XiaoMi-AI文件搜索系统
World File Search Systememory
社论：内存传感和计算：新材料和设备迎接新挑战
随着人工智能 (AI) 和物联网 (IoT) 的融合重新定义了行业、商业和经济的运作方式，对边缘节能和高性能计算的需求呈指数级增长。神经形态计算是一种新兴的计算范式，受到生物大脑的低功耗和并行处理能力的启发，克服了传统计算机架构的许多限制。最重要的是，通过在内存中执行计算，神经形态计算克服了冯·诺依曼瓶颈，从而提高了计算能力，同时节省了更多的面积和功耗。虽然已经开发出几种具有出色能效的独立神经形态芯片来运行特定的人工智能算法，但这种数字系统在与边缘传感器连接时仍然会受到影响。这是因为传感输入是非结构化的、非规范化的和碎片化的，这会给具有分离的传感和处理单元的数字系统带来巨大的能源、时间和布线开销。这就需要融合传感、内存和处理功能的内存传感技术，以充分发挥生物电子学和机器人学中使用的高度复杂的传感器和执行器系统的潜力。尽管内存传感和计算的概念还处于起步阶段，但它已经在电子皮肤和仿生眼等专业领域取得了重大进展。然而，这些主要是软件实现，与之相辅相成的硬件挑战尚未得到解决。要充分利用仿生边缘处理能力，仍存在硬件层面（材料和设备）的基本挑战需要解决。因此，“内存传感和计算：新材料和设备迎接新挑战”于去年启动，引发了对最新发展和观点的讨论。来自微电子、材料和计算机科学等多学科背景和不同地区的研究人员已经发表了与此相关的意见和/或原创作品
情绪模拟的记忆：记住玫瑰色的未来
Terms of use This article was downloaded from Harvard University's DASH repository, and is made available under the terms and conditions applicable to Open Access Policy Articles (OAP), as set forth at https://harvardwiki.atlassian.net/wiki/external/NGY5NDE4ZjgzNTc5NDQzMGIzZWZhMGFlOWI2M2EwYTg
强迫症及其对记忆的影响
随着精神疾病的发病率逐年上升，越来越多的研究开始探讨其影响，例如强迫症对记忆的影响。强迫症最早在 20 世纪 80 年代的《精神疾病诊断和统计手册》中被描述。1 它分为 5 个主要类别：检查、污染、对称/排序、侵入性思维和囤积，可以使用 Y-BOCS 进行测量。强迫症是由遗传、神经生物学、行为和环境因素引起的。神经影像学研究显示眶额皮质和基底神经节过度活跃。科学家发现了强迫症对情景记忆和程序记忆的影响。2004 年，Robert M Roth 对 46 名参与者进行了一项 Pursuit Rotor Task。结果显示，强迫症组的程序记忆增强，这可能是由于大脑某些部位过度活跃所致。此外，2011 年，Mika Konishi 对 45 名参与者使用了“定向遗忘范式”方法。结果显示，强迫症患者的大脑检索抑制减少，选择性编码困难，导致记忆回忆能力下降。
ma-lmm：长期视频理解的内存大型多模型
随着大型语言模型（LLM）的成功，将视觉模型融入了LLM，以建立视觉语言基础模型最近引起了人们的兴趣。但是，现有的基于LLM的大型多模式模型（例如，视频播放，视频聊天）只能摄入有限数量的框架以进行简短的视频理解。在这项研究中，我们主要专注于设计一个有效有效的模型，以进行长期视频理解。我们建议以在线方式处理视频并将过去的视频信息存储在存储库中，而不是像大多数现有作品一样尝试同时进行更多框架。这使我们的模型可以参考历史视频内容以进行长期分析，而不会超过LLM的上下文长度约束或GPU内存限制。我们的内存库可以以现成的方式被缝制到当前的多模式LLMS中。我们在各种视频理解任务上进行了广泛的实验，例如长期介绍，视频问题答案和视频字幕，我们的模型可以在多个数据集中实现最新的性能。
基于细丝的基于NITI形状的内存合金的添加剂
