在许多神经形态工作流程中,模拟器在重要任务中发挥着至关重要的作用,例如训练脉冲神经网络、运行神经科学模拟以及设计、实施和测试神经形态算法。当前可用的模拟器适用于神经科学工作流程(例如 NEST 和 Brian2)或深度学习工作流程(例如 BindsNET)。问题是,基于神经科学的模拟器速度慢且可扩展性不强,而基于深度学习的模拟器不支持神经形态工作负载的某些典型功能(例如突触延迟)。在本文中,我们解决了文献中的这一空白,并提出了 SuperNeuro,这是一种快速且可扩展的神经形态计算模拟器,能够进行同质和异构模拟以及 GPU 加速。我们还提供了初步结果,将 SuperNeuro 与广泛使用的神经形态模拟器(如 NEST、Brian2 和 BindsNET)在计算时间方面进行了比较。我们证明,对于小型稀疏网络,SuperNeuro 比其他一些模拟器快约 10 × –300 倍。对于大型稀疏网络和大型密集网络,SuperNeuro 比其他模拟器分别快约 2.2 × –3.4 倍。
摘要。检测重力介导的纠缠可以提供证据表明重力场服从量子力学。我们使用光子平台报告了现象模拟的结果。模拟测试通过使用该变量介导纠缠并产生理论和实验性见解的量子性质的想法,从而阐明了将来的重力实验所需的操作工具。我们采用三种方法来测试纠缠的存在:贝尔测试,纠缠证人和量子状态层析成像。我们还模拟了通过重力崩溃模型预测的替代方案,或者是由于实验设置中的不完美,并使用量子状态断层扫描来证明缺乏纠缠。模拟加强了两个主要的课程:(1)必须先对哪些路径信息进行编码,然后从重力场中连贯擦除,并且(2)执行铃铛测试导致更强的结论,以证明重力介导的非局部性的存在。
1。sandia aria和fuego:弧线的详细模型和随后的爆炸2。火力动力学模拟器:较大的集中能源和随后的爆炸的详细模型3。IEEE经验方法:基于相关实验的分析模型
摘要 — 低成本自主微型飞行器 (MAV) 有可能通过简化和加快需要与环境交互的复杂任务来帮助人类,例如建筑、包裹递送和搜索和救援。这些系统由单个或多个飞行器组成,可以配备被动连接机制,例如刚性连杆或电缆,以执行运输和操作任务。然而,它们本质上很复杂,因为它们经常处于欠驱动状态并在非线性流形配置空间中演变。此外,根据电缆变化的张力条件,混合动力学进一步增加了具有电缆悬挂负载的系统的复杂性。本文介绍了第一个空中运输和操作模拟器,它结合了不同的有效载荷和被动连接机制以及完整的系统动力学、规划和控制算法。此外,它还包括一个新颖的通用模型,用于考虑具有缆绳悬挂负载的空中系统的瞬态混合动力学,以紧密模拟真实世界系统。灵活直观的界面进一步提高了其可用性和多功能性。模拟与不同车辆配置的真实世界实验之间的比较显示了模拟器结果相对于真实世界设置的保真度,以及它对快速原型设计和空中运输和操纵系统向真实世界部署的过渡的好处。
提供模拟体验的系统的技术特性是沉浸感的关键维度。为了创造临场感并尽可能真实地重现驾驶员的行为,我们需要可靠的驾驶模拟器,让驾驶员高度沉浸其中。本研究调查了驾驶模拟器的系统沉浸感对驾驶员在驾驶有条件自动驾驶汽车时大脑活动的影响。19 名参与者驾驶了大约 40 分钟,同时使用脑电图 (EEG) 记录了他们的大脑活动。我们发现系统沉浸感对枕骨和顶骨区域有显著影响,主要是在高 Beta 带宽。在 Theta、Alpha 和低 Beta 带宽中没有发现任何影响。这些发现表明,系统沉浸感可能会影响驾驶员的生理唤醒,从而影响他们的认知和情绪过程。关键词:沉浸感、脑电图、驾驶模拟器、自动驾驶汽车、模拟环境
northropgrumman.com ©2020 Northrop Grumman 保留所有权利,获准公开发布;分发不受限制;#20-1635;日期为 09/21/20 RM 20-120
