XiaoMi-AI文件搜索系统
World File Search System单点故障
文章 可解释的人工智能：神经启发的决策堆栈框架
两架波音 737-Max 商用客机最近坠毁，引发了人们对嵌入式计算系统 (MCAS) 的重要质疑，该系统的安装是为了让新的 737 机型在人类飞行员眼中更像旧机型 [ 1 ]。提出的关键问题之一是，人类飞行员并不知道该系统的存在，而且该系统的“智能”容易出现单点故障（迎角传感器）[ 1 ]。人工智能 (AI) 将在这种系统中发挥越来越重要的作用，尤其是当自主机器在太空或深海等遥远而恶劣的环境中运行时 [ 2 ]。在这种恶劣的环境下，当发生故障时，准确评估问题所在至关重要，这样设计人员才能从故障中吸取教训。同时，当此类系统做出基于证据的决策时，解释为什么以及如何做出某个决策至关重要。欧盟法律要求对此类解释进行解释，这是 2016 年颁布的“解释权”的一部分，主要是在对公民产生不利影响的决策背景下。现代人工智能系统利用嘈杂且通常不确定的数据来代表人类做出决策。当这些系统发挥作用时，它们具有很大的实用性，可用于自动驾驶汽车和在恶劣环境中运行的自主机器人等。除了实用性之外，这些系统还可以采用自学模式，使它们在国际象棋和围棋等游戏中超越人类的能力 [ 3 – 5 ]。然而，与人类智能一样，人工智能有时也未能实现目标。一个众所周知的失败案例是特斯拉 Model S，由于人工智能对白色卡车的特征提取和智能理解不准确，导致汽车在“自动驾驶模式”下发生致命车祸 [6]。人工智能的失败并不令人惊讶。智能是基于不确定性做出决策的行为。这一事实将人工智能与基于流程图设计的非智能决策系统区分开来，就像大多数计算机程序一样 [7]。对于人类来说，在童年和成年时期，许多类型的学习都需要这样的失败。大多数机器学习 (ML) 人工智能算法还依赖于“训练阶段”，在此阶段，工件在人类标记的数据集上进行指导，并从失败中学习，然后才被允许在非标记数据上“野外”运行 [8]。
AFRL 140nm技术转移及实施...
wen.zhu@baesystems.com (603) 885-5681 关键词：氮化镓 (GaN)、Ka 波段、MMIC、PAE 摘要 本文报告了 AFRL 的 4 英寸 140nm GaN-SiC 技术向 BAE 系统微电子中心 (MEC) 代工厂的转移和生产实施情况。我们将 AFRL 和 BAE 系统 GaN-SiC 的最佳技术集成到用于 Ka 波段和 Q 波段的 6 英寸 140nm GaN-SiC 生产工艺中，这是业界首个 6 英寸 140nm GaN-SiC 生产工艺。本文介绍了脉冲 IV (pIV)、FET 负载牵引、MMIC 性能和可靠性结果。 引言 2018 年，BAE 系统的 MEC 代工厂与 AFRL 合作，将 140nm 4 英寸 GaN-SiC 技术转移到 6 英寸 GaN-SiC。该计划的关键技术目标是通过转移和整合 AFRL 开发的关键工艺技术[1, 2]以及 BAE 系统现有的 GaN MMIC 工艺和能力，在位于新罕布什尔州纳舒厄的 BAE 系统代工厂建立一流的 140nm 氮化镓 (GaN) 生产技术，以实现 6 英寸 SiC 上 GaN 的高性能、高 MRL 工艺[3]。通过这项短栅极高效氮化镓 (GaN) 单片微波集成电路 (MMIC) 可生产性计划，BAE 系统正在满足美国国防部 (DoD) 的迫切需求，即建立一个可供美国国防界使用的开放式 GaN 代工厂，并提供先进的 GaN MMIC 工艺。开放式代工服务 - BAE 系统 BAE 系统 III-V 族化合物半导体代工厂是一项战略资产，可为其电子系统部门提供独特的 MMIC 技术。为美国国防部提供代工服务是为了更有效地利用我们代工厂的产能，锻炼和改进工艺，并加强与国防部外部供应商和政府机构的关系。完成 GaN 生产向 6 英寸晶圆直径的过渡是 140nm 技术活动下的一项关键任务。仅此一项就能将有效代工能力提高 2 倍以上。BAE Systems 目前正在投资其代工厂，更换工具，消除单点故障，同时满足生产需求。
FIM电气法规
关于物质验证，如果有疑问，应在材料测试实验室进行样本或所涉及的零件。02电气需求02.01电气安全必须确保在任何情况下，在正常操作或可预见的故障情况下，所使用的组件均不能在任何情况下造成伤害。必须确保用于保护人员或物体的组件可以在适当的时间内可靠地履行其功能。必须确保电气系统的单点故障不会导致电动毒被危害生命（雨水等）在正常操作中。电压B类中不得有任何裸露的活导电部件（在DC（脉动DC） /> 30 V rms中的> 60 V中）。保护元素（卡特，保护盖等）不使用工具就无法删除针对直接接触的。 02.02电气组件必须保护所有电气设备的所有部分，至少与IP66D类型保护（防尘，防溅射无物体入侵）。 裸露的连接器/电线必须在发生事故（侧面盖）的情况下防止磨损。 02.03电动总线最大电压最大电压总线中的最大电压电压为：A类试用摩托车：60 V dc＆30 V AC（RMS）（脉冲DC <60V）B级B 420 V dc＆300 V AC（RMS）800 V DC＆600 V DC（RMS）用于Motoe 1500 V DC DC＆1000 V AC（RMS） b级电压）土地速度世界记录。02.02电气组件必须保护所有电气设备的所有部分，至少与IP66D类型保护（防尘，防溅射无物体入侵）。裸露的连接器/电线必须在发生事故（侧面盖）的情况下防止磨损。02.03电动总线最大电压最大电压总线中的最大电压电压为：A类试用摩托车：60 V dc＆30 V AC（RMS）（脉冲DC <60V）B级B 420 V dc＆300 V AC（RMS）800 V DC＆600 V DC（RMS）用于Motoe 1500 V DC DC＆1000 V AC（RMS）b级电压）土地速度世界记录
詹姆斯·韦伯太空望远镜的初步科学成果......
