XiaoMi-AI文件搜索系统
World File Search Systemarchitectures
高级云计算环境中的生成式人工智能的可扩展架构：
对生成式人工智能 (GAI) 应用程序的需求不断增长，云计算环境中的可扩展架构对于支持此类模型的计算复杂性和资源需求至关重要。在本文中，我们深入研究了云中生成式人工智能的可扩展架构，旨在提高性能和效率。分布式计算、容器化和边缘计算是我们探索的一些架构方法，可让组织满足 GAI 模型的资源需求。我们通过案例研究和性能基准，探索如何结合使用可扩展基础设施、智能资源管理和数据管理实践来部署和执行 GAI 应用程序。结果显示了每个架构框架的优缺点，并概述了集成新兴技术（如量子计算和无服务器架构）以提高可扩展性的未来方向。这项研究适用于各个行业的实际应用，从医疗保健到金融和娱乐，再到增加 GAI 应用程序的使用以推动创新和效率。
RapidChiplet：用于快速探索 Chiplet 架构设计空间的工具链
提高处理器和加速器的性能成本比以往更具挑战性，这导致摩尔定律的减速 [22]。减速的原因在于过渡到更先进的技术节点时设计和制造成本呈指数级增长 [19]，同时由于 I/O 驱动器、模拟电路以及最近的静态随机存取存储器 (SRAM) 的扩展限制，这种过渡的收益不断递减。2.5D 集成是解决这些挑战的一个有前途的解决方案，其中将多个称为小芯片的硅片集成到同一封装中。单个小芯片设计可用于多种产品，这降低了每个芯片的设计成本。此外，由于 2.5D 集成允许将采用不同技术构建的异构小芯片集成到同一封装中，因此只有能够充分利用技术扩展的组件才会采用先进且昂贵的技术节点制造。已经达到扩展极限的组件则采用成熟的低成本技术制造。由于其经济效益，2.5D 集成已应用于行业领先公司的产品中，例如 NVIDIA 的 P100 GPU [ 17 ]（仅适用于高带宽内存 (HBM)）和 AMD 的 EPYC 和 Ryzen CPU [23]。2.5D 堆叠芯片的设计空间巨大。人们可以在不同的封装选项[18、21、27、29]、芯片数量和尺寸[9]、芯片放置位置[13]、芯片到芯片 (D2D) 链路实现[7、24]和协议[1、3]、芯片间互连 (ICI) 拓扑[4、14、16、25、26]以及其他许多因素之间进行选择。此外，还有许多不同的相关指标，例如芯片的面积要求、功耗、热性能和制造成本，或 ICI 的延迟和吞吐量。
现代 FPGA 架构中的故障安全逻辑设计策略
摘要 — 故障安全计算是指在发生故障时恢复到非操作安全状态的计算系统。在本文中，我们研究了电路级技术作为在现场可编程门阵列 (FPGA) 上实现故障安全计算过程的缓解策略。在使用开源工具创建的 FPGA 架构中，评估了故障效应通过 FPGA 基元（包括查找表 (LUT)、可配置逻辑块和开关盒）的传播。分析表明，与等效专用集成电路 (ASIC) 版本的故障安全电路相比，可重构架构中存在更多漏洞，因此需要更复杂的冗余电路网络和检查逻辑。提出了一种经过 ASIC 验证的故障安全监控电路版本，并将其与 FPGA 中的等效电路要求进行了比较。固定布局和布线的故障安全电路设计策略有助于减少可能的故障传播路径数量并简化故障安全故障检测电路设计。介绍并讨论了基于 FPGA 的具有报警功能的故障安全电路结构的优点和局限性，以及模拟和形式分析。
直接编写的静电纺丝系统，用于设计组织工程中的复杂体系结构
通过在旋转平台和移动平台之间施加电场，直接撰写的静电纺丝（DWE）将对添加剂制造（AM）物质沉积（AM）的典型控制与电纺丝（ES）的能力（ES）结合在一起。以这种方式，DWE可以控制纤维沉积和捏造复杂的纤维结构，这些结构具有挑战性，可以通过ES获得，并更真实地复制生物组织相对于AM的纯净结构。此外，如果与细胞 - 电纺丝旋转相比，DWE并不意味着直接嵌入墨水中的细胞，在使用电压差异并直接与通常用于静电纺丝的溶剂直接接触[1] [1]时，它可以经过死亡，但它能够达到高结构分辨率，而无需损害较高的细胞不可损害。要控制DWE中的文件沉积，将电纺射流保持在其笔直区域是必不可少的，这可以通过近距离电纺（NFES）或熔体电动（MEW）获得。与传统的静电纺丝相比，没有鞭打阶段会导致通常更大的直径，但与其他广泛使用的挤出技术相比，较小的持续阶段（
