实世界的创新，从而推进了传统和数据驱动的材料设计。
CNFET晶体管优化-IMEC出版物存储库
摘要 - 在本文中，我们提出了一个基于性能，稳定性，稳定性，稳定性，稳定性，稳定性之间的折叠式晶体管晶体管（CNT）效果晶体管（CNFET）基于基于5-NM技术节点的静态静态随机访问mem-Ory（SRAM）设计。除了尺寸优化外，还评估并对CNFET SRAM性能改善（包括CNT密度，CNT直径和CNFET频率）在内的物理模型参数进行了评估和优化。优化的CNFET SRAM与基于亚利桑那州立大学的最先进的FinFET SRAM细胞[ASAP 7-nm FinFET预测技术模型（PTM）]库进行了比较。我们发现，与FinFET SRAM细胞相比，所提出的CNFET SRAM细胞的读取，编写EDP和静态功率分别提高了67.6％，71.5％和43.6％，其稳定性稍好。CNT互连都被认为是组成全碳基SRAM（ACS）阵列，该阵列将在本文的第二部分中进行讨论。实现并使用具有铜互连的7 nm FinFET SRAM单元进行比较。
政治经济学的死亡：经济思想的回顾
摘要 在下文中，作者试图提出他的论点：传统的政治经济学社会科学实际上早已消亡。他认为，自公元前 2500 年以来，美索不达米亚、埃及、中国和印度就已经存在相当发达的科学。这门科学的厄运始于 17 世纪初，并部分地在 19 世纪后期完成，这也是随着奥地利学派的兴起，卡尔·门格尔和他的追随者通过引入效用理论和边际主义概念发起攻击（针对他们的前辈——阶级主义者、马克思和社会主义者），从而发展出了一种替代性的经济思想流派。然而，阿尔弗雷德·马歇尔给了它最后一击，他完全忽视了旧科学的内容，发明了一个全新的微观经济学概念网络，使这门科学成为最终的牺牲品。约翰·M·凯恩斯在马歇尔的指导下也参与了这一时期，他提出了就业、利息和货币理论。到 20 世纪 30 年代末，政治经济学已走向衰亡。
引用：Li，Jason，Watters，Nicholas，Sohn，Hansem和Jazayeri，Mehrdad。 2022。
从平稳地追求移动的物体到在视觉搜索过程中迅速转移凝视，人类在不同情况下采用各种眼动策略。虽然眼动为心理过程提供了丰富的窗口，但众所周知，构建眼动的生成模型是困难的，并且至今，指导眼动的计算观察者在很大程度上仍然是一个谜。在这项工作中，我们在典型的空间计划任务（迷宫解决方案）的背景下解决了这些问题。我们使用新颖的可区分结构来从人类受试者那里收集了眼睛运动，并建立了深层的眼动模型，以凝视固定和凝视。我们发现，人眼运动最好由一个模型预测，该模型被优化，不要尽可能有效地构成任务，而是对横穿迷宫的对象进行内部模拟。这不仅提供了此任务中眼动的生成模型，而且还为人类如何解决该任务的计算效果，即人类使用心理模拟。
基于自旋的磁性随机存取存储器，用于高...
存储器是当今电子系统中用于数据存储和处理的关键组件。在传统的计算机架构中，由于存储器之间在操作速度和容量方面的性能差距，逻辑单元和存储器单元在物理上是分开的，从而导致冯·诺依曼计算机的根本限制。此外，随着 CMOS 技术节点的演进，晶体管变得越来越小，以提高操作速度、面积密度和能源效率，同时提供更低的驱动电流。然而，嵌入式闪存和 SRAM 等主流技术正面临着重大的扩展和功耗问题。更密集、更节能的嵌入式存储器将非常可取，特别是对于 14 纳米或更小的先进技术节点。与操纵非磁性半导体中的电荷来处理信息的传统电子设备不同，自旋电子器件基于电子自旋，提供创新的计算解决方案。为了将自旋电子学融入到现有的成熟的半导体技术中，基于自旋的器件一般设计以磁隧道结为核心结构，起到磁随机存取存储器（MRAM）的作用。