XiaoMi-AI文件搜索系统
World File Search Systemnodes
通过大语言模型识别复杂网络中的关键节点
识别网络中的关键节点是一项经典的决策任务，许多方法难以在适应性和效用之间取得平衡。因此，我们提出了一种方法，该方法可以通过大语言模型（LLMS）赋予进化算法（EA），以生成一个称为“ Score_nodes”的函数，该函数可以进一步用于根据分配的分数来识别重要的节点。我们的模型由三个主要组成部分组成：手动初始化，种群管理和基于LLMS的进化。它从初始种群中演变，并手动创建了一组设计的节点评分功能。llms利用他们强大的上下文理解和丰富的编程技能来对个人进行交叉和突变操作，从而产生出色的新功能。然后将这些功能分类，排名和消除，以确保人口的稳定发展，同时保留多样性。广泛的实验证明了我们方法的出色性能，与其他最先进的算法相比，它表明了其强大的发电能力。它可以始终如一，有序地生成各种和高效的节点评分功能。可以在此工作中重现所有结果的所有源代码和模型在此链接上可公开可用：https：//anonymon.4open.science/r/llm4cn-6520
工作于Sub-GHz频段的6TiSCH网络节点能耗分析
I. 引言 LLN 是许多物联网 (IoT) 解决方案的基本元素。它们在涉及数百甚至数千台设备的大型部署中提供低功耗无线连接。TSCH 技术在 LLN 中的引入获得了广泛认可，因为它提供了 IIoT 应用所需的确定性操作能力、可扩展性和服务质量 [1]，[2]。作为此类应用的构建块，无线通信堆栈有望通过利用 IPv6 协议实现互联网就绪，并应在恶劣的工业环境中提供可靠的连接。此外，预计此类解决方案还将允许网络中的某些设备由电池供电。这很有挑战性，尤其是对于针对使用严重受限的硬件平台的低成本系统优化的 LLN 而言。采用 TSCH 有助于解决许多这些问题。
高级CMOS技术节点中RRAM的传感电路设计技术
1微电器设备的关键实验室集成技术，中国科学院微型电子学研究所，中国北京100029； zhangdonglin20@mails.ucas.ac.cn（d.z.）; zhaoyulin@ime.ac.cn（y.z。）; hanzhongze20@mails.ucas.ac.cn（Z.H.）; qhu@mail.ustc.edu.cn（Q.H.）; xuanzhi@mail.ustc.edu.cn（X.L.）; hommyoun@163.com（H.Y.）; chengjh0903@foxmail.com（J.C。）; dingqingting@ime.ac.cn（q.d.）; lvhangbing@ime.ac.cn（H.L.）2中国科学学院微电子学院，中国北京100049，中国3张实验室，中国311121； pengb806@nenu.edu.cn（B.P. ）; hanyk@zhejianglab.com（y.h。 ）; jianghaijun@zhejianglab.com（H.J.） 4中国科学技术大学微电子学院，中国Hefei 230026 *通信：yangjianguo@ime.ac.ac.cn;电话。 ： +86-10-82995-5852中国科学学院微电子学院，中国北京100049，中国3张实验室，中国311121； pengb806@nenu.edu.cn（B.P.）; hanyk@zhejianglab.com（y.h。）; jianghaijun@zhejianglab.com（H.J.）4中国科学技术大学微电子学院，中国Hefei 230026 *通信：yangjianguo@ime.ac.ac.cn;电话。 ： +86-10-82995-5854中国科学技术大学微电子学院，中国Hefei 230026 *通信：yangjianguo@ime.ac.ac.cn;电话。： +86-10-82995-585
地球观测卫星节点运行网络的任务和系统架构