或 L2，1 距离地球近一百万英里。经过 20 多年的设计、开发和测试，一个月的极其复杂的在轨部署（包括 344 个潜在的单点故障）和六个月的调试活动，JWST 现在正在进行科学操作，它是人类有史以来发送到太空的最大、最强大的望远镜。JWST 是一个大型红外太空望远镜，由美国国家航空航天局 (NASA) 科学任务理事会天体物理学部管理。该望远镜旨在成为美国国家航空航天局 (NASA) 两大大型天文台哈勃太空望远镜和斯皮策太空望远镜的补充和科学继任者。2 JWST 在灵敏度和分辨率方面的前所未有的提高使天文学家能够更详细地观察更远距离的宇宙。 1999 年，美国宇航局正式批准启动下一代太空望远镜 (NGST) 的项目制定。2000 年，NGST 被推荐为天文学和天体物理学十年调查的首要重大举措，并设想成为一台 8 米级的红外太空望远镜，“旨在探测第一批恒星发出的光并追踪星系从形成到现在的演化”，“将彻底改变人们对当今银河系恒星行星形成方式的理解。”3 这些主题一直贯穿着 JWST 任务的科学主旨。在詹姆斯韦伯太空望远镜的研发过程中，科学、空间和技术委员会举行了多次监督听证会，包括在 2011 年、2015 年和 2018 年。今天的听证会是委员会首次就望远镜观测的早期科学和科学结果举行的听证会。红外天文学 JWST 经过优化，可观测红外光。人眼可以感知可见光，即可见光，而红外光的波长较长，位于电磁波谱光学部分的红端以外，如图 1 所示。天文学利用红外光研究较冷的物体，例如尚未开始燃烧氢的年轻恒星或恒星周围盘中形成的行星。天文学家还在红外范围内进行观察，以透过星云或恒星形成云层中的尘埃（通常会阻挡可见光）。宇宙中第一批恒星和星系发出的光最初是以可见光或紫外光的形式发射的，但它以红外光的形式到达地球，因为它在不断膨胀的宇宙中传播很长的距离，被拉伸到更长的波长。天文学家将这种拉伸效应称为“红移”。
微电网分销网络中用于能量调度游戏的神经动力学算法
并实现MG系统的最大收益[3，4]。通常，EMS的控制模式主要是集中式控制。为了最大程度地降低温室气体的排放成本，能源成本并最大化可再生能源的产出，已使用一种集中式方法来协调MG和主要功率网格之间的能源管理[5]。但是，集中式控制无法提供强大的计算能力来处理一定数量的数据，并遭受单点故障和隐私披露。如今，在微电流能量管理的分布式优化方面已经进行了大量研究。 与集中的能源管理相比，分离的优化为微电网系统（MGS）提供了更有效，可靠的能源管理策略[6-9]。 在[6]中，多MGS的实时能源市场通过分布式强大算法优化。 提出了分布式算法来解决经济调度问题，其中一些发电机单元被考虑[7]。 参考[8]提出了用于能源互联网管理的分布式神经动力优化算法。 在[9]中，提出了一种基于分布式的算法来解决MG中的经济调度问题。游戏理论已广泛应用于社会和资源环境模型[10]，网络拥塞控制（NCC）[11-13]和能量管理[12，14 - 16]。 在[14]中，在多MGS中应用合作游戏进行能源和储备发货。如今，在微电流能量管理的分布式优化方面已经进行了大量研究。与集中的能源管理相比，分离的优化为微电网系统（MGS）提供了更有效，可靠的能源管理策略[6-9]。在[6]中，多MGS的实时能源市场通过分布式强大算法优化。提出了分布式算法来解决经济调度问题，其中一些发电机单元被考虑[7]。参考[8]提出了用于能源互联网管理的分布式神经动力优化算法。在[9]中，提出了一种基于分布式的算法来解决MG中的经济调度问题。游戏理论已广泛应用于社会和资源环境模型[10]，网络拥塞控制（NCC）[11-13]和能量管理[12，14 - 16]。在[14]中，在多MGS中应用合作游戏进行能源和储备发货。但是，实际上，这些人实际上关心自己利益的最大化，这可以通过非合作游戏充分说明。参考文献[12]考虑了非合作代理的人群，所有竞争对手的成本功能与平均人口状况和共享约束有关，所提出的方法适用于NCC和需求端管理。总体游戏用于建模并分析智能电网中的电消耗控制[15]，并解决了一日电动汽车电荷问题[16]。考虑在退出作品中对能源管理的分布式优化和游戏理论方法，本文的主要贡献如下。
区块链和人工智能助力 5G 物联网
通信网络发挥着重要作用，成为当今数字时代的神经系统。网络需要以更高的速度传输大量数据。物联网 (IoT) 设备及其在行业中的使用呈指数级增长。数以百万计的物联网设备嵌入在各种应用中，如智能家居、智能城市、空域设备等。第五代 (5G) 将在全面实现连接人与计算资源（例如传感器、车辆、可穿戴设备等）的物联网方面发挥重要作用。第六代网络在开发低延迟网络方面发挥着重要作用。当今主要的物联网系统使用集中式服务器和存储数据库，而集中式系统的最大问题是相关实体之间缺乏信任和单点故障。为了克服这些问题，分散式架构可用于网络节点之间的对等通信。如今，最流行的分散式系统是区块链，它在提高网络节点之间的信任方面发挥着重要作用。要操作称为区块链的分布式账本，网络对等方必须提供以下功能：钱包服务、存储、路由和挖掘。用于订购交易的密钥由钱包服务提供。存储用于在节点中保存链的副本。路由功能用于块和交易传播，而挖矿功能负责通过解决工作量证明挖矿方案的加密难题来创建新块。一旦矿工解决了这个复杂的加密问题，它就会在网络中发布新区块。网络对等方会在将新区块添加到区块链之前对其进行验证。