XiaoMi-AI文件搜索系统
World File Search Systemleakage
对CMOS数字电路的泄漏减少技术的调查纳米级制度
摘要电池驱动的便携式系统是现代时代的生命线。非常大规模的集成（VLSI）设计师一直在努力提高便携式系统的性能。小尺寸，快速响应和高电池备份是便携式系统的主要因素。将金属氧化物半导体场效应晶体管（MOSFET）尺寸缩放为设计低尺寸系统。必须在每个新技术节点上缩放电源和阈值电压，以保持设备的性能。缩放设备阈值电压会产生泄漏电流。泄漏电流的量在集成水平上很大，并且会损害系统的特性。因此，需要泄漏电流缓解措施，尤其是在较低技术节点，以增加便携式系统的电池备份。减少泄漏技术的数量在不同的抽象水平下可用。在本评论论文中，使用不同现有电路泄漏技术的目标探索了低功率VLSI场的系统流。nand3门通过使用不同的现有泄漏技术来进行比较目的设计和模拟在16 nm技术节点上。
下一代功率解决方案：释放CMOS
1 Veena Vijayan 1来宾讲师，电气和电子工程的1台，1 NSS理工学院，潘达拉姆，喀拉拉邦，喀拉拉邦，印度摘要：随着半导体技术的进步，随着半导体技术的进步，对电子设备有效的电力消耗的需求不断提高，尤其是电子设备，尤其是移动装备，已成为最重要的。在追求低功率电路时，本研究探讨了各种技术，包括拟议的预先泄漏方法，以减轻功率损失，强调泄漏功率的关键问题，这可以占总体电力消耗的50％。该研究检查了由于VLSI电路中泄漏引起的功率耗散。列出了对泄漏减少方法的全面分析，例如堆栈技术，Lector技术，源偏置方法，堆栈Onofic方法和建议的方法。该研究采用CMOS逆变器模型，揭示了泄漏功率的显着降低50％，证明了该方法的功效。列出了和讨论的结果，包括各种电路和技术的功耗和传播时间，为将来的低功率VLSI电路设计提供了宝贵的见解。索引项 - 功率降低，VLSI，泄漏，CMO，泄漏电流，晶体管。
使用流体瞬变检测管道和管网系统中的泄漏和堵塞
和堵塞检测技术，特别是逆瞬态方法 (ITM) 的验证，已在阿德莱德大学作为本博士学位的一部分构建。 ,es"ar"ñ。两个计算机程序，NETTRANS 用于使用特征法 (MOC) 在管道网络中进行瞬态模拟，NETFIT 用于使用逆
调查了对抗数据泄漏攻击机器学习模型的影响有效性
摘要。机器学习解决方案已在许多方面成功应用，因此现在重要的是要确保机器学习模型本身的安全性并开发适当的解决方案和方法。在这项研究中，我们专注于对抗攻击。这种攻击的向量旨在扭曲机器模型的结果。在这项研究中，我们选择了用于检测物联网网络中异常活动的IOTID20和CIC-IOT-2023数据集。对于此数据，这项工作研究了基于数据泄漏对云服务中部署的ML模型的影响的影响的有效性。该研究的结果强调了不断更新和开发用于检测和防止机器学习领域网络攻击的方法的重要性，实验中的应用程序示例表明了对抗性攻击对IoT网络中服务的影响。
计划您的防御：对RISC-V内核的泄漏检测方法的比较分析
摘要。将微处理器与侧通道攻击进行硬化是确保其安全性的关键方面。此过程中的关键步骤是在识别和减轻“泄漏”硬件模块，该模块在执行加密算法期间泄漏信息。在本文中，我们介绍了不同的泄漏检测方法，侧通道漏洞因子（SVF）和测试向量泄漏评估（TVLA）如何有助于对微处理器的硬化。我们使用两个加密算法sha-3和AES对两个RISC-V核心Shakti和Ibex进行实验。我们的发现表明，SVF和TVLA可以为识别泄漏模块提供宝贵的见解。但是，这些方法的有效性可能会因使用的特定核心和加密算法而有所不同。我们得出的结论是，泄漏年龄检测方法的选择不仅应基于计算成本，还应基于系统的特定要求，所检查算法的实施以及潜在威胁的性质。