基于活性材料的执行器的集成添加剂制造可能会在跨生物医学工程，机器人技术或航空航天等学科的许多应用中取代常规电动机。在这项工作中，通过由热塑性粘合剂和金属粉末组成的3D打印的纤维打印来证明基于挤出的基于挤出的功能性NITI形状内存合金。两种合金是制造的，一种显示超弹性，另一种在室温下显示形状的内存特性。两种合金的微观结构均具有特征性的特征，并具有透明的热机械特性。3D打印的NITI显示形状的记忆应力为1。分别为1％的超弹性应变1。3％的施加应变为4％。为了扩大形状记忆应力执行器的几何形状，设计，制造和测试。这项研究的结果可能会在活动结构的增材制造领域中找到应用，也称为4D打印。通常，多种材料用于此类结构，这些结构通常会遭受机械性能和耐用性不佳的影响。在这项工作中对金属材料的使用可能有助于克服这些局限性。2022作者。由Elsevier Ltd.这是CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）下的开放访问文章。
DAM：差异化访问内存系统和应用
技术限制使得 DAM 成为必需，它从设备物理到算法都带来了新的研究挑战。在设备层面，我们将不得不重新审视如何设计、制造和集成各种内存，以实现与计算单元的最佳连接。这种集成将包括片上、封装上、片外和远距离内存。在架构层面，我们将不得不探索新的布局、访问和缓存结构。我们还必须探索绑定到各种内存以执行应用程序和进行系统管理的专用计算单元。操作系统软件必须管理差异化内存，并将它们暴露给具有有用抽象的程序。应用程序必须适应为其数据结构分配和使用差异化内存。最后，我们将看到算法空间复杂度（就读取、写入和读写内存而言）变得与时间复杂度一样重要。
shvit：带有内存有效宏设计的单头视觉变压器
最近，有效的视觉变压器表现出出色的性能，并且在资源受限的范围内延迟较低。通常，他们在宏观水平上使用4×4贴片嵌入式和4阶段结构，同时在微观级别利用多头配置的同时注意力。本文旨在解决记忆效率高的人中所有设计级别的计算重复。我们发现，使用较大的修补茎不仅降低了内存访问成本，而且还通过利用令牌表示，从早期阶段降低了空间冗余，从而实现了态度性能。fur-hoverore，我们的初步分析表明，在早期阶段的注意力层可以用会议代替，并且后期阶段的几个注意力头在计算上是多余的。为了处理这一点，我们介绍了一个单头注意模块，该模块固有地预先预先冗余，并同时通过相结合的全局和本地信息来提高准确性。在解决方案的基础上，我们引入了Shvit，这是一种单头视觉变压器，获得了最先进的速度准确性权衡。例如，在ImagEnet-1k上，我们的SHVIT-S4在GPU，CPU和iPhone12移动设备上比MobileVitV2×1.0快3.3×，8.1×和2.4倍，而同时更准确。用于使用Mask-RCNN头对MS Coco进行的对象检测和实例分割，我们的模型分别在GPU和移动设备上表现出3.8×和2.0×下骨架潜伏期时，可以与FastVit-SA12进行比较。
记忆和显示系统的材料
设备，数据存储在存储单元中存储的电荷量的基础上。记忆单元显示两个电荷状态，它们被编码为“ 0”和“ 1”。2。这些状态必须在数据存储期间稳定。新的有机/聚合物材料表现出两种电稳定状态，称为电气。从一个状态（在状态）到另一个状态（OFF状态）的转移。因此，这些化学材料以其在应用电场下的性质变化形式存储信息。
记忆增强量子通信的实验演示
使用条款本文从哈佛大学的DASH存储库下载，并根据适用于其他已发布材料（LAA）的条款和条件提供，如https://harvardwiki.atlassian.net/wiki/wiki/wiki/wiki/wiki/wiki/wiki/wiki/wiki/wiki/ngy/ngy/ngy5ngy5ndnde4zjgzndnde4zjgzntc5ndndndgizzmgizzmgizzmgizzmgizzmgizzmgizzmgizzmgizzmgizzmgizzmgizzmgizzmgizzmgizzmgizzmgiamsfyytytewy