1 DEIMOS Space SLU，Tres Cantos – 马德里，西班牙 stefania.tonetti@deimos-space.com, stefania.cornara@deimos-space.com, gonzalo.vicario@deimos-space.com 2 Thales Alenia Space France - stephane.pierotti@thalesaleniaspace.com, judith.cote@thalesaleniaspace.com 3 加泰罗尼亚理工大学电子工程系 – UPC BarcelonaTech，巴塞罗那，西班牙 carles.araguz@upc.edu, eduard.alarcon@upc.edu, elisenda.bou@gmail.com 4 Unidad María de Maeztu CommSensLab-UPC 加泰罗尼亚理工大学 – UPC BarcelonaTech 和 IEEC (CTE-UPC)，巴塞罗那，西班牙 camps@tsc.upc.edu, david.llaveria@upc.edu, estefany.m.lancheros@gmail.com, joan.adria@tsc.upc.edu 5 泰雷兹阿莱尼亚宇航公司西班牙分公司 - pedro.r@thalesaleniaspace.com 6 华沙理工大学，波兰华沙 - msochacki@meil.pw.edu.pl, jnark@meil.pw.edu.pl 7 莫斯科斯科尔科技学院，俄罗斯莫斯科 - a.golkar@skoltech.ru 8 曾就职于莫斯科斯科尔科技学院，现就职于西班牙巴塞罗那近太空实验室 ignasi@nearspacelabs.com, rema@nearspacelabs.com * 通讯作者
适用于 40nm CMOS 超低功耗无线传感器节点的 9 位 SAR ADC
免责声明 - 本信息按“原样”提供，不作任何陈述或保证。Imec 是 IMEC International（根据比利时法律成立的法人实体，名称为“stichting van openbaar nut”）、imec Belgium（由弗兰德政府支持的 IMEC vzw）、imec the Dutch（Stichting IMEC Nederland，由荷兰政府支持的 Holst Centre 的一部分）、imec Taiwan（IMEC Taiwan Co.）、imec China（IMEC Microelectronics (Shanghai) Co. Ltd.）、imec India（Imec India Private Limited）、imec Florida（IMEC USA 纳米电子设计中心）活动的注册商标。
用例拒绝对实际量子密钥分布节点的服务攻击
有关QKD在电信网络中集成和应用的研究领域涉及其针对传统的净工作攻击的安全性，例如DOS（拒绝服务）AT-TACS，这将使技术无法使用（Dervisevic等人，2022年）。这项研究为对密钥管理器系统（KMS）组件的特定DOS攻击提供了某种方式，这对于QKD技术的操作至关重要。使用商业上可用的QKD设备和Suricata IPS/ID（入侵预防和检测系统）服务在现实世界环境中评估解决方案。本文的组织如下：第2节描述了当前的最新技术，第3节是QKD系统的基本部分，第4节和第5节着重于测试床环境和攻击场景。在第6节中，读者可以找到可以通过各种技术实施的建议的确定性测量结果，第7节代表了我们实验的结果。（Mehic等人，2022b）。
更少的需求：让任务指挥节点更具机动性、隐蔽性和生存力
