XiaoMi-AI文件搜索系统
World File Search Systemcomputing
用于内存计算的完全 CMOS 兼容被动式 TiO2 忆阻器交叉开关
HAL 是一个多学科开放存取档案库，用于存放和传播科学研究文献，无论这些文献是否已出版。这些文献可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
IBM 在量子计算错误检测方面取得重大飞跃
药物；大大加快人工智能系统对自动驾驶和太空旅行等时间敏感型操作的响应时间；优化拥堵城市的交通管制；帮助飞机更好地应对极端湍流；加快天气预报，让当地更好地应对潜在灾难，并优化供应链系统，实现更高效的交付时间并节省成本。
分析和缓解对TLS的量子计算威胁...
国际计算机工程技术杂志（IJCET）第16卷，第1期，Jan-Feb 2025，pp。3145-3170，文章ID：IJCET_16_01_220在https://iaeme.com/home/issue/issue/ijcet?volume=16&issue=1 ISSN印刷：0976-6367; ISSN在线：0976-6375;期刊ID：5751-5249影响因子（2025）：18.59（基于Google Scholar引用）doi：https：//doi.org/10.34218/ijcet_16_01_220
边缘计算可以使用5G网络满足自动车辆服务的要求？
摘要 - 支撑连接和自动化车辆（CAV）的通信和计算服务的特征是响应时间和可靠性方面的严格要求。满足这些要求对于确保道路安全和交通优化至关重要。在车辆中托管这些服务的概念上简单解决方案增加了成本（主要是由于计算基础架构的安装和维护），并且可能会过多地排出电池电池。可以通过多访问边缘计算（MEC）来解决此类缺点，该计算包括在靠近设备的网络节点中部署计算能力（在这种情况下为车辆），以满足严格的CAV要求。但是，在哪些条件下，MEC可以支持CAV要求和哪些服务。为了阐明这个问题，我们使用众所周知的开源仿真工具，即Omnet ++，SimU5G，静脉，INET和Sumo进行了模拟活动。因此，我们能够为MEC提供CAV的现实检查，并指出MEC中必须安装的计算能力，以支持不同的服务以及单个MEC节点可以支持的车辆数量。我们发现，根据所考虑的服务，此类参数必须有很大差异。这项研究可以作为网络运营商计划未来部署MEC来支持CAV的初步基础。索引项-5G模拟； MEC;连接和自动车辆
用于量子计算集成电路的低温电子学
3 格勒诺布尔阿尔卑斯大学，CNRS IMEP-LAHC，F-38000 格勒诺布尔，法国 通讯作者电子邮件：mikael.casse@cea.fr 我们概述了 FDSOI CMOS 晶体管在深低温下的性能，特别强调了背偏带来的好处。FDSOI 晶体管可在室温到低至 100mK 的温度下工作。测量和分析了主要的直流电特性、可变性和可靠性。我们还指出了在低温下出现的特定行为，并讨论了它们的物理起源和建模。 介绍 为了设计高效的量子计算机，需要将传统电子器件尽可能靠近量子比特 (qubit) 设备，考虑超导或 Si-spin 量子比特，以便读出和控制，从而减少对室温布线的需求 (1)。这种需求凸显了探索和开发低温 CMOS 技术的广泛重要性，其工作温度范围从 4.2K 到远低于 1K。此外，Si-spin 量子比特工艺也与 CMOS 工艺兼容，原则上可以将两者单片集成在单个芯片上 (2)、(3)。这可以为任何大规模量子处理器提供基本构建模块，通过设计可扩展的近量子比特低温电子器件来实现大规模量子比特矩阵索引，并最终开发容错通用门量子计算机 (4)。
使用多层多层储层计算
