XiaoMi-AI文件搜索系统
World File Search SystemPixel
缓解气候关键海洋数据集中的蒙面像素
摘要：云和其他数据伪像经常限制从远程感知的地球观测中检索关键变量。我们训练具有高保真海洋模拟的自然语言处理（NLP）启发的算法，以准确地重建海面温度（SST）领域的掩盖或缺失数据，这是由全球气候观察系统确定的54个基本气候变量之一。我们证明，所谓的模型（称为e nki）反复超过先前采用的钻头技术，最多可以在重建错误中的数量级，同时即使在大多数像素被掩盖的情况下也显示出非凡的性能。此外，对具有至少40％的掩盖百分比的真实红外传感器数据的实验显示出比该传感器的已知不确定性少的重建误差（均方根误差（RMSE）≲0.1K）。我们将E nki的成功归因于NLP的细心性质与现实的SST模型输出相结合，这种方法可以扩展到其他远程感知的变量。这项研究表明，基于E nki或其他类似的先进系统的系统可能会产生最佳解决方案，以减轻气候关键海洋数据集中对迅速变化的地球进行采样的蒙面像素。
将增强和缺失的像素归合组合
遥感图像分类在各种领域至关重要，包括农业，城市规划和环境监测。但是，有限的标记数据和缺失的像素对实现准确的分类构成了挑战。在这项研究中，我们提出了一个综合框架，该框架使用潜在扩散模型和基于强化学习的基于基于学习的缺失像素插补来整合数据，以增强深度学习模型的分类性能。该框架由三层组成：数据增强，缺少像素的插补以及使用修改后的VGG16体系结构进行分类。基准数据集上的广泛实验证明了我们的框架的重大影响，通过显着提高分类准确性和鲁棒性，超过了最新技术。结果突出了我们的增强和归纳技术的有效性，分别达到97.56％，97.34％和97.34％的骰子得分，准确性和召回指标。我们提出的框架为准确的遥感图像分类提供了一个宝贵的解决方案，解决了有限数据和缺失像素的挑战，并且在各个域中具有广泛的应用程序。关键字：VGG 16，卷积神经网络，扩散模型，遥感，卫星图像。
小像素低增益雪崩探测器 (LGAD)
埋层 GL 又是一个位于外延层内一定深度的 +p+ 结。GL 是在外延生长过程中获得的。通过分级外延形成的 GL 还应避免与注入产生的外延缺陷相关的问题。已经确定了一家代工厂，并讨论了技术方面的问题。已经提供了购买 6' 晶圆的报价。
从像素到金属：人工智能赋能的钱币艺术
本文介绍了我们对葡萄牙国家铸币厂提出的独特挑战的回应：使用人工智能设计一枚纪念币来庆祝“数字世界”。我们解释了这枚硬币的共同创作过程，从概念化到生产，重点介绍了设计过程、基本原理、遇到的主要障碍以及为应对挑战而进行的技术创新和发展。其中包括开发由对比语言-图像预训练 (CLIP) 和基于机器学习的美学模型指导的进化艺术系统、快速进化系统以及以可铸造格式编码基因型的表示。此次合作生产了一枚限量版 10 欧元银币，国家铸币厂共铸造了 4,000 枚。这枚硬币受到了热烈追捧，两个月内就销售一空。这项工作促进了计算创造力，特别是共同创造力、共同设计和数字艺术，代表了人工智能在钱币学中的应用迈出了重要一步。
使用像素级伽马校正增强图像质量
复合材料是材料科学和工程中最重要的材料，包含两种或两种以上的材料。在材料工程中，扫描电子显微镜 (SEM) 技术是一种测量材料粒度的方法。一种替代 SEM 的新程序被称为人工智能 (AI)。人工智能 (AI) 是一门跨学科科学和计算机科学的分支，涉及解决需要人类智能和能力的问题。计算机视觉是人工智能的一个子领域，它使用一些算法通过使用计算机（称为图像处理）来检测图像的细节。检测粒子并测量 SEM 扫描的材料尺寸是一项重要任务，有助于描述其特征，传统上，尺寸是通过在 SEM 图像中添加网格或在任意粒子中绘制对角线来手动计算的。本文提出了一种基于人工智能 (AI) 的新模型，使用计算机视觉来分析所有粒子的尺寸。该模型用于检测复合材料（如石墨烯薄片）中添加剂的粒度，并根据扫描电子显微镜 (SEM) 上固定的参考尺寸测量它们的尺寸。该模型基于开源计算机视觉（OpenCV）库，利用多层 Canny 边缘检测、Sobel 滤波器、亮度和对比度算法，使用 Python 3。结果以非常低的处理时间 = 0.2 毫秒实现了非常满意的指示。
使用像素化TLBR半导体检测器
可以轻松地从指示信号的阳极像素中确定。确定相互作用深度有两种可能性。第一个是使用阴极和阳极像素之间的信号比。由于短像素效应，阳极像素的诱导信号几乎不受相互作用深度的影响，而在平面阴极上诱导的信号直接取决于相互作用的深度。因此，阴极与阳极的信号比可以是相互作用深度的索引。第二种可能性是使用电子迁移时间，可以从诱导信号的脉冲形状确定。以前的可能性很难确定多个相互作用位置，而后者则适合同时确定它们。在包括SI，CDTE和TLBR在内的半导体材料中662 KEV Gamma射线的康普顿散射的线性衰减系数分别为0.18、0.37和0.47 cm -1。这些值是从NIST XCOM处的光子横截面数据计算得出的。（14），由于TLBR的线性衰减系数最高，因此TLBR有望用于构建具有高检测效率的康普顿成像仪。在这项研究中，我们使用制造的像素化TLBR半导体检测器来证明康普顿成像实验，其中使用电子迁移时间确定相互作用深度。我们还讨论了确定相互作用点的顺序顺序的策略，这对于基于康普顿成像估算入射伽马射线方向很重要。
