XiaoMi-AI文件搜索系统
World File Search System压缩率
![arXiv:2302.07037v2 [nucl-th] 2023 年 3 月 18 日](/simg/g:\will\search\icon\source\e\ef98ab86a2d9b2a779db064e9b5ee70259826385.webp)
arXiv:2302.07037v2 [nucl-th] 2023 年 3 月 18 日
在耦合微观聚结模型的输运模型中,研究了√sNN=2.4GeV时20-30%Au+Au碰撞中心性中质子和氘的有向和椭圆流及其标度特性.结果表明,用同位旋和动量相关的核平均场模拟的不可压缩率K0=230MeV的流动及其标度特性与HADES数据有很好的拟合度,而常用的动量无关的核平均场模拟的流动及其标度特性只能部分拟合HADES数据.此外,通过检查√sNN=2时0-10%Au+Au碰撞中心性中质子和氘的快度分布,发现用同位旋和动量相关的核平均场模拟的流动及其标度特性与HADES数据有很好的拟合度. 4 GeV，我们发现，用动量无关的核平均场模拟的氘核快度分布被低估了，而质子的快度分布被高估了。相反，用同位旋和动量相关的核平均场模拟的质子和氘核快度分布与 HADES 数据高度一致。我们的发现意味着，核平均场的动量依赖性是理解核物质性质和成功解释 HADES 数据的一个不可避免的特征。
cliz：使用自适应微调数据预测为气候数据集优化有损压缩
摘要 - 从尖端的超级计算机中获得支持极大的科学模拟，气候研究在过去几十年中取得了显着发展。，在有效地存储和传输大规模的气候数据之间，出现了新的关键挑战。在本文中，我们开发了CLIZ，这是一种有效的在线错误控制有损压缩方法，具有优化的数据预测和对气候数据集跨各种气候模型的编码方法。一方面，我们探索了如何利用气候数据集的特定属性（例如蒙版信息，维度置换/融合和数据周期性模式）以提高数据预测准确性。另一方面，Cliz采用了一种新型的多霍夫曼编码方法，可以显着提高编码效率。因此显着提高了压缩比。我们根据具有不同模型的多个实地世界气候数据集评估了CLIZ与许多其他最先进的错误控制损耗压缩机（包括SZ3，ZFP，SPERR和QOZ）。实验表明，Cliz在气候数据集上的表现优于第二好的压缩机（SZ3，SPERR或QOZ1.1）的压缩比的压缩率高20％-200％。cliz可以将两个远程Globus终点之间的数据传输成本显着降低32％-38％。索引术语 - 错误控制的损耗压缩，气候数据集，分布式数据存储库/数据库
DNA-TEQ：用于 DNN 推理的自适应指数量化张量
摘要 — 量化通常用于深度神经网络 (DNN)，通过降低激活和权重（又称张量）的算术精度来减少存储和计算复杂度。高效的硬件架构采用线性量化，以便将最新的 DNN 部署到嵌入式系统和移动设备上。然而，线性均匀量化通常无法将数值精度降低到 8 位以下，而不会牺牲模型精度方面的高性能。性能损失是由于张量不遵循均匀分布。在本文中，我们表明大量张量符合指数分布。然后，我们提出 DNA-TEQ 以自适应方案对 DNN 张量进行指数量化，以在数值精度和精度损失之间实现最佳权衡。实验结果表明，DNA-TEQ 提供的量化位宽比以前的方案低得多，平均压缩率比线性 INT8 基线高出 40%，准确度损失可以忽略不计，并且无需重新训练 DNN。此外，DNA-TEQ 在指数域中执行点积运算方面处于领先地位。对于一组广泛使用的 DNN，与基于 3D 堆叠内存的基线 DNN 加速器相比，DNA-TEQ 平均可提供 1.5 倍的加速和 2.5 倍的节能。索引术语 —DNN、量化、指数、Transformer
液体模板气凝胶
