XiaoMi-AI文件搜索系统
World File Search System功耗
适用于低功耗应用的堆叠介电三材料圆柱形栅极 (SD-TM-CGAA) 无结 MOSFET 的亚阈值电流建模
堆叠电介质三材料圆柱栅极全包围 (SD-TM-CGAA) 无结 MOSFET 已被用于低功耗应用。本文介绍了堆叠电介质三材料圆柱栅极全包围 (SD-TM-CGAA) 无结 MOSFET 的亚阈值电流分析模型。分析结果与 TMSG MOSFET 进行了比较，获得了良好的一致性。该器件的亚阈值电流非常低，可以考虑实现 CMOS 反相器。设计了一个 PMOS 晶体管，并将 PMOS 晶体管的驱动电流与 NMOS 器件进行调谐，以获得驱动电流的理想匹配。设计了一个 CMOS 反相器。检查了器件的瞬态和直流行为。计算了 CMOS 反相器的功耗，并将其与 CMOS DMG-SOI JLT 反相器进行了比较。与 CMOS DMG-SOI JLT 反相器相比，所提出的器件的功耗降低了 5 倍。这表现出功率耗散的显著改善，这对于制造低功耗的未来一代设备非常有用。
具有自适应机器学习和遗忘功能的生物启发式低功耗二维机器视觉
图 1. 生物启发式 2D 视觉系统。生物视觉神经网络的基本组成部分，a) 眼睛可实现生物视觉，b) 大脑中的视觉皮层可实现生物学习。c) 眼睛中的光感受器可实现光传导和适应。视杆细胞可实现暗视，而视锥细胞可实现明视。d) 突触增强或减弱以进行学习或遗忘，例如，当突触前神经元释放谷氨酸神经递质时，通过控制突触后神经元中的 AMPA 受体数量来实现学习或遗忘。e) 示意图和 f) 人工视觉系统的假彩色显微镜图像，该系统由集成有可编程背栅堆栈的 9×1 2D 光电晶体管阵列组成。该平台可实现光传导、视觉适应、突触可塑性、直接学习、无监督再学习以及利用遗忘在动态噪声下学习等功能。 g) 传输特性，即在黑暗环境中不同漏极偏压（𝑉𝑉 𝐷𝐷𝐷𝐷 ）下源极至漏极电流（𝐼𝐼 𝐷𝐷𝐷 ）随背栅极电压（𝑉𝑉 𝐵𝐵𝐵 ）变化的特性，h) 在蓝色发光二极管（LED）不同照明水平下的光转导，i) 光增强引起的学习或设备电导（𝐺𝐺 ）的增加，以及 j) 在代表性 2D 光电晶体管中，在 𝑉𝑉 𝐵𝐵𝐵𝐵 = 0 V 时测得的电抑制引起的遗忘或 𝐺𝐺 的减少。
适用于低功耗便携式应用的全集成 180 nm CMOS 1.2 V 低压差稳压器
长寿命自主便携式和可穿戴设备越来越多地出现 [1-8]，对系统小型化和降低功耗的要求使高效电源管理单元 (PMU) 的设计成为首要问题，其中低压差 (LDO) 稳压器发挥着关键作用 [9-13]。如图 1 所示，在电池供电系统中，在电池电压和偏置特定系统模块所需的负载电流发生大幅变化的情况下，LDO 会从电池电压 V BAT 产生稳定、低噪声和精确的电源电压 V out ，通常会使用多个 LDO 来优化每个模块的功耗，从而优化整体电源效率。传统 LDO 依靠位于输出节点的外部 µ F 电容来保证稳定性，同时尽量减少瞬态工作下 V out 的变化 [14-16]。尽管如此，系统功率和尺寸的降低正导致完整的片上系统 (SoC) 设备的发展，其中所有组件都需要完全集成。实施低成本片上系统解决方案的一个关键条件是与互补金属氧化物半导体 (CMOS) 技术的兼容性。