XiaoMi-AI文件搜索系统
World File Search System关键性的
基于指令关键性的节能硬件数据预取
摘要 — 硬件数据预取是一种延迟隐藏技术，通过在处理器需要之前将数据块提取到缓存中来缓解内存墙问题。对于高性能的先进数据预取器，由于请求数量的增加，这会增加内存层次结构中的动态和静态能量。提高硬件预取器能效的一种简单方法是预取执行关键路径上的指令。由于基于关键性的数据预取不会显著降低性能；这是解决能效问题的理想方法。我们讨论了现有关键指令检测技术的局限性，并提出了一种新技术，该技术使用重新排序缓冲区占用率作为检测关键指令的指标，并执行特定于预取器的阈值调整。使用我们的检测器，我们实现了最大内存层次结构节能 12.3%，PPF 性能提高 1.4%，平均值如下：(i) SPEC CPU 2017 基准：IPCP 在 L1D 时能耗降低 2.04%，性能降低 0.3%；(ii) 客户端/服务器基准：PPF 时能耗降低 4.7%，性能降低 0.15%；(iii) Cloudsuite 基准：IPCP 在 L1D 时能耗降低 2.99%，性能提高 0.36%。IPCP 和 PPF 是最先进的数据预取器。
使用风险和关键性的有效船舶维护策略...
摘要：多年来，人们对维护任务的认识已发生了深刻的变化。不同的方法已应用于航空、核能、化学和制造业等工业领域。提出的方法包括以可靠性为中心的维护方法、状态监测和基于风险的检查。在海运业中，维护大致细分为三类：纠正性（或运行至故障）、预防性（或基于时间间隔）和预测性维护。维护不善的船舶会增加运营成本，降低船舶可用性和可操作性，导致船上频繁检查并造成船员过度忙碌。此外，船东/管理者试图将他们在实际海洋领域的宝贵经验与技术进步相结合，以尽量减少与维护相关的障碍。本文介绍了船舶维护的背景及其各种类别。还使用故障模式、影响和危害性分析 (FMECA) 和故障树分析 (FTA) 工具展示了一种结合风险和危害性方法的新方法。此外，使用实际现场数据的机械相关设备案例研究证明了上述方法的结果。主要结果是识别关键项目和操作程序以及确定所检查系统的可靠性。
资产管理计划的五个核心组成部分
批判性资产确定确定关键性的关键性，两个问题很重要。首先是资产失败的可能性。其次，失败的结果是什么？确定资产的关键性将使公用事业能够管理其风险，并有助于确定在哪里支出运营和维护美元以及计划资本支出。归因于失败概率的因素：资产失败的资产年龄状况历史历史知识维护记录有关资产的类型可能在评估关键性评估关键性的失败的知识需要检查失败的可能性以及如上所述的失败后果。具有失败可能性最大的资产以及与失败相关的最大后果的资产将是最关键的资产。
故障模式影响和严重性风险分析审查
可靠性模型和解决未来故障问题的适当工具。MIL-STD-1629A 是美国国防部最受欢迎的 FMECA 标准之一。以下论文介绍了针对风力涡轮机组装进行的风险优先级数 (RPN) 的结果。该方法针对风力涡轮机组件的功能模式执行，以了解其性能并确定其关键故障。故障模式关键性的排名是基于从摩洛哥可再生能源生产领域工作的专家和决策者收集的数据实现的。此外，研究结果表明，发电机和电力系统是风力涡轮机系统中最关键的两个组件。此外，所采用的方法将帮助决策者改进需要更多关注的关键部件的设计，同时消除固有风险并提供符合生产标准的系统。
通过集成预测性维护创造价值
随着公司不断进步并采用下一个更高的成熟度级别，它不一定会放弃较低级别、不太复杂的维护策略。实施可靠性中心维护 (RCM) 1 的公司认识到，一刀切的维护策略会将稀缺的维护资源浪费在不太重要的资产上，而对更关键的资产却服务不足。例如，公司可能会继续对非常低关键性的物品采取被动的方法（例如灯泡、铅笔刀等）忽略它们，直到它们出现故障。预防性维护可能适用于需要定期检查、更换润滑剂等的低中关键性资产。但是，通过预防性维护，一些设备将在必要之前得到维修，而其他设备将在维修之前出现故障。
D4.2 跨部门技术网络安全...
