• 技术出版物。已完成的研究或研究的重要阶段的报告,介绍 NASA 计划的结果,包括大量数据或理论分析。包括被认为具有持续参考价值的重要科学和技术数据和信息的汇编。NASA 的同行评审的正式专业论文的对应部分,但对手稿长度和图形演示范围的限制不那么严格。 • 技术备忘录。初步或具有专门意义的科学和技术发现,例如快速发布报告、工作文件和包含最少注释的参考书目。不包含广泛的分析。 • 承包商报告。NASA 赞助的承包商和受助人的科学和技术发现。
宾夕法尼亚州艺术委员会创意企业家加速器计划指南 截止日期:由您所在地区的宾夕法尼亚州艺术合作伙伴 (PPA) 合作组织确定。请联系您所在地区的 PPA 合作组织以了解确切日期。 申请截止日期:申请日期因地区而异。请联系上面提到的 PPA 合作组织以了解每个地区的具体截止日期。 资助金额:2,000 美元,另加商业计划资源 创意企业家加速器计划描述和目的此计划旨在将现有的小型企业咨询服务与 2,000 美元的财政资源结合起来,面向希望创办自己的营利性企业或运营现有营利性微型企业的创意企业家。创意企业家是社区的宝贵财富。他们引领创新,提供创意产品和服务,创造经济机会并建立社区认同。协助创意企业家是快速变化的经济环境中复苏和增加机会的途径之一。此外,该计划推进并优先考虑宾夕法尼亚州艺术委员会的多元化、公平和包容性总体价值,并优先投资于黑人、土著或有色人种 (BIPOC) 的创意企业家,或位于联邦指导方针定义的低收入社区并为其工作带来好处的企业家。就该计划而言,低收入社区是指贫困率大于或等于 20% 或家庭收入中位数小于或等于该地区收入中位数 80% 的社区。(您可以使用此工具来帮助确定您所在的社区是否根据联邦指导方针被归类为低收入社区。)
▪ 第一次预融资付款发生在项目开始前或开始后不久,通常为授予的总补助金的 45%。此外,补助金金额的 5% 被转入互助保险机制 (MIM),并保留到项目结束,然后作为余额(最终)付款的一部分返还给公司。 ▪ 第二笔预融资最迟在提交定期报告后 2 个月支付,定期报告通常安排在项目中期。对于通常持续 24 个月的项目,第二笔预融资应最迟在第 15 个月发放。第二笔付款最多可为补助金的 40%,前提是已使用至少 70% 的第一次预融资(包括保留在 MIM 上的金额)。如果公司使用的第一次预融资不到 70%,则第二笔付款的金额将减少。 ▪ 最终付款(余额付款)在最终报告获得批准后转移。最终付款的计算方法是,总补助金额(基于符合条件的费用)减去 EIC 在两次预融资付款中已经支付的金额。
由 Chemonics International 实施的美国国际开发署气候融资发展加速器 (CFDA) 正在寻求经验丰富的债务、股权或其他投资者(例如资产管理人、资产所有者、具有投资或借贷能力的金融机构)提交赠款申请,以提高可持续性并帮助提高非洲能源转型价值链的经济贡献。1 赠款将根据美国国际开发署和美国政府关于合同赠款的管理规定以及 CFDA 的内部赠款管理政策进行授予和实施。发布本 RFA 并不构成 CFDA 的授予或承诺,也不承诺 CFDA 支付准备和提交申请所产生的费用。此外,CFDA 保留接受或拒绝任何或所有收到的申请以及要求申请人进一步澄清的权利。申请人将以书面形式收到有关其申请的决定。 CFDA 和 Chemonics 员工不得索要任何金钱、费用、佣金、信用、礼物、酬金、有价之物或补偿,申请人也不得提供任何金钱、费用、佣金、信用、礼物、酬金、有价之物或补偿,以获取或奖励与本次招标有关的不当优惠待遇。项目员工的任何不当要求都应报告给项目负责人或 BusinessConduct@chemonics.com 。RFA 分为以下三个部分:
摘要 — 机器学习 (ML) 技术的快速发展推动了专用硬件加速器的发展,旨在促进更高效的模型训练。本文介绍了 CARAML 基准测试套件,该套件用于评估在一系列硬件加速器上训练基于 Transformer 的大型语言模型和计算机视觉模型时的性能和能耗,包括 NVIDIA、AMD 和 Graphcore 的系统。CARAML 提供了一个紧凑、自动化、可扩展和可重复的框架,用于评估各种新型硬件架构中 ML 工作负载的性能和能耗。本文详细讨论了 CARAML 的设计和实现,以及一个名为 jpwr 的自定义功率测量工具。索引术语 — 机器学习、能量、NLP、计算机视觉、AI、性能测量、基准、GPU、IPU、加速器
能源效率:与传统数字加速器相比,ADELIA 的模拟数字架构可将功耗降低高达 90%。这使其成为电池供电设备的理想选择。超低延迟:ADELIA 的高速处理能力支持需要快速响应的实时应用。这对于实时分析等任务至关重要。软件工具链:ADELIA 配备了强大的软件开发工具包,可简化神经网络的优化和部署。多功能性:ADELIA 用途广泛,可用于各种 AI 应用,包括图像和语音识别、自然语言处理和医疗诊断。易于实现对客户要求的适应。
基于铁的形状内存合金(FE-SMAS)是电子合金材料,由于其独特的特性(包括形状记忆效应),具有广泛应用的民用结构。然而,至关重要的是要了解有效应用的有效应用fe-smas的时间依赖性行为。尤其是在个体压力下的行为,潜在的机制和转化动力学尚未受到研究。通过使用Fe-17Mn-5SI-5SI-10CR-4NI-1(V,C)Fe-Smas进行高能量X射线衍射(V,C)Fe-Smas的高能量X射线衍射(V,HEXRD),以解决这些重要的基本研究差距,原位压缩蠕变和应力松弛实验。在室温下,相对于屈服强度(ys),在不同的应力水平下研究了Fe-SMA的时间依赖性行为。实验结果表明,该材料在固定后一小时内表现出高达1.84%和56 MPa的蠕变应力,在769 MPa(1.6σYs)的测试应力下,其蠕变应力。堆叠故障概率和相量分数量化提供了基于不同应力水平的机制的理解。从HEXRD峰的特征中追溯到的转化动力学为蠕变提供了进一步的见解,具体取决于{HKL}家族的贡献。本文以评估现有模型的评估,以预测Fe-SMA的蠕变和应力放松。