这反过来又与低压合规性有关，因为随着 CMOS 技术的缩小，电源电压也会缩小，非常接近 MOS 晶体管的阈值电压，因此在设计这种低压电路时必须遵循新策略。因此，无 CMOS 电容器低压差稳压器的设计已成为一个有前途的研究课题，需要低压架构和替代的片上补偿技术，以保持系统在整个工作范围内的稳定性，同时保持调节性能。此外，便携式设备的一个关键参数是功耗，因为它决定了电池寿命。这意味着使用低静态电流 I q 。然而，降低 Iq 会降低动态性能：最大输出电流受到限制，从而限制了诸如转换速率和稳定时间等参数。这就需要引入瞬态增强电路技术来平衡动态性能，同时将对功率效率和电路复杂性的影响降至最低。
基于Zno纳米材料的气体传感器的高工作温度可能会缩短传感器的寿命并增加其功耗。 Enhan
基于Zno纳米材料的气体传感器的高工作温度可能会缩短传感器的寿命并增加其功耗。在气体响应和温度方面，增强ZnO纳米材料的气体传感器的挥发性有机化合物（VOC）感应性能对于它们的实际应用至关重要。将贵金属装饰到纳米结构上是改善其感应特性的有效方法。在此，引入了水热合成的ZnO珊瑚色纳米板，并引入了PD纳米颗粒的装饰，以实现改善的VOC感应性能。研究了合成原始和PD E ZnO珊瑚样纳米板的形态，晶体结构，组成，原子结构以及气体传感特性。结果显示，基于PD E ZnO的传感器的原始ZnO传感器的最佳工作温度从450 C的最佳工作温度显着降低。通过用PD纳米颗粒的表面装饰，在350 C最佳工作温度下对丙酮的响应提高了三倍。PD E ZnO传感器的响应时间和恢复时间比原始ZnO传感器的速度快三倍。PD E ZnO传感器达到了17 ppt的理论检测极限，在350 C时达到3.5 E 2.5 e 2.5 ppm丙酮的灵敏度。传感器的瞬态稳定性在几个开/关开关从空气到气体的开关周期后，揭示了制造设备的有效可重复性。还讨论了多孔PD E ZnO珊瑚样纳米板传感器的合理机制。©2021作者。Elsevier B.V.的出版服务代表河内越南国立大学。这是CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nc-nd/4.0/）下的开放访问文章。
信一种低功耗、高性价比的耐 SEU 脉冲触发器设计
摘要 提出了一种节能的抗单粒子翻转（SEU）脉冲触发器设计。双模块冗余设计充分利用了脉冲触发器结构简洁的优点，避免了脉冲触发器功耗大的缺点。采用时钟门控方案降低功耗。静态配置和避免竞争机制实现了功耗、速度和抗单粒子翻转能力的平衡。通过SEU截面评估了SEU耐受性，发现其显著低于传统D触发器。采用55nm CMOS工艺设计了触发器，并进行了性能评估。所提设计实现了最低功耗，甚至低于传统D触发器。虽然牺牲了速度，但在加固设计中实现了最低的功率延迟积。所提设计为速度不敏感和功率受限的应用提供了解决方案。 关键词：单粒子翻转，抗辐射，节能，触发器 分类：集成电路
配备多个叶轮的单相搅拌容器中的功耗
在法律规定的某些条件下，图书馆和档案馆有权提供复印件或其他复制品。这些规定条件之一是，复印件或复制品不得“用于除私人学习、学术或研究以外的任何目的”。 如果用户请求或随后将复印件或复制品用于超出“合理使用”范围的目的，则该用户可能要承担侵犯版权的责任，
32 微电极低功耗 FPGA 设计集成...
