XiaoMi-AI文件搜索系统
World File Search SystemVL
TEC 控制器 EVL-1093 评估板
显示单元：可以将小型或大型 OLED 2x16 / 4x20 字符显示器直接连接到设备的 X4 连接器。请访问我们网站上的 DPY-111x 产品页面以获取更多信息。定制：TEC-1092 的许多硬件和软件功能都可以根据要求进行定制。如有疑问，请联系 Meerstetter Engineering。
VLSI物理设计中的人工智能，以优化
非常大规模整合（VLSI）电路的复杂性日益增加，在实现力量，绩效和地区（PPA）目标方面提出了重大挑战。传统的物理设计方法通常涉及手动或启发式驱动的过程，这些过程耗时，可能无法完全利用优化机会。本文探讨了人工智能（AI）在自动化和改善VLSI物理设计过程的各个阶段的应用。通过利用机器学习（ML）算法，例如监督学习，无监督学习和强化学习（RL），AI可以协助实现优化的PPA目标，加快设计周期并增强芯片性能。关键阶段，包括平面图，放置，路由，标准单元格设计和电网优化，在AI-wired技术的背景下进行检查。案例研究表明AI如何减少设计迭代，提高性能并最大程度地减少功耗。
基孔肯雅病毒 VLP 疫苗：青少年和成人的 3 期试验
基孔肯雅病是由基孔肯雅病毒 (CHIKV) 引起的，通过受感染的蚊子叮咬传播给人类。急性 CHIKV 病的典型症状是使人衰弱的多关节痛，超过 90% 的病例都会出现这种症状。1 感染的其他急性临床表现包括高烧、皮疹、头痛、恶心、疲劳和肌痛。1,2,3,4 急性症状可能在感染后持续 1 至 2 周，并可能严重影响日常工作效率，主要是因为关节疼痛导致活动能力下降。在某些情况下，慢性症状会持续数月或数年，对生活质量产生重大影响。5,6 目前，一种减毒活疫苗已获准用于预防 18 岁及以上、接触 CHIKV 风险较高的个人的 CHIKV 疾病。7,8 目前尚无针对 18 岁以下青少年的上市疫苗。
M.Tech（微电子与超大规模集成电路设计）课程结构
课程名称 学分 联系时间 MV451 核心数字 IC 设计 3 3 MV452 核心 VLSI 信号处理 3 3 MV454 核心纳米制造实验室 3 6 MV455 核心 IC 设计实验室 -II 3 6 MV456 核心学期项目 -II 2 4 选修课 1 待定 2 选修课 2 待定 3 3 选修课 3 待定 3 3 待定：待公布
在VLSI全局路由中实施机器学习
I.在非常大规模集成（VLSI）设计领域的介绍中，全球路由的效率和可靠性在综合电路（ICS）的整体性能中起关键作用。随着IC的复杂性继续随着技术的发展而增长，传统的路由算法在适应现代芯片布局的复杂和动态性质方面面临着越来越多的挑战。这些算法通常基于静态规则和启发式方法，可能会导致次优路径，从而导致线长度增加，信号延迟更高和拥挤。这种拥塞反过来可以显着影响最终芯片设计的性能，功耗和面积。为了应对这些挑战，对将先进的机器学习技术（尤其是深度学习）应用于VLSI全球路线的拥堵预测问题越来越兴趣。深度学习提供了学习大型数据集中复杂模式和依赖关系的潜力，使其非常适合预测和减轻VLSI设计环境中的拥塞。通过利用深度学习模型，可以开发一种动态路由优化方法，以适应实时设计条件和路由模式。
VLM-AUTO：基于VLM的自主驾驶助手，具有人类的行为和对复杂道路场景的理解
摘要 - 关于自动驾驶的大语言模型的重新研究显示了计划和控制方面的希望。然而，高计算需求和幻觉仍然挑战准确的轨迹预测和控制信号基础。确定性算法具有可靠性，但缺乏适应能力，无法复杂驾驶场景，并在上下文和不确定性上挣扎。为了解决这个问题，我们提出了VLM-Auto，这是一种新型的自动驾驶助手系统，以基于对道路场景的理解，以可调节的驾驶行为来赋予自动驾驶汽车。涉及Carla模拟器和机器人操作系统2（ROS2）的管道验证了我们系统的有效性，并利用单个NVIDIA 4090 24G GPU，同时利用视觉语言模型（VLM）的文本输出能力。此外，我们还为包含图像集的数据集和用于微调系统的VLM模块的相应提示集。在卡拉实验中，我们的系统达到了97。我们数据集中5种标签的平均精度为82％。在实际驾驶数据集中，我们的系统实现了96。在夜面场景和令人沮丧的场景中的预测准确性为97％。我们的VLM-AUTO数据集将在https://github.com/ziongo6/vlm-auto上发布。
电子工程学士（VLSI 设计与技术）
LTP TCP* 1 VL23701 ASIC 设计 LIT 2-0-2 4 3 PCC 2 VL23702 嵌入式系统 LIT 2-0-2 4 3 PCC 3 - 专业选修课 - IV T 3-0-0 3 3 PEC 4 - 专业选修课 - VT 3-0-0 3 3 PEC 5 - 专业选修课 - VI T 3-0-0 3 3 PEC 6 - 开放选修课 - II T 3-0-0 3 3 OE 7 VL23703 从创意到产品 L 0-0-4 4 2 SDC
to 6G-v2x：超可靠和
摘要 - 我们目睹了向机动性的新时代的过渡，该时代普遍连接（半）自动驾驶汽车将显着提高安全性，交通效率和旅行经验。通过在新兴的第六代（6G）无线网络上构建一组高级车辆用例，例如排队，远程驾驶和完全自动驾驶。在许多颠覆性6G无线技术中，本文的主要目标是介绍可见光光通信（VLC）和基于射频的射频（RF）的混合整合的潜在益处。我们研究了干扰以及各种气象现象的影响。雨，雾和干雪，在拟议的链接聚集（LA）辅助杂种RF-VLC V2X系统上。模拟结果表明，我们提出的LA辅助混合RF-VLC V2X系统具有实现高度可靠性（估计约为99.999％）和低潜伏期（可能小于1 ms）的潜力，即使在受干扰和不利的气氛影响的情况下，也可能在200 m内。为了刺激混合RF-VLC V2X地区的未来研究，我们还强调了潜在的挑战和研究方向。
DriveGenVLM：基于视觉语言模型的现实世界视频生成
摘要 - 自主驾驶技术的发展需要越来越复杂的方法来理解和预测现实世界的情况。视觉语言模型（VLM）正在成为革命性的工具，具有影响自主驾驶的巨大潜力。在本文中，我们提出了DriveGenVLM框架来生成驾驶视频并使用VLM来理解它们。为了实现这一目标，我们采用了一个基于降级扩散概率模型（DDPM）的视频生成框架，旨在预测现实世界的视频序列。然后，我们通过在Egintric视频（EILEV）上采用预训练的模型，探讨了我们生成的视频在VLM中使用的充分性。通过Waymo打开数据集对扩散模型进行了训练，并使用FR´Echet视频距离（FVD）得分进行了评估，以确保生成的视频的质量和现实性。EILEV为这些生成的视频提供了相应的叙述，这可能对自主驾驶领域有益。这些叙述可以增强交通现场的理解，帮助导航并提高计划功能。在DriveGenVLM框架中将视频生成与VLM的集成代表了利用先进的AI模型来解决自主驾驶中复杂挑战的重要一步。