采用漏电流降低技术的低功耗 FINFET SRAM 的设计和分析
MTCMOS 电路的构造通常如图 2 所示。逻辑电路和电源线之间是高 Vth 的 PMOS 和 NMOS 晶体管。为了实现实时逻辑功能，在系统处于活动状态时激活休眠信号。在休眠模式下，具有较高 Vth 值的晶体管被关闭，以将逻辑电路与电源线分开。在待机状态下，这会将流中的泄漏降低到阈值以下。对于低功耗、高速设备，MTCMOS 可能是制造商的可行选择。在构建具有 MTCMOS 架构的电路时，确定更高阈值晶体管的尺寸是一项重要的考虑因素。在 6T FinFET SRAM 的上部和下部，放置了更高阈值的晶体管，如图 11 所示。这种更高的
商用 1.2 kV 4H-SiC 功率 MOSFET 栅极漏电流行为调查
摘要 — 过去十年，碳化硅 (SiC) 功率金属氧化物半导体场效应晶体管 (MOSFET) 的商业化不断扩大。栅极氧化物可靠性是 SiC 功率 MOSFET 的主要问题，因为它决定了器件的使用寿命。在这项工作中，我们研究了商用 1.2 kV SiC 功率 MOSFET 在不同栅极电压下的栅极漏电流。高氧化物电场引发的碰撞电离和/或阳极空穴注入 (AHI) 导致空穴捕获，从而增强了栅极漏电流并降低了器件的阈值电压。由于 Fowler-Nordheim (FN) 隧穿而产生的电子注入和捕获往往会降低栅极漏电流并增加阈值电压。还对商用 MOSFET 进行了恒压时间相关电介质击穿 (TDDB) 测量。栅极漏电流的结果表明，场加速因子的变化是由于高栅极氧化物场下栅极电流/空穴捕获增强所致。因此，建议在低栅极电压下进行 TDDB 测量，以避免在正常工作栅极电压下高估寿命。
术前低藻症和手术部位感染的发展和紧急结直肠手术中的吻合泄漏
摘要背景：尽管低珠蛋白血症是术后并发症的众所周知的预测指标，包括手术部位感染（SSI）和胃肠道手术患者的吻合术泄漏（AL），这需要手术前的必要干预措施，但在紧急术前进行了术前优化和干预紧急结肠直肠外科手术的机会有限。目标：因此，本研究旨在评估术前血清白蛋白水平与紧急结直肠手术患者中SSI和AL的发展之间的关系。方法：在这项队列研究中，评估了在17个月内接受紧急结直肠手术的患者。白蛋白水平是在手术前测量的，并且在手术后1个月内跟踪患者，以鉴定SSI和AL的发展。结果：总共有173名患者参加了研究，但对170名患者进行了数据分析。它们分为低硫蛋白血症组（n = 98，57.6％）和非肺泡血症组（n = 72，42.4％）。每组的平均年龄分别为57.17±16.19和51.61±16.14岁（p = 0.028）。在4（2.4％）患者中观察到Al； 3例低藻症组的患者和一名非炎性阿尔巴蛋白血症组的患者（P = 0.205，相对风险= 2.33，95％CI：0.42-12.82）。在1个月随访期间，在13例患者中观察到SSI； 8例患者（5.1％）患有浅表SSI，5例（3.2％）的患者具有深层SSI。与没有AL的患者相比，AL（2.9±0.48）患者（2.9±0.48）的白蛋白水平明显降低（3.6±0.7 g/dl）。此外，与没有SSI的患者（3.6±0.7 g/dL）相比，SSI患者（3.11±0.62）的白蛋白水平更高。