摘要：许多实验都要求在检测和处理神经脑活动时具有较低的延迟，从动作到反应的时间约为几毫秒。本文介绍了一种亚毫秒级检测和通信尖峰活动的设计，该设计由 32 个皮层内微电极阵列检测，利用现场可编程门阵列 (FPGA) 提供的实时处理。该设计嵌入在 Intan Technologies 的商用 RHS 刺激/记录控制器中，该控制器允许记录皮层内信号并执行皮层内微刺激 (ICMS)。尖峰检测器 (SD) 基于平滑非线性能量算子 (SNEO)，并包括一种新方法来估计基于 RMS 的独立于放电率的阈值，可以对其进行调整以精细检测单个动作电位 (AP) 和多单位活动 (MUA)。低延迟 SD 与 ICMS 功能相结合，为依赖于神经元活动相关刺激的脑机接口 (BCI) 闭环实验创建了一个强大的工具。该设计还包括：三阶 Butterworth 高通 IIR 滤波器和 Savitzky-Golay 多项式拟合；特权快速 USB 连接，用于将检测到的尖峰传输到主机，以及亚毫秒延迟通用异步接收器-发射器 (UART) 协议通信，用于发送检测和接收 ICMS 触发器。该项目的源代码和说明可以在 GitHub 上找到。
研究文章有效地设计了QCA全贴纸，低功耗
对高性能和能量计算系统的连续市场需求已将计算范式和技术转向纳米级量子量子点蜂窝自动机（QCA）。在本文中，已经提出了新型的能量和有效的基于QCA的加法器/减法器设计。首先，设计了一个基于QCA的3输入XOR门，然后实现了完整的加法器和完整的减法器。通过QCAPRO估计器工具在开尔文温度t 2上通过不同类型的能量（C 0.5 EK，C 1.0 EK和C 1.5 EK）测试了所提出的设计的功耗。qcadesigner 2.0.03软件用于评估所提出设计的仿真结果。在细胞数，区域和功率耗散方面，提出的设计比常规设计具有更好的复杂性。
设计和实施低功耗...
移动，电池电力系统（例如蜂窝电话，个人数字助手等）不断增长的市场要求设计具有低功率耗散的微电子电路。更一般而言，随着芯片的密度，大小和复杂性继续增加，提供足够冷却的困难可能会增加大量成本，或者限制使用这些集成电路的计算系统的功能。在过去十年中，已经提出了几种设计低功率电路的技术，方法和工具。但是，其中只有少数在当前设计流中找到了自己的方式[1]。在CMOS电路中，有三个主要的功率耗散来源。这些是开关功率，短路电源和泄漏功率。开关功率是由于电路驱动的充电和排放电容器。短路功率是由同时进行PMOS/NMOS晶体管对时产生的短路电流引起的。最后，泄漏功率起源于底物注入和子阈值效应。导致泄漏功率增加的主要原因之一是子阈值泄漏功率的增加。当技术尺寸缩小时，电源电压和阈值电压也会缩小。子阈值泄漏功率随着阈值电压的降低而成倍增加。堆栈方法，强制NMO，强制PMO和困倦的门将方法是一些泄漏电流减少方法[2]。
Himax 超低功耗 WE-I Plus 端点 AI 开发板
超低功耗的高性能终端 AI 解决方案 WE-I Plus 处理器旨在适应多种 TinyML 神经网络模型，具有可编程 DSP，运行时钟频率高达 400MHz，内部 SRAM 为 2MB。WE-I Plus 支持 TensorFlow Lite 微控制器框架，能够运行推理，例如开源 Google 示例，包括“Hello World”、“Micro Speech”、“Person Detection”和“Magic Wand”，所有这些都可以在 Google 的 Github 上找到。它在计算机视觉应用中进行了全面优化，并且已证明使用“Person Detection”示例的功耗最低。WE-I Plus 与 Himax 的 VGA 传感器相结合，运行示例推理，功耗低至 2.5mW，模型推理时间少于 35 毫秒。 SparkFun 上适用于 TinyML 开发人员的终端 AI 开发板开发人员现在可以轻松访问 Himax 的领先技术，SparkFun 在线零售商店提供 WE-I Plus EVB，用于终端 AI 系统开发，最终实现改变生活的用例的创新。一体式 WE-I Plus EVB 包括 AI 处理器、HM0360 AoS VGA 摄像头、2 个麦克风和一个 3 轴加速度计，可执行视觉、语音和振动检测和识别。它内置 FTDI USB-SPI/I2C/UART 桥接器，用于闪存编程接口和消息/调试打印/元数据输出。它还具有两个 LED 来显示分类结果。此外，还提供带有 I2C 和 GPIO 接口的扩展头，以允许连接到外部传感器或设备。EVB、处理器和传感器的数据表可在 SparkFun 网站上下载。 Himax WE-I Plus EVB/Endpoint AI Development Board 在 SparkFun 的参考链接 https://www.SparkFun.com/products/17256