XiaoMi-AI文件搜索系统
World File Search System原型系统
TESLAC：利用 AI 加速器加速基于格的加密技术
摘要本文利用人工智能加速器实现密码算法。据我们所知，这是首次尝试使用人工智能加速器实现量子安全的基于格的密码术 (LBC)。然而，人工智能加速器是为机器学习工作负载（例如卷积运算）而设计的，无法将其强大的功能直接用于密码计算。注意到环上的多项式乘法是 LBC 中的一种耗时计算，我们利用一种简单的方法使人工智能加速器非常适合环上的多项式乘法。还进行了其他非平凡优化以最小化转换开销，例如使用低延迟共享内存、合并内存访问。此外，基于 NVIDIA 人工智能加速器 Tensor Core，我们实现了一个名为 TESLAC 的原型系统，并进行了一组全面的实验来评估其性能。实验结果表明，TESLAC 可以达到每秒数千万次运算，相比 AVX2 加速的参考实现实现了两个数量级的性能提升。特别地，通过一些技巧，TESLAC 还可以扩展到其他模 q 更大的 LBC。
多智能体自适应数学学习
我们利用 OpenAI 的 GPT-4o 模型，使用多个大型语言模型代理提出了一个原型自适应学习框架。每个代理都专门针对自适应学习的一个特定方面。代理使用自动生成的多代理框架相互通信。群组通信以不受约束、半约束和完全约束的方式实现。不受约束的代理通信允许自动生成的 GroupChatManager 仅根据代理所擅长的描述来选择下一个要“发言”的代理。半约束代理选择使用了允许和不允许的转换。受约束的代理通信使用状态机来选择下一个代理。使用受约束的通信允许任务排序的可预测性，但在处理任意学生输入方面不太灵活。不受约束的通信偶尔会出现代理角色混淆。我们使用受约束通信的原型系统向学习者传授新材料并测试他们的掌握程度。实现实验的代码是开源的，可在 github 1 上找到。
![ARXIV：2001.07489V2 [QUANT-PH] 1 SEP 2020](/simg/g:\will\search\icon\source\f\f6827acf552c2a472c785efea77aeeeb80c51892.webp)
ARXIV：2001.07489V2 [QUANT-PH] 1 SEP 2020
摘要 - 对托管服务的云计算的采用及其成功主要归因于其有吸引力的功能，例如弹性，可用性和付费定价模型。但是，云数据中心消耗的大量能量使其成为增长最快的碳排放来源之一。提高能源效率的方法包括增强资源利用以减少资源浪费并将可再生能源应用于能源供应。这项工作旨在通过减少棕色能量的使用并最大程度地使用可再生能源来减少数据中心的碳足迹。利用微服务和可再生能源，我们为交互式工作负载和批处理工作负载的资源管理提出了一种自适应方法。为了确保工作负载的服务质量，提出了一种基于BrownOut的算法，用于交互式工作负载以及用于批处理工作负载的延期算法。我们已经在原型系统中实现了所提出的方法，并在实际痕迹下使用Web服务对其进行了评估。结果表明我们的方法可以将棕色能源的使用量减少21％，并将可再生能源使用提高10％。
教授
ASTRA研究小组的创始人和呼吸（机器人和天体动力学的高级空间技术），由1个固定期限研究员，2个PostDocs，13 Ph.D.该小组从事理论研究活动，并通过国内和国际上的内部和融资研究应用。创始人兼Astra实验室负责人，其中包括一些用于空间实验的基础设施：舞蹈结构由2辆自由度（开发）的2辆车组成（一个正在开发的家具），该家具在轨道机器人机器人领域进行的低摩擦计划，在轨道机器人领域进行实验，接近培训，培训培训。;基于使用卫星diorama，Moffup以及机器人处理臂的图像和算法的使用，用于开发和验证相对导航和控制指南的算法结构；农历 - 伊斯鲁 - 土壤水提取的原型系统； Flamingos结构配备了2个机器人臂 - 从ASI出售到6个自由度，以进行接触动态和Orbit Services测试（开发）的研究。
公路桥梁研究中心最终报告
15.补充说明 David Albright，NMDOT 研究局局长；Rais Rizvi，NMDOT 研究工程师；16.摘要 本研究的目的是证明公路桥梁无损检测和监测技术的有效性和可行性。工作包括光纤传感器开发，其中包括光子学仪器、光纤拼接和修复设备以及合格的光纤技术人员，以便准备和安装光纤传感器网络、评估包括 WIM 在内的商业系统以及根据需要构建原型系统。它还为在现有桥梁和新桥上安装光纤传感器制定了一系列指导方针。这项工作评估了市售软件，用于将桥梁站点的单个数字图像组合成单个全景图像并随后查看它。评估市售的基于 PC 的软件和数字技术，以获取结构的高分辨率图像并将其处理成三维计算机模型，以提供诸如垂直和水平间隙或静载和活载挠度等信息。评估压电换能器产生的高频（>50 kHz）瑞利波超声波的性能，以表征近表面微裂纹。
M4：下一代基于 AI 的 NRCS 供水...