我们的分析结果共确定了 83 项技术网络安全挑战：57 项横向挑战（在 D4.1 中进行了审查）和 26 项跨部门挑战（在本交付成果中进行了审查）。所确定的每项挑战都大致呈现在三个维度上：(i) 每个具体挑战的详细描述，(ii) 目前存在的缓解技术，无论是作为商业可用产品还是作为研究层面的最新技术，以及 (iii) 可根据缓解技术和解决方案的可用性获得的机会。基于这三大支柱以及每个挑战涵盖的研究和技术领域的数量，我们进行了初步的定性优先排序，以突出需要由 T4.2“跨部门技术路线图开发”进行分析的具有更高关键性的挑战。
量子格里菲斯（Griffiths）在安德森（Anderson）临界绝缘体过渡的三维超导体中的奇异性
无处不在的真实材料无处不在，可能会对量子相跃迁产生巨大影响。源自该疾病增强的量子波动，量子格里菲斯（Griffiths）奇异性（QGS）已被揭示为低维超导体的量子关键性的普遍现象。然而，由于波动效应较弱，在三维（3D）超导系统中检测实验的QGS非常具有挑战性。在这里，我们报告了与从3D超导体到Anderson临界绝缘体MGTI 2 O 4（MTO）中量子相过渡相关的QGS的发现。在垂直磁场和平行磁场下，在接近量子临界点时的动力学临界指数会发散，证明存在3D QGS。在3D超导体中，MTO显示出相对强大的波动效应，其特征是广泛的超导过渡区域。增强的波动可能是由安德森本地化的迁移率边缘引起的，最终导致发生3D量子相变和QGS。我们的发现提供了一种新的观点，可以理解强烈无序的3D系统中的量子相变。
软件保障指导和评估 (SAGE) 工具
1.3 软件保障计划确定了团队将采取的步骤，以确保“在整个生命周期中，软件能够按预期运行，并且不存在有意或无意设计或作为软件一部分插入的漏洞” [软件保障定义，P.L. 112-239 § 933, 2013]。6 有时，软件保障计划是总体程序保护计划 (PPP) 文档中的一个部分。无论是 PPP 内部的一个部分还是其自己的文档，软件保障计划都应包括防止漏洞在系统中持续存在的对策。应根据明确的定义对安全关键系统和组件进行识别和分类，该定义确定了系统或组件安全关键性的原因。应根据通用漏洞枚举 (CVE ® )、7 通用弱点枚举 (CWE ™ )、8 通用攻击模式枚举和分类 (CAPEC ™ ) 9 和 CERT 规则和建议对这些组件和系统进行评估。10 存在弱点的安全组件和系统的解决方案或缓解策略应记录在软件保证计划中。在整个生命周期中，参考软件保证计划非常重要，以确保记录的步骤得到实施、准确且相关，以适当避免漏洞，并且不会产生负面影响
董事会如何管理人工智能
1 Martin Mocker 是本文的接受高级编辑。2 作者感谢 Martin Mocker、Blaize Horner Reich、Joe Peppard 和审查团队成员在整个审查过程中提供的周到反馈和指导。我们还要非常感谢接受采访的董事会成员对他们的 AI 治理实践提供的见解。3 有关 C 级高管认为的 AI 技术对业务的关键性的讨论，请参阅 Reilly, A.、Depa, J. 和 Doug lass, G. AI: Built to Scale，埃森哲，2019 年，网址为 https://www.accenture.com/content/dam/accenture/final/a-com-migration/thought-leadership-assets/accenture-built-to-scale-pdf-report.pdf。4 《关注董事会效力：对 C 级高管的调查》报告，普华永道治理洞察中心。 2023 年 5 月，网址为 https://www.youtube.com/watch?v=SLqBZD5zp7E。5 董事会层面需要管理技术并不是新鲜事，先前的研究也曾提出过这一观点。例如，请参见：1) Nolan, R. 和 McFarlan, FW，“信息技术与董事会”，《哈佛商业评论》（83:10），2005 年 10 月，第 96 页；2) Weill, P.、Apel, T.、Woerner, SL 和 Banner, JS，“拥有一个精通数字技术的董事会大有裨益”，《麻省理工学院斯隆管理评论》（60:3），2019 年 3 月，第 41-45 页。