空间分组网络架构交易空间和潜在解决方案
用例属性 任务流量 消息延迟 用户带宽 通信模式 用户位置 可用性 战斗云 C2 非常低（<100 毫秒） 1-500 Kbps 单播 地面 持久 空间回程 TT&C 低（<5 秒） 1-500 Mbps 多播 LEO 按需 空中回程 交互式 高（10-50 秒） 1-3 Gbps Geocast MEO 预定地面回程 电话会议 无界 5-10 Gbps 发布/订阅 GEO 地面交换 流媒体 40+ Gbps 超越 GEO ISP 批量用户约束 用户链路客户端协议 TRANSEC 稳健性 连接性 网络规模 轨道 RF 定向 PPP/PPPoE LPI/LPD 战略连接 数十或更少 LEO RF 全向 SONET AJ 战术断开连接 数百 MEO 光定向 以太网 空间天气 数千 苔原 光漫射 IP 无界 GEO 量子链路 16 超越 GEO 其他 (MILCOM) 平台属性 有效载荷SWaP 功率 资产控制 内部链接 定制 低（150 千克） 低（150 瓦） 政府射频定向 COTS 中（500 千克） 中（1 千瓦） 商业射频全向 高 高（10 千瓦） 社区 光定向 量子 衍生网络属性 拓扑 功能 命名 路由 自治 内部协议 管理平面 调配时间 骨干 广播 固定 无 电路 NETCONF/YANG 分钟 尾部/边缘/存根 多播 预定 部分 SONET SNMP/MIB 小时 对等 固定（表格） 动态 完整 以太网 SDN 天 临时 IP 周
ADEPT：一种适用于 GPU 架构的域独立序列比对策略
摘要背景：生物信息学工作流程经常使用自动基因组组装和蛋白质聚类工具。在大多数这些工具的核心中，执行时间的很大一部分用于确定两个序列之间的最佳局部比对。此任务使用 Smith-Waterman 算法执行，这是一种基于动态规划的方法。随着现代测序技术的出现以及基因组和蛋白质数据库的规模不断扩大，对更快的 Smith-Waterman 实现的需求应运而生。CPU 提供了多种 Smith-Waterman 算法的 SIMD 策略。然而，随着 HPC 设施向基于加速器的架构的转变，对高效的 GPU 加速策略的需求也随之而来。现有的基于 GPU 的策略要么针对特定类型的字符（核苷酸或氨基酸）进行了优化，要么仅针对少数应用用例进行了优化。结果：在本文中，我们提出了一种新的 GPU 架构序列比对策略 ADEPT，它与领域无关，支持来自基因组和蛋白质的序列比对。我们提出的策略使用 GPU 特定的优化，不依赖于序列的性质。我们通过实施 Smith-Waterman 算法并将其与类似的 CPU 策略以及每个领域中已知的最快 GPU 方法进行比较，证明了该策略的可行性。ADEPT 的驱动程序使其能够跨多个 GPU 进行扩展，并可以轻松集成到利用大规模计算系统的软件管道中。我们已经证明，基于 ADEPT 的 Smith-Waterman 算法在 Cori 超级计算机的单个 GPU 节点（8 个 GPU）上分别针对基于蛋白质和基于 DNA 的数据集展示了 360 GCUPS 和 497 GCUP 的峰值性能。总体而言，与相应的 SIMD CPU 实现相比，ADEPT 在节点到节点的比较中显示出 10 倍更快的性能。结论：ADEPT 表现出相当或更好的性能（下页继续）
量子线性网络编码用于限制体系结构中的纠缠分布