大脑电路涉及大量的反馈回路，其动力学取决于相互作用的延迟。脑启发的储层计算利用互连单元的丰富复发动力学来执行输入的任务。特别是，时间延迟储层计算使用非线性延迟反馈回路架构中的高维瞬态动力学，例如时间序列预测和语音分类。最近还证明，通过包含多个延迟的延迟分化系统的动态属性修改，以提高时间延迟储层计算的性能。在这里，我们探索了这种基本和技术重要性的这种神经启发的计算的另一个方面：在混合物中分离和预测两个信号的能力，在混合物中，每个信号由于其潜在的动力学而具有一些内在的可预测性。使用混沌输入信号混合物的多层和多层储层计算进行了说明。与独立的组件分析和相关的无监督学习技术相反，这里的上下文在于平行监督每个信号的动力学学习，以便在训练集之外预测每个信号的每个信号。此外，将混沌信号的超渗透到单个输入通道中增加了任务的难度。我们用确定性和随机系统发出的各种信号来量化和解释这种性能。此外，我们还探索了深度延迟储层计算机的体系结构。我们的发现表明，多延迟储层计算可以学习和预测两个叠加确定性信号的未来。预测（因此分离）在单层和多层时间延迟的预订计算中可能会明显更高。混合信号的带通滤波以除去较低和较高的频率，将预测提高了几％。在某些情况下，矛盾的是，增加混合物中一个混沌信号的比例实际上可以帮助学习另一个混乱信号，从而稍微改善其预测。
在计算扩展图能及其热力学特性上
化学图理论是计算化学1、2的重要分支，将数学的复杂性与分子研究的复杂性质相结合。我们表示分子是原子是节点的图，键是边缘。这种方法允许研究人员使用图理论工具来操纵和仔细检查分子结构，从而对各种化学现象产生深刻的看法。这种方法已经彻底改变了分子特征，反应机理以及功能和结构内的相互作用的检查。化学图理论3，4构成了开发计算工具和算法的基础，这在现代化学中至关重要，推动材料设计的发展，药物发现和关键化学原理的阐明。
量子启发计算推动湍流模拟取得重大进展
牛津大学的研究人员与汉堡、匹兹堡和康奈尔大学的同事合作，重新定义了这个问题，完全避免了直接解决和模拟这些湍流波动的需要。他们没有直接模拟这些麻烦的波动，而是将它们建模为根据概率分布函数分布的随机变量。模拟这样的概率分布使他们能够从流动中提取所有有意义的量（例如升力和阻力），而不必担心湍流波动的混乱。
LIPKA-BARTOSIK，Patryk Jan，PERARNAU LLOBET，Marti，BRUNNER，Nicolas。通过自主量子热机进行热力学计算。在：科学进步
我们开发了一种基于自主量子热机的经典计算物理模型。这些机器由连接到不同温度的几个环境的少数相互作用的量子比特 (qubit) 组成。这里利用流经机器的热流进行计算。该过程首先根据逻辑输入设置环境的温度。机器不断发展，最终达到非平衡稳定状态，从中可以通过辅助有限尺寸储层的温度确定计算的输出。这种机器，我们称之为“热力学神经元”，可以实现任何线性可分函数，我们明确讨论了 NOT、3-MAJORITY 和 NOR 门的情况。反过来，我们表明热力学神经元网络可以执行任何所需的功能。我们讨论了我们的模型与人工神经元（感知器）之间的密切联系，并认为我们的模型提供了一种基于物理的替代神经网络模拟实现，更广泛地说，是一种热力学计算平台。
用于量子计算的 TSV 集成表面电极离子阱的 RF 性能基准测试
摘要 — 表面电极离子阱因其对捕获离子的卓越可控性而在实际量子计算中具有极高的前景。借助先进的微加工技术，硅已被开发为离子阱衬底，用于精细的表面电极设计以及单片电光元件集成。然而，硅的高射频损耗阻碍了大规模实施的可能性。在这项工作中，我们展示了一种硅通孔 (TSV) 集成离子阱，由于消除了表面上的引线键合焊盘和外形尺寸的小型化，该离子阱具有较低的射频损耗。我们还制造了两种类型的传统引线键合 (WB) 阱，它们有或没有接地屏蔽层。就片上 S 参数、封装后谐振和由此产生的功率损耗而言，对不同离子阱的射频性能进行了测试和比较。结果表明，与 WB 阱相比，TSV 阱具有较低的 S21（50 MHz 时约为 0.2 dB）、较高的 Q 因子（约为 22）和较低的功率损耗（0.26 W）。此外，还采用 3D 有限元建模对不同阱的电场进行可视化和 RF 损耗分析。从建模中提取的结果与测量结果显示出良好的一致性。除了各种 RF 测试外，还介绍了不同离子阱的设计、制造和离子捕获操作。这项工作提供了对离子捕获装置 RF 损耗的见解，并为减少 RF 损耗提供了一种新的解决方案。