• 清晰地记录现有的 NRCS WSF 系统 大约 25 年前首次实施；操作预测系统复杂而有机，随着时间的推移而发展 • 评估当前系统的能力和局限性 包括已知问题的文档和高级统计诊断的完成情况 • 全面审查数据驱动的 WSF 建模进度 评估与 NRCS 操作的潜在相关性，包括使用气候强迫数据的更长前置时间、更先进的统计和机器学习方法、集成建模、统计过程模拟建模混合和其他研究方向等主题 • 评估全球人为气候变化对 WSF 的影响 主要围绕需要改进季节性预测能力，因为水文气候系统越来越难以预测，积雪较少，变化可能更大，而水需求增加 • 制定初步蓝图和几个初步范围界定模型 在上述初步步骤和 NRCS 系统要求的基础上，试验一些可能成为新方法基础的概念，并评估它们是否适合纳入完整的原型系统
信息高速公路：现状和问题
对于那些认为信息高速公路（“I-way”）是将全国乃至全世界的计算机连接在一起，形成大型网络，允许即时访问大量信息和人员的人来说，一个原型系统已经存在，即互联网。对于那些拥有更广阔视野的人来说，互联网充其量只是一条双车道公路，而高速公路仍处于建设的早期阶段。戈尔副总统的愿景，称为国家信息基础设施（NII），将提供“一个由通信网络、计算机、数据库和消费电子产品组成的无缝网络，让用户可以轻松获取大量信息。”副总统经常提到让美国每所学校都能访问国会图书馆的藏书，这已经成为超级高速公路最终能力的象征，但这种访问需要数十亿美元的投资，用于技术、硬件、软件、培训，以及“数字化”目前以其他形式存在的大量文本、音频和视频材料。显然，这一愿景还远未实现，尽管私营部门已经进行了大量投资。副总统还希望将 NII 扩展到全球，称其为全球信息基础设施 (GII)。
通过集成最先进的 ISRU 技术实现以人为本的可持续月球定居点的运营概念
虽然这项技术尚未在太空中应用，但已在地球上进行过多次模拟现场测试。2008 年，首次月球 ISRU 表面操作模拟现场测试在夏威夷由 NASA、加拿大航天局 (CSA) 和德国空气和空间研究中心 (DLR) 开发的场地进行 [5]。这次测试的目的是展示原型硬件和端到端运行的集成系统的操作，该系统具有以下功能：挖掘材料、生产氧气和储存产品 [5]。其中一个原型系统是洛克希德·马丁宇航公司的 Precursor ISRU 月球氧气试验台 (PILOT)，它使用翻滚反应器混合和加热风化层 [5]。另一个测试的原型是 NASA 的 ROxygen，它使用垂直反应器而不是像 PILOT 那样的旋转反应器。垂直反应器与流化床和内部螺旋钻一起使用 [5]。在试验中，PILOT 完成了六次反应堆操作，而 ROxygen 完成了五次。由于模拟现场试验之前系统验证有限，两个系统都未能成功电解提取的水。然而，当用去离子水进行测试时，其他系统功能是有效的 [5]。
2021 MDO 议程草案-RevA
网络安全测试与评估简介 Pete Christensen，美国系统 本教程将让学员熟悉网络安全与测试与评估，因为它适用于美国联邦政府计划和美国国防部。请注意，所提出的想法和概念原则上也适用于任何采购计划。将讨论的主题包括网络空间作为作战领域、网络安全威胁、恶意软件、国土安全部和国防部系统采购以及相关的网络 T&E 政策和流程，包括“云”计划、需求分析、评估框架、网络桌面演习、合作漏洞评估、对抗评估、网络靶场和经验教训。 预测和验证原型性能 Mark Kiemele，博士，空军学院协会 实验设计 (DOE) 是一种不仅可以而且应该用于系统设计和开发的方法，还可以用于原型系统（如 JADC2 系统）的建模和验证。建立有用的预测模型然后验证它们可以减轻采购决策的负担。本教程将研究两个为满足一组共同要求而构建的原型。 DOE 将用于对每个原型的性能进行建模。然后，将使用验证测试来确认模型并评估每个原型的性能能力，即原型满足要求的程度。这有助于比较 t 的能力
RoboFlow：一个以数据为中心的工作流管理系统……
摘要：我们提出了 RoboFlow，这是一个基于云的工作流管理系统，用于协调开发 AI 增强型机器人的流程。与大多数以流程为中心的传统机器人开发流程不同，RoboFlow 以数据为中心。这一显著特性使其特别适合开发以数据为核心的 AI 增强型机器人。更具体地说，RoboFlow 将整个机器人开发过程建模为 4 个构建模块（1. 数据处理、2. 算法开发、3. 回溯测试和 4. 应用程序适配），并与集中式数据引擎交互。所有这些构建模块都在统一的接口框架下进行容器化和编排。这样的架构设计大大提高了所有构建模块的可维护性和可重用性，并使我们能够以完全并行的方式开发它们。为了证明所开发系统的有效性，我们利用它来开发两个原型系统，分别名为“Egomobility”和“Egoplan”。 Egomobility 为各种移动机器人提供通用导航功能，而 Egoplan 则解决机器人手臂在高维连续状态和动作空间中的路径规划问题。我们的结果表明，RoboFlow 可以显著简化整个开发生命周期，并且相同的工作流程适用于众多智能机器人应用程序 2 。