1024 通道 268 nW/像素 36 × 36 μm
稿件收到日期：2023 年 8 月 31 日；修订日期：2023 年 11 月 14 日；接受日期：2023 年 12 月 9 日。本文经副主编 Mototsugu Hamada 批准。这项工作部分由斯坦福大学吴仔神经科学研究所资助；部分由斯坦福纳米制造设施和美国国立卫生研究院 (NIH) 资助，资助编号为 EY021271 和 EY032900。（通讯作者：Moonhyung Jang。）Moonhyung Jang、Pietro Caragiulo、Athanasios T. Ramkaj、AJ Phillips、Nicholas Vitale、Pulkit Tandon 和 Pumiao Yan 均就职于斯坦福大学电气工程系，斯坦福，加利福尼亚州 94305 美国（电子邮件：moon90@stanford.edu）。Maddy Hays 就职于斯坦福大学生物工程系，斯坦福，加利福尼亚州 94305 美国。 Wei-Han Yu 和 Pui-In Mak 就职于澳门大学微电子研究所，中国澳门。Changuk Lee 就职于加州大学伯克利分校电气工程与计算机科学系，美国加利福尼亚州伯克利市 94720。Pingyu Wang 就职于斯坦福大学材料科学与工程系，美国加利福尼亚州斯坦福市 94305。Youngcheol Chae 就职于延世大学电气与电子工程系，韩国首尔 03722。EJ Chichilnisky 就职于斯坦福大学神经外科和眼科学系汉森实验物理实验室，美国加利福尼亚州斯坦福市 94305。Boris Murmann 曾就职于斯坦福大学电气工程系，美国加利福尼亚州斯坦福市 94305。他现就职于夏威夷大学马诺阿分校电气与计算机工程系，美国夏威夷州檀香山 96822。 Dante G. Muratore 就职于代尔夫特理工大学微电子系，地址：2628 CD 代尔夫特，荷兰（电子邮件：dgmuratore@tudelft.nl）。本文中一个或多个图片的彩色版本可在 https://doi.org/10.1109/JSSC.2023.3344798 上找到。数字对象标识符 10.1109/JSSC.2023.3344798
从猕猴视觉皮层的双光子钙信号解码像素级图像特征
张逸君 yijzhang@sjtu.edu.cn 上海交通大学计算机科学与工程系，中国； 北京大学计算机科学与技术系，中国 卜同 putong30@pku.edu.cn 北京大学计算机科学与技术系，中国 张继元 jyzhang@stu.pku.edu.cn 北京大学计算机科学与技术系，中国 唐世明 tangshm@pku.edu.cn 北京大学生命科学学院和北大-清华生命科学中心，中国 余兆飞 yuzf12@pku.edu.cn 北京大学计算机科学与技术系，中国； 北京大学人工智能研究所，中国 刘建凯 j.liu9@leeds.ac.uk 利兹大学计算学院，英国 黄铁军 tjhuang@pku.edu.cn 北京大学计算机科学与技术系，中国；北京大学人工智能研究所，中国；北京人工智能研究院，中国
从猕猴视觉皮层的双光子钙信号解码像素级图像特征
张逸君 yijzhang@sjtu.edu.cn 上海交通大学计算机科学与工程系，中国； 北京大学计算机科学与技术系，中国 卜同 putong30@pku.edu.cn 北京大学计算机科学与技术系，中国 张继元 jyzhang@stu.pku.edu.cn 北京大学计算机科学与技术系，中国 唐世明 tangshm@pku.edu.cn 北京大学生命科学学院和北大-清华生命科学中心，中国 余兆飞 yuzf12@pku.edu.cn 北京大学计算机科学与技术系，中国； 北京大学人工智能研究所，中国 刘建凯 j.liu9@leeds.ac.uk 利兹大学计算学院，英国 黄铁军 tjhuang@pku.edu.cn 北京大学计算机科学与技术系，中国；北京大学人工智能研究所，中国；北京人工智能研究院，中国
Google Tensor Pixel 6 SoC - 产品手册
为了揭示 Google Tensor 芯片的所有细节，本报告进行了多项分析：前端构造分析以揭示三星 5nm 工艺最有趣的特性，以及后端构造分析以了解封装结构。本报告还通过横截面分析对 SoC 芯片进行了详细研究。除了使用 SEM 横截面、材料分析和分层进行完整的构造分析外，我们还展示了三星 Exynos 2100 5nm 的高分辨率 TEM 横截面。还提供了 CT 扫描（3D X 射线）以揭示整个芯片封装的布局结构。此外，还包括 SoC 芯片的平面图，以便清楚地了解 IP 块和通用芯片架构。最后，本报告包含 Google Tensor 芯片的完整成本分析和销售价格估算。