XiaoMi-AI文件搜索系统
World File Search System仿真器
扩展 NCTUns 模拟器以支持移动网络
扩展 NCTUns 模拟器以支持移动网络 Juliano V. Quaglio、Tetsu Gunji、Celso M. Hirata 航空技术学院 Praça Marechal Eduardo Gomes 50 12228-900 巴西圣保罗 juliano.quaglio@gmail.com、tgunji@uol.com.br、hirata@ita.br 摘要 NCTUns 是一个基于 Linux 的网络模拟器/仿真器，它具有许多功能，例如无需修改即可执行真实世界的应用程序，以及使用真实 TCP/IP 网络堆栈对各种网络设备进行建模的功能。但是 NCTUns 仅支持移动主机的模拟/仿真，而不支持移动网络。因此，使用传统的 NCTUns，无法模拟更复杂的场景，包括具有移动网络的 C4I2SR 系统，例如，具有与外部网络（地面控制中心）通信的内部嵌入式网络的飞机。受此限制的启发，我们提出并描述了 NCTUns 的扩展，以便允许对需要两个 NCTUns 实例的系统进行建模和仿真。该扩展允许使用分布式计算机模拟具有视频流并由移动网络组成的 C4I2SR 系统场景。该方法可以提高对建模的信心。
Zhan，Haifei 可能性的预处理神经后验估计 铬蛋白的生物技术应用 luo，zhaohui 9781789060119_0415.pdf alankarage，di 城市风特征的空间建模 威尔斯，宝琳娜 异戊二烯 - 苯乙烯）（SIS）共聚物定义... Yang，Chao，Ch McNeale，Donna
基于仿真的推理（SBI）方法可以在可能性函数棘手但模型模拟可行的情况下，可以估计后验分布。SBI的流行神经方法是神经后估计（NPE）及其顺序版本（SNPE）。这些方法可以超越统计SBI方法，例如近似贝叶斯计算（ABC），特别是对于相对较少的模型模拟。但是，我们在本文中表明，即使在低维问题上，NPE方法也不能高度准确。在这种情况下，无法在先前的预测空间上准确训练后验，甚至顺序扩展仍然是优化的。为了克服这一点，我们提出了预处理的NPE（PNPE）及其顺序版本（PSNPE），该版本使用ABC的短运行来有效消除参数空间区域，从而在模拟和数据之间产生较大的差异，并允许后仿真器进行更准确的培训。我们提供了全面的经验证据，即神经和统计SBI方法的这种融合可以改善在一系列示例中的性能，包括一个激励示例，涉及应用于实际肿瘤生长数据的基于复杂的基准模型。
布巴内斯瓦尔分区
第二届智能电网技术最新发展全国研讨会 (NWSGT-2020) “微电网的监测、保护和控制”于 2020 年 1 月 23 日至 24 日在印度理工学院布巴内斯瓦尔分校举行。主题包括从广域监测、控制、保护、通信、安全等各种问题，以确保电力网络的有效可靠运行。研讨会旨在包括学术界和工业界专家的高级讲座和讨论，随后是实时数字模拟器 (RTDS) 和可再生仿真器系统的实验室实践。本次研讨会将涵盖的主要主题包括： 微电网中的相量测量单元 (PMU) 和广域监测、混合 ACDC 和 DC 微电网的高级保护和控制。智能微电网中的协调保护和控制、无线传感器网络和微电网监测中的物联网、智能微电网中的人工智能和数据挖掘。研讨会由 OPTCL 主席 Saurabh Gard 博士和 IIT BBSR 主任 RV Raja Kumar 教授主持。IIT 坎普尔分校的 SC Srivastava 教授致开幕词。研讨会由布巴内斯瓦尔的 IEEE PES 分会和新德里的 UI-ASSIST（印度-美国论坛）提供技术赞助。其他财务赞助商包括新德里 DST、OPTCL、FEDCO、QUARTZ India Pvt. Ltd 和 RTDS Technologies Ltd。
用于高效近传感器数据分析的低功耗跨精度浮点集群
摘要 — 低功耗（1-20 mW）近传感器计算的最新应用需要采用浮点算法来协调高精度结果和宽动态范围。在本文中，我们提出了一种低功耗多核计算集群，该集群利用跨精度计算的细粒度可调原理，以最低的功率预算为近传感器应用提供支持。我们的解决方案基于开源 RISC-V 架构，将并行化和子字矢量化与专用互连设计相结合，能够在内核之间共享浮点单元 (FPU)。在此架构的基础上，我们提供了全面的软件堆栈支持，包括并行低级运行时、编译工具链和高级编程模型，旨在支持端到端应用程序的开发。我们对周期精确的 FPGA 仿真器上的跨精度集群的设计空间进行了详尽的探索，并改变了内核和 FPU 的数量以最大限度地提高性能。正交地，我们进行了垂直探索，以确定在非功能性要求（工作频率、功率和面积）方面最有效的解决方案。我们对一组代表近传感器处理域的基准进行了实验评估，并通过对功耗进行布局布线后分析来补充时序结果。与最先进的技术相比，我们的解决方案在能源效率方面优于竞争对手，在单精度标量上达到 97 Gflop/s/W 的峰值，在半精度矢量上达到 162 Gflop/s/W。最后，一个实际用例证明了我们的方法在满足精度约束方面的有效性。
QuESTlink—Mathematica 通过硬件放大...
经典仿真在量子计算机和算法的设计中至关重要。尽管最近证明了量子霸权 [ 2 ]，但当今的量子计算机质量不足以运行和测试许多有趣的算法。即使是未来精确的量子计算机在编写新算法方面也只能提供有限的帮助，因为与仿真器不同，它们提供的有关量子态演变的信息有限。此外，某些算法，特别是用于噪声中等规模量子 (NISQ) 设备 [ 3 ] 的算法，如变分类算法 [ 4 ]，只能进行有限的分析处理。因此，经典仿真的价值是不可否认的。研究界需要高级可用工具，这些工具易于部署、提供快速的数值研究并与其他成熟软件集成。然而，经典模拟量子设备的成本呈指数级增长，使得即使是 NISQ 计算机的仿真也非常耗费资源。因此，模拟器必须充分利用经典的高性能计算技术，如多线程和 GPU 并行化，并使用 C 等低级高性能语言编写。这一要求与可用工具的需求相矛盾，非专业程序员和更广泛的量子社区都可以使用这些工具。在此背景下，我们开发了 QuESTlink：一个高性能 Mathematica 软件包，用于数值模拟量子计算机，通过将昂贵的计算转移到运行 QuEST 的远程加速硬件上 [ 5 ]。Mathematica 既是一种语言，也是一种计算工具，在物理学家中广为流传，它提供了一个方便的交互界面（通过笔记本）和一套非常全面和强大的实用程序。虽然最广泛使用的计算工具是量子计算领域中的计算工具，但它仍然是量子计算领域中最受欢迎的工具。