但是，存在几种具有不同实施设计的区块链模型，每种模型都有优点和缺点。区块链在多个领域都具有巨大潜力，例如无人机系统 1、人工智能 2、雾计算 3、投票方案 4、供应链模型 5、医疗保健 6、假新闻识别 7、预防流行病 8、数字版权管理系统 9 等。然而，区块链与物联网集成的主要问题是可扩展性和吞吐量问题。比特币网络最初使用的区块链使用基于工作量证明的挖矿系统，吞吐量非常低，能耗非常高，无法用于其他应用。然而，区块链的其他几种升级允许高吞吐量，但大多适用于小型网络。很难将它们扩展到大型网络，因此难以实现由大量物联网设备组成的网络。区块链的另一个问题是存储容量，这一点备受质疑。区块链在不断增长，每 10 分钟，区块链的存储量就会增加 1 MB（比特币中每个区块）。该链的副本存储在网络的不同节点中。随着链的增长，这些网络需要越来越多的资源。区块链主要有以下四个重要组成部分：
IBM Powerha SystemMirror和IBM VM恢复管理器解决方案更新
第1章引入高可用性和灾难恢复。。。。。。。。。。。。。。。。。。。1 1.1高可用性和灾难恢复简介。。。。。。。。。。。。。。。。。。。。。。。。。。。2 1.1.1容错。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。4 1.1.2停机时间。。。。。。。。。。。。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>4 1.1.3单点故障。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>5 1.2关键恢复目标。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。。。。。。。。。。。。。。。。。。。。。。。。。7 1.3连续操作，连续可用性和业务连续性。。。。。。。。。。。。8 1.3.1连续操作。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。8 1.3.2连续可用性。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。8 1.3.3业务连续性。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。9 1.4高可用性。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。9 1.4.1虚拟机或LPAR重新启动。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。10 1.4.2聚类解决方案。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。10 1.4.3应用或DB复制。。。。。。。。。。。。。。。。。。。。。。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>10 1.4.4扩展解决方案。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>10 1.5灾难恢复。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。。。。10 1.5.1将HA扩展到DR时要考虑的因素。。。。。。。。。。。。。。。。。。。。。。。。。。。13 1.5.2 VM重新启动管理器与DR。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 15 1.5.3与DR聚类。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。13 1.5.2 VM重新启动管理器与DR。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。15 1.5.3与DR聚类。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。16 1.6云和混合云灾难恢复。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。16 1.6.1 IBM云中的IBM功率。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 17 1.7评估和设计连续操作。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。16 1.6.1 IBM云中的IBM功率。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。17 1.7评估和设计连续操作。。。。。。。。。。。。。。。。。。。。。。。。。。。19 1.7.1管理和HADR环境中的问题。。。。。。。。。。。。。。。。。。。。。。。。。。。。。20 1.7.2比较选项。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。22