与非甲状腺素血症患者相比，低珠蛋白血症患者的并发症发生率（AL或SSI）明显更高（P = 0.017，优势比= 4.24，95％CI：1.29-13.9）。调整或年龄为3.82（95％CI：1.15-12.75，p = 0.029）;因此，减少或表明年龄是一个混杂因素的13.5％。结论：术前低珠蛋白血症与紧急结肠直肠手术和年龄较大的并发症发生后的发育显着相关，术前白蛋白水平较低，可能是鉴定患有较高并发症风险的患者的宝贵指标。关键字：吻合式泄漏，生物标志物，结直肠手术，紧急手术，低藻症，手术部位感染
情况评估报告有关塑料泄漏预防的正式和非正式回收设施的报告
图1。比较泰国和曼谷的废物产生和成分5图2。泰国的MSW流程图6图3。泰国的MSWM系统和塑料废物流的简化示意图7图4。泰国的塑料废物流9图5。中央和地方当局在泰国塑料废物管理的作用10图6。关于塑料废物管理的政策，并在国际，区域和国家级别上相关。10图7。泰国的正式，半正式和非正式塑料演员12图8。非正式废物工人如何在泰国分类塑料废物13图9。回收塑料废物的市场价值13图10。回收塑料废物可销售资格14图11。Sankey图表的物理流量从源到海的废物链从源到海14图12.2018年泰国聚合物的质量平衡15图13。2018年泰国聚合物的废物不良和泄漏15图14。塑料颗粒的生产过程和用于泄漏塑料颗粒 /废料的热点区域17图15。< / div>高风险区域，塑料颗粒或废料可能在垃圾车间工作场所泄漏17图16。非Thaburi市政当局和周围的研究领域20图17。垃圾堵塞了非thaburi市的排水口20图18。非thaburi市的主要机构和立法21图19.非thaburi市政当局的MSW和塑料废物流22.机器29垃圾商店在商店前的公共道路上保持清洁23图21。不同类型的客户的车辆将塑料废物运送到非Thaburi市政当局的垃圾店23图22。不同类型的垃圾车辆的车辆将塑料废物运送到非thaburi市政当局的回收工厂23图23。芭堤雅城和周围的研究区域25图24。芭堤雅市的主要机构和立法26图25。芭堤雅城的MSW和塑料废物流27图26。不同类型的客户的车辆将塑料废物运送到帕塔亚市的垃圾店28图27。垃圾车间的不同类型的车辆将塑料废物运送到芭堤雅城的回收工厂28图28。
使用人工智能自动评估造口周围皮肤变色和渗漏面积
对于接受造口术的患者来说，造口周围皮肤并发症 (PSC) 是术后最常见的挑战。PSC 的一个视觉症状是造口周围皮肤变色（发红），这通常是由于造口输出物漏到底板下造成的。如果不加以治疗，轻微的皮肤病可能会发展成严重的疾病；因此，密切监测变色和渗漏模式非常重要。造口皮肤工具是目前最先进的造口周围皮肤评估工具，但它依赖于患者定期拜访医疗保健专业人员。为了能够长期密切监测造口周围皮肤，需要一种不依赖于预约咨询的自动化策略。多个医疗领域已经实施了基于人工智能的自动图像分析，这些深度学习算法已越来越被认为是医疗保健领域的宝贵工具。因此，本研究的主要目标是开发深度学习算法，以提供对造口周围皮肤变色和渗漏模式变化的自动、一致和客观的评估。总共使用了 614 张造口周围皮肤图像来开发变色模型，该模型预测变色的造口周围皮肤面积的准确率为 95%，精确度和召回率分别为 79.6% 和 75.0%。基于 954 张产品图像开发了预测泄漏模式的算法，确定泄漏面积的准确率为 98.8%，精确度为 75.0%，召回率为 71.5%。综合起来，这些数据首次展示了人工智能在自动评估造口周围皮肤变色和泄漏模式变化方面的应用。