多年来，陆军使用昂贵的弹出式帐篷，由维护密集的环境控制装置提供支持，工作人员无法快速拆除，1-38 IN 的领导希望建立一个没有这些限制的战术行动中心。为了实现这一目标，该部队将其战术行动中心建造在两辆现有的轻型中型战术车辆 (LMTV) 中，这两辆车辆可以并排停放，并用伪装网覆盖，以最大限度地减少其信号并为工作人员提供遮荫。两辆 LMTV 携带了四台先进系统改进计划 (ASIP) 无线电（带支架和扬声器）、两个联合作战指挥平台 (JBC-P)、一个与战术通信节点 (TCN) 绑定的安全互联网语音协议 (SVOIP) 系统，以及一些桌子、椅子和白板。一台 15 千瓦发电机被安装在其中一辆 LMTV 的车厢内用于发电，但 1-38 IN 还在轮换之前购买了多台商用现货 (COTS) 电池发电机，以尽量减少对这台发电机的需求。该单位将使用 15K 发电机快速充电更安静、更隐蔽的 COTS 发电机，这些发电机将用于运行 TOC 的系统。这种新设计的最后一个方面是其最小特征。使用了多种技术来减少 TOC 的特征，例如利用伪装网、阻止敌人在电磁 (EM) 频谱上探测它的能力，以及试图将 TOC 伪装成低优先级目标。采取这些措施后，1-38 IN 部署到 NTC 以测试其新的 TOC。
补充材料：通过多个节点进行信息相干路由的量子网络
j | α j | 2 = 1。由于 F | ϕ ⟩ = 1，因此上述三个不等式都是等式。第三个不等式的饱和意味着 r = s = t 。第二个不等式的饱和意味着存在一个 θ ∈ [0 , 2 π )，使得对于所有 j ≤ r ，有 α j = e iθ E j | ϕ ⟩ = e iθ ⟨ ϕ | E † j E j | ϕ ⟩ 1 / 2 ；由于对于 j > r ，E j | ϕ ⟩ = 0 且 α j = 0，因此该关系对所有 j 成立。第一个不等式的饱和意味着对于 j ≤ r ，所有 E j | ϕ ⟩ 都相等，直到标准化。因此，存在一个纯状态 | ζ ⟩ 使得 E j | ψ ⟩ = e iθ E j | ⟩ | δ ⟩ = α j | ζ ⟩ 对于所有 j ≤ r ；该关系对于所有 j 都成立，因为 E j |当 j > r 时， ψ ⟩ = 0 且 α j = 0。最后，E ( | Φ ⟩⟨ Φ | ) = P
DeepFocus：一种通过鼻腔途径优化奖励回路节点深部脑刺激的方法
摘要。目的。经颅电刺激 (TES) 是一种调节大脑活动和治疗疾病的有效技术。然而，TES 主要用于刺激浅表大脑区域，无法达到更深的目标。如 [1] 中所述，注入电流在头部的扩散受到体积传导和电流通过具有不同电导率的头部层时额外扩散的影响。在本文中，我们介绍了 DeepFocus，这是一种旨在刺激大脑“奖励回路”中深层大脑结构的技术（例如眶额皮质、布罗德曼 25 区、杏仁核等）。方法：为了实现这一点，DeepFocus 除了在头皮上放置电极外，还利用经鼻电极放置（筛板下和蝶窦内），并优化这些电极上的电流注入模式。为了量化 DeepFocus 的好处，我们开发了 DeepROAST 模拟和优化平台。 DeepROAST 使用真实的头部模型模拟复杂颅底骨骼几何形状对 DeepFocus 配置产生的电场的影响。它还使用优化方法来搜索局部和有效的电流注入模式，我们在模拟和尸体研究中使用这些模式。主要结果。在模拟中，优化的 DeepFocus 模式在几个感兴趣的区域比仅限头皮的电极产生了更大、更聚焦的场。在尸体研究中，DeepFocus 模式在内侧眶额皮质 (OFC) 产生了大场，其幅度与刺激研究相当，并且结合已建立的皮质刺激阈值，表明场强度足以产生神经反应，例如在 OFC。意义。这种微创刺激技术可以更有效、更低风险地针对深部脑结构来治疗多种神经疾病。
文章 基于视觉的飞机周转中进/出站和对接/解除对接节点的自动收集
摘要：飞机周转过程中关键里程碑节点的自动采集是机场协同决策发展需求中的重要内容。本文提出一种基于计算机视觉的框架，自动识别航班进出站、停靠/脱离站活动并记录相应的关键里程碑节点。该框架无缝集成了计算机视觉领域的最新算法和技术，包括预处理和关键里程碑采集两个模块。预处理模块从机场地面复杂背景中提取关键里程碑节点执行者的时空信息。第二个模块针对两类关键里程碑节点，即以路内和路外为代表的基于单目标的节点和以对接和解除对接楼梯为代表的基于双目标交互的节点，分别设计了两种关键里程碑的收集方法。构建了两个数据集用于所提框架的训练、测试和评估。现场实验结果表明，所提框架可以替代目前常规的手动记录方法，有助于自动收集这些关键里程碑节点。