简介。— 具有可控耦合自旋和玻色子自由度 (d.o.f.) 的量子多体系统正在成为实现具有易于调整参数的量子模拟器的强大平台。例如,这些包括腔 QED (CQED) 系统 [1 – 8] 和捕获离子阵列 [9,10] 。大多数情况下,这些系统在远失谐状态下运行,其中玻色子在多体动力学中不发挥积极作用,而是用于介导粒子之间的自旋-自旋耦合。在这种有效的自旋模型领域取得了巨大进展,包括有和没有外部横向场的长程伊辛模型的实现,以及对丰富物理的探索,如纠缠动力学[1,2,11 – 17]、多体局域化[18]、时间晶体[19]和动态相变[20,21]。另一方面,除了少数粒子实现[22 – 30]外,玻色子自由度积极参与多体动力学的领域仍然很大程度上未被探索。在这项工作中,我们专注于这一领域,并报告了在自组装二维(2D)离子晶体中实现 Dicke 模型的模拟器,该模型是腔 QED 中的标志性模型,描述了(大)自旋和振荡器的耦合。Dicke 模型受到广泛关注,因为它展现了丰富的物理特性,包括量子相变和非遍历行为 [31] 。最近,由于密切相关的 Tavis-Cummings 模型在电路 QED [32] 中的实现以及在冷玻色子原子的 CQED 实验中的实现 [6 – 8,33,34] ,该模型重新引起了人们的关注。在
24 EA 002 591 作者 -Twelker。Paul A..Ed.;及其他。..教学模拟:研究开发和传播活动,最终报告。俄勒冈州高等教育系统,蒙茅斯。教学研究部。赞助机构 - 教育办公室 (DHEW)。华盛顿。华盛顿特区研究局。报告编号 -R -88 局编号 -BR -7 -1 -045 出版日期 2 月 69 日 拨款 -0EG -1 -7 -0700 -45 -3879 注释 -236p。EDRS 价格 MF -$1.00 11C 111.90 描述符-行为目标。参考书目。反馈、指南、*教学设计、学习动机、学习过程。文献综述、人机系统、测量技术。模型、角色扮演。*模拟环境。*模拟。模拟器。系统方法。*教学方法。职业教育 本报告描述了设计技术。有效应用领域。教育模拟和研究方向。五章内容包括:(1)近期文献综述;(2)模拟领域的概述,包括定义和在教学中使用模拟的一些理由;(3)几个主要模拟中心的设计方法概述和一个包含 13 条用于设计教学模拟系统的具体准则的模型:(4)模拟应用对军事、政府和工业教育的影响分析;(5)模拟器在几个职业教育领域应用的例子;(6)模拟作为评估教育进展和预测复杂人类行为的测量设备的使用说明。附录包含模拟游戏中一些常见独立变量和因变量的列表。四期《教学模拟通讯》。以及 11 条建议的游戏和模拟新方向列表。(JH)
摘要 — 近年来,无人驾驶飞行器 (UAV) 已广泛应用于娱乐、虚拟旅游、建筑、采矿、农业等各种领域。导航、路径规划和图像采集是管理这些飞行设备的主要任务,同时还要对价格实惠的飞行器进行实时物体跟踪。飞机坠毁是最关键的问题之一,因为不受控制的环境和信号丢失会导致飞行器在返回过程中撞到建筑物。此外,实时图像处理(例如物体跟踪)尚未用于低成本飞行器。本文提出了一种嵌入在基于 Web 的应用程序中(称为 DroneVR)的原型,以缓解上述问题。虚拟现实环境是根据现实世界的飞行数据(OpenStreetMap)重建的,并在其中进行路径规划和导航。高斯混合模型用于提取前景并检测移动物体,然后应用卡尔曼滤波方法来预测和跟踪物体的运动。为了改进模拟器,我们通过小规模样本用户调查了感知到的易用性。索引术语 —UAV、虚拟现实、无人机坠毁、3D 模拟器、Openstreetmap、路径规划
“我喜欢 Polhemus G 4 追踪器,因为和 Virtusphere 一样,它最接近自然环境。”Ray Latypov,Virtusphere 首席执行官 想象一下,踏入一个看起来像人形沙鼠轮的东西,完全沉浸在被球体包裹的虚拟现实世界中——只需单击按钮,这个球体就会改变您的整个环境。有无数可能的场景可供探索,您可以进行挑战极限的艰苦越野跑,游览莫斯科的城市景点,甚至在分秒必争的战场上测试您的反应能力。这些场景都是通过虚拟现实运动模拟器 Virtusphere 实现的。Virtusphere 利用 Polhemus G 4™ 6DOF 无线运动追踪器,因为它具有便携性、无缝追踪功能以及提供位置和方向的事实。 Ray Latypov 演示 Virtusphere 的功能 工作原理 — 完全沉浸感 Latypov 兄弟是 Virtusphere 背后的智囊。Virtusphere 首席执行官 Ray Latypov 和首席技术官 Allan Latypov 开发了这个想法并完善了 Virtusphere 产品。它的工作原理类似于计算机鼠标上的巨型轨迹球。10 英尺的空心球安装在一个特殊平台上,允许用户 360 度自由旋转。用户佩戴头戴式显示器,球体设计允许他们行走、跳跃或奔跑,因为他们完全沉浸在虚拟环境中。无线 G 4 为用户提供完全自由