XiaoMi-AI文件搜索系统
World File Search SystemSTFC
STFC 技术人员承诺行动计划
2025 年，STFC 将审查流程，以围绕“工作类别”和标准化职位描述进行重组。与人力资源和 UKRI 合作；审查技术人员对新流程清晰度的反馈，并衡量技术人员的晋升成果
STFC 公众参与战略 2024-2028
我们的新 PE 战略以前身为基础，这本身就是 STFC 在公众参与工作方式上的一次重大变革。自 2016 年该战略发布以来，世界发生了很大变化。就我们的运营环境而言，STFC 和其他英国研究委员会合并为一个组织 UKRI，有机会实现更大的连通性、协作和公众参与研究的潜力。作为一个社会，我们经受住了意想不到的挑战，这些挑战对我们的生活、工作和参与方式产生了深远的影响。我们学到了很多关于有效虚拟参与交付的知识，以及努力实现包容性实践的重要性，这些实践可以提高我们所有 PE 计划的可访问性。这影响了新 PE 战略的形成及其实施。
STFC 量子技术战略
QT 是一个充满活力且快速成熟的领域，其应用和开发正在迅速发展，涉及英国研究生态系统所有部分的合作。基础研究支持材料的发现、发明、创新以及将技术转化为商业用途。然而，这种新兴学科的技术采用仍处于早期阶段，我们必须对新的想法和机会保持响应。STFC 面临的挑战是利用其研究人员、实验室、设施和校园的能力，实现共同的国家战略，同时平衡其核心使命的其他部分。这将需要新的工作方式、建立新的合作伙伴关系，并在定义国家计划的未来阶段中发挥积极作用。
计算生物学-STFC Indiono
SCD…材料中的其他地方 - MD，Messcale，QM/MM，电子结构工程 - 网格，有限元数学 - 算法SCIML - 机器学习DAAAAS-服务云 - 硬件后端
STFC 未来加速器科学技术发展战略框架
英国在加速器科学研究和开发方面仍占有重要地位，为欧洲散裂中子源、欧洲核子研究中心的 HL-LHC 和美国费米实验室的 PIP-II 等重大国际项目做出了贡献。英国国内和国际的下一代研究基础设施将具有更具挑战性的性能规格，并将继续推动创新。加速器技术的进步有可能对英国经济和更广泛的社会产生影响，包括加速器的医学应用；保持英国在加速器研究和开发方面的能力和能力对英国具有关键的战略意义。我们还认识到，下一代加速器的性能在建造和运营方面必须是可持续的和低碳的。
STFC 战略交付计划 2022-2025
我非常欢迎英国研究与创新战略和政府关键战略文件（如《安全、国防、发展和外交政策综合评估》、创新战略、《升级白皮书》和第一个国家太空战略）带来的机遇。STFC 完全有能力在实施这些战略中发挥重要作用。例如：我们的资助科学计划利用全球主要研究基础设施，几乎完全是国际性的，这使我们处于提供综合评估科学外交要素的关键位置；我们建造和运营的大型国家设施为整个英国研究与创新战略的科学基础和工业提供了具有国际竞争力的多学科能力；我们国家实验室内的专业知识和设施为国家太空战略提供了关键的交付能力；我们在主要研究和创新园区支持的中小企业集群生态系统在创新战略和升级中发挥着关键作用。
AI芯片技术对比报告 - STFC ePubs
人工智能 (AI) 芯片使用半导体来提供强大的处理器，可使需要高计算资源的领域受益，例如气候、能源、健康和安全。“AI 芯片”一词是指最近一代专门设计用于更快地处理人工智能任务的微处理器。AI 芯片是综合硅片，集成了 AI 技术并用于机器学习。(Viswanathan, 2020) 在过去十年中，深度学习技术领域取得了许多进步。自 2013 年以来，已经开发了各种新型 AI 芯片以及基于这些芯片的产品 (Momose, 2020)。中央处理器 (CPU) 等通用芯片也可以用于一些更简单的 AI 任务，但随着 AI 的发展，CPU 变得越来越不实用 (Saif M. Khan, 2020)。AI 芯片包括图形处理单元 (GPU)、现场可编程门阵列 (FPGA) 和专用于 AI 的专用集成电路 (ASIC)。AI 芯片包括图形处理单元 (GPU)、现场可编程门阵列 (FPGA) 和专用于 AI 的专用集成电路 (ASIC)。图形处理单元 (GPU) GPU 最初设计用于处理游戏等图形密集型任务。GPU 旨在处理并行性并提供高性能，这是并行性导致深度学习 AI 算法所必需的。GPU 是一种出色的 AI 硬件，在创意制作和 AI 中越来越受欢迎。现场可编程门阵列 (FPGA) FPGA 是可编程阵列，可以根据需求重新编程。FPGA 是具有逻辑门阵列的集成电路硅芯片：该阵列可以在现场编程，即用户可以用新定义的配置覆盖现有配置，并可以创建自己的数字电路。FPGA 因其灵活性而价格昂贵。(Pandit，2019) 专用集成电路 (ASIC) ASIC 芯片专为 AI 应用而设计，并与 AI 算法集成。基于 ASIC 的 AI 芯片有不同类型。本报告介绍了 Graphcore、Cerebras、SambaNova 等 AI 芯片以及 Nvidia、Intel、AMD 的 GPU 以及 Google TPU 的技术比较和编程模型规范。这是一项持续进行的工作，旨在评估尽可能多的 AI 芯片。截至撰写本文时，只有 Cerebras、Graphcore 和 Nvidia GPus 可用。本报告不偏袒任何供应商，且与供应商无关。