现代材料科学见证了先进制造方法的时代，从纳米到宏观尺度设计功能。虽然人们已经开发出了多功能制造和增材制造方法，但为特定应用设计材料的能力仍然有限。本文介绍了一种新颖的策略，该策略能够以目标为导向制造具有按需特性的超轻气凝胶。该过程依靠通过界面络合进行的可控液体模板来生成可调的、刺激响应的 3D 结构（多相）丝状液体模板。该方法涉及纳米级化学和纳米粒子 (NPs) 在液-液界面的微米级组装，以生产具有多尺度孔隙率、超低密度（3.05-3.41 mg cm −3）和高压缩率（90%）以及弹性回复和即时形状恢复特性的分层宏观气凝胶。超轻气凝胶面临的挑战已经得到克服，包括机械完整性差以及无法形成具有按需功能的预定义 3D 结构，以用于多种应用。该方法的可控性使得可调谐电磁干扰屏蔽具有高比屏蔽效率（39 893 dB cm 2 g − 1）和有史以来最高的吸油能力之一（氯仿气凝胶初始重量的 487 倍）。这些特性源于液体模板的可工程性，将轻质材料的界限推向系统功能设计和应用。
接受的手稿 - addi
摘要 - 基于机器学习的嵌入式系统，这些系统在安全 - 关键应用中（例如航空航天和自主驾驶）中所需的系统需要强大，以防止软错误产生的扰动。软误差是现代数字处理器越来越多的关注点，因为较小的晶体管几何形状和较低的电压使电子设备对背景辐射具有更高的敏感性。深神经网络（DNN）模型对参数扰动的弹性在很大程度上是通过模型本身的结构以及所选的数值表示并使用算术精确的。应用诸如模型修剪和模型量化之类的压缩技术来减少内存足迹和部署的计算复杂性时，模型结构和数值表示都会修改，因此，软误差稳健性也会改变。从这个意义上说，尽管DNN模型中的激活功能（AFS）的选择经常被忽略，但它不仅可以预测它们的准确性和训练性，还可以应对可压缩率和数值鲁棒性。本文涉及使用有限的AFS来提高模型鲁棒性对DNN参数扰动的适用性，同时评估了此选择对模型准确性，可压缩性和计算负担的影响。尤其是我们分析了旨在在高光谱图像上执行语义分割任务的编码器完全卷积模型，以在自主驾驶中进行场景理解。部署表征是在AMD-Xilinx的KV260 SOM上进行实验的。索引项 - 稳定性，激活功能，模型组合，边缘计算，语义分割
通过小型气液储能技术应用缓解住宅库存中可再生能源生产的变化
摘要：尽管可再生能源整合是国际政策中公认的要求，但能源系统仍然面临一些尚未解决的问题，包括生产的间歇性。为了解决这个问题，一个可行的解决方案可以包括在非高峰期储存多余的电力，然后在高峰负荷时段消耗。从分散的集中发电模式向涉及能源社区的分布式模式的转变表明需要管理的另一个方面：家庭应用系统的空间限制。压缩空气储能代表了一种有前途的电对电技术，可用于小规模能源整合。本研究提出在住宅建筑中应用气液储能系统 (GLES)，利用光伏 (PV) 阵列产生的多余可再生能源。所提出的系统的性能通过模拟设备及其与建筑物负载曲线的耦合进行能量分析来评估，该系统的操作涉及通过矿物油操作的活塞压缩气态物质。使用原型实验活动的数据验证了存储的热力学模型。敏感性研究针对系统的特征（例如压缩率和容器尺寸），使我们能够比较吸收的光伏能量过剩、扩展阶段的建筑能源需求覆盖率以及每日周期的电气效率。获得的结果以及相关的经济分析用于量化所提出解决方案的市场潜力，该解决方案可作为住宅中传统电池的机械替代品。
在自主驾驶的背景下对加强学习的奖励功能的审查
摘要 - 肌形加密（HE）是用于构建隐私应用程序的常用工具。但是，在许多客户和高延迟网络的情况下，由于密码大小较大而引起的通信成本是bot-tleneck。在本文中，我们提出了一种新的压缩技术，该技术使用具有较小的密文的添加剂同构加密方案，以基于错误的学习（LWE）来压缩大型同构密文。我们的技术利用了此类密文的解密中的线性步骤，以将部分解密委托给服务器。我们达到的压缩比最高90％，这仅需要一个小的压缩密钥。通过同时压缩多个密文，我们的压缩率超过99％。我们的压缩技术可以很容易地应用于将LWE密文从服务器传输到客户端的应用程序，以作为对查询的响应。更重要的是，我们将技术应用于私人信息检索（PIR），其中客户端访问数据库而无需透露其查询。使用我们的压缩技术，我们提出了Zippir，这是一种PIR协议，它在文献中所有协议中达到了最低的总体通信成本。Zippir不需要在预处理阶段与客户进行任何通信，这是用于与短暂客户端或高延迟网络的PIR用例的绝佳解决方案。