在本文中，我们提出了一种用于在架构中分发纠缠的技术，其中量子对之间的相互作用被限制在固定的网络g上。这允许在GATE传送中彼此远程偏远的Qubits之间执行两倍的操作。我们证明了如何使用将量子线性网络编码编码到Qubits网络中的纠缠分布问题的问题，可以用来解决分布钟状状态和GHz状态的概率，而G中的瓶颈则否则G中的瓶颈会迫使这种纠缠的状态被迫使该状态进行顺序分布。，我们表明，通过减少固定网络g中K问题或多个多播问题的经典网络编码协议，可以用cli的量子电路在发射机和接收器之间分布纠缠，其量子深度的量子深度为某些（通常是小且易于调整）不变，但是依赖于Transmits和Transmits的接收器，并且是遥远的转移器和遥控器。这些结果也直接概括到任何质量尺寸的Qudits。我们使用专门的形式主义证明了我们的结果，与稳定剂形式主义相比，与稳定器形式主义更有效，这很可能有助于推理和原型此类量子线性网络编码电路。
发展强大的神经架构以防御对抗性攻击
神经网络容易对稍加修改的输入图像进行错误分类。最近，已经提出了许多防御措施，但没有一种能够持续提高神经网络的鲁棒性。在这里，我们建议使用对抗性攻击作为函数评估来搜索可以自动抵御此类攻击的神经架构。对文献中的神经架构搜索算法的实验表明，虽然它们准确，但它们无法找到鲁棒的架构。一个重要原因在于它们的搜索空间有限。通过创建一种新颖的神经架构搜索，其中包含密集层与卷积层连接的选项以及反之亦然，以及在搜索中添加连接层，我们能够进化出一种在对抗性样本上固有准确的架构。有趣的是，这种进化架构的固有鲁棒性可与对抗性训练等最先进的防御措施相媲美，同时仅在非对抗性样本上进行训练。此外，进化的架构利用了一些特殊的特性，这些特性可能有助于开发更强大的架构。因此，这里的结果证实了更强大的架构是存在的，并为神经网络的开发和探索开辟了一个新的可行性领域。
MISO 广播信道中 RIS 架构的能效比较
摘要 — 在本文中，我们开发了多用户多输入单输出 (MISO) 广播信道 (BC) 的节能方案，并辅以可重构智能表面 (RIS)。为此，我们考虑了三种 RIS 架构：局部被动对角 (LP-D)、全局被动对角 (GP-D) 和全局被动超对角 (GP-BD)。在全局被动 RIS 中，RIS 的输出信号功率不大于其输入功率，但一些 RIS 元件可以放大信号。在局部被动 RIS 中，每个元件都不能放大入射信号。我们表明，如果 RIS 元件的静态功率不太高，这些 RIS 架构可以显着提高能源效率 (EE)。此外，GP-BD RIS 的复杂度和静态功率高于 LP-D RIS 和 GP-D RIS，可提供更好的频谱效率，但其 EE 性能高度依赖于静态功耗，可能比其对角对应物更差。索引词——能源效率、可重构智能表面（RIS）、超对角RIS、全局无源RIS、MISO广播信道。
Fortinet的经过测试和验证的云网络安全体系结构
在上图中，我们在HA模式下再次有一对FortiGate VM。FortiGate聚类协议（FGCP）提供故障转移保护，即使其中一个集群单元丢失连接，群集也可以提供FortiGate服务。FGCP也是第2层心跳，它指定了Fortigate单位在HA群集中的通信并保持群集运行的方式。FGCP将虚拟MAC地址分配给HA群集中的每个主单元接口。 虚拟MAC地址已经到位，因此，如果发生故障转移，则新的主要单元接口将具有与失败的主单元接口相同的MAC地址。 如果MAC地址在故障转移后要更改，则网络将需要更长的时间才能恢复。 流量是在进入Internet网关之前通过Fortigates从其他虚拟网络路由的。FGCP将虚拟MAC地址分配给HA群集中的每个主单元接口。虚拟MAC地址已经到位，因此，如果发生故障转移，则新的主要单元接口将具有与失败的主单元接口相同的MAC地址。如果MAC地址在故障转移后要更改，则网络将需要更长的时间才能恢复。流量是在进入Internet网关之前通过Fortigates从其他虚拟网络路由的。