开发世界上最高涡轮机入口温度的高级热屏障涂料1650°C类JAC燃气轮机，三菱重工业技术评论第58号（2021）
旨在将温室气体排放到零净的旨在将温室气体排放减少到零的能源过渡运动一直在日本和海外加速（1）。为了实现这一目标，必须传播可再生能源的使用。但是，可再生能源有一个不利的，因为它容易受到各种不同因素，包括天气，这会导致负载变化。为了补偿这种弱点，对燃气轮机组合循环（GTCC）发电的期望有上升，该发电量能够快速启动和高热效率。为了提高GTCC发电的热效率，MHI集团已成为“ 1,700°C级超高温度的燃气轮机组件技术开发”国家项目的一部分。自2011年以来，该项目中开发的高级TBC已用于1600°C级的J系列燃气轮机，该公司已经运行了超过100万小时，并成功证明了高度的可靠性。此外，在2020年1月，三菱的力量开始调试下一代高效燃气轮机“ JAC（J-Series air冷却）”（2），该燃烧器通过使用强制性压缩率提高的强制性空气冷却系统来实现世界上最高的1650°C的涡轮机入口温度，并提高了高压速率的厚度（并提高）。这款涡轮机是基于J系列的，该系列具有可靠的技术和长期的现场操作。本报告将描述对JAC完成至关重要的先进TBC技术。
合成DNA数据存储的熵编码器的旋转标记
摘要 - 过去几年，数据存储需求的不断增长的趋势激发了对替代数据存储系统的研究。由于其生化特征，合成DNA分子被认为是新存储范式的潜在候选者。由于这种趋势，在过去几年中提出了几种编码解决方案，以将数字信息存储到DNA中。尽管是一个有前途的解决方案，但DNA存储仍面临两个主要障碍：合成的巨大成本和测序过程中引入的噪声。此外，当未尊重生化定义的编码约束时，这种噪声会增加：避免均聚物和模式以及平衡GC含量。本文描述了一种新颖的熵编码器，该编码器可以嵌入到任何基于块的图像编码模式中，并旨在鲁棒化解码结果。我们提出的解决方案在生成的第四纪流中引入了可变性，减少了均聚物和重复模式的量，以降低发生错误的可能性。在限制代码以更好地满足约束的同时会降低压缩效率，但在这项工作中，我们提出了一种替代方法，以进一步稳健地稳健地稳健不存在的代码而不会影响压缩率。为此，我们将提出的熵编码器集成到了四个现有的JPEG启发的DNA编码器中。然后，我们通过提供特定的评估指标来评估所有不同方法的编码数据的质量。
使用增强的机器学习模型
文章历史记录：本研究探讨了用氧化铝纳米颗粒加强AL-6061铝合金的摩擦搅拌加工（FSP），分析了处理参数的影响，包括横向速度，旋转速度和通过的速度 - 通行数 - 最终的张力强度，产量强度，产量强度，固有强度，固有强度，固有强度，固有速度和压缩率。使用CNC铣床，以900、1100、1300和1500 rpm的旋转速度进行FSP，遍历速度为10、15和20 mm/min。使用了先进的机器学习模型，即SRS优化的长期短期记忆（LSTME），用于预测处理后材料的性能，达到0.911的高R²值的最终强度为0.951，屈服强度为0.951，固有频率为0.953，固有频率为0.985，为0.985进行阻尼比。关键发现表明，FSP改善了阻尼特性和机械性能，在所有通过中，在900 rpm处观察到最大阻尼有效性。氧化铝纳米颗粒增强了阻尼功能，而增加的旋转速度则促进了晶粒的细化，从而产生了更强，更具变形的抗耐性材料。LSTME模型的表现优于其他机器学习方法，在训练中达到0.965至0.993的R²值，测试中达到0.911至0.987。这些结果证明了将FSP与机器学习相结合以优化高性能应用的材料属性的功效。