XiaoMi-AI文件搜索系统
World File Search System图形处理
肺结节的机器学习评估
AI 被定义为计算机科学的一门学科，其重点是创造能够感知世界并表现得像人类的机器 (13)。最初的 AI 算法用于简单的数据分析，由程序员硬编码，无法识别未专门编程的模式 (14)。ML 是 AI 的一个子领域，其中算法可以识别和学习复杂数据集中的模式以产生智力预测，而不是通过显式编程 (14,15)。然而，大多数传统的 ML 算法仍然需要人工输入，并且此类算法能够评估的模式仍然相当简单。DL 可以被概念化为 ML 的一类，其中算法基于人工神经网络组织成许多处理层，类似于人脑。医学成像最常用的 DL 模型是卷积神经网络 (CNN) (16)（图 1），最初由 Fukushima 于 1980 年描述 (17)。LeCun 等人于 1989 年首次描述了使用反向传播训练 CNN 进行图像识别 (18)。2012 年，Krizhevsky 等人首次使用图形处理单元 (GPU) 训练 CNN 对物体进行分类，并因此赢得了 ImageNet 大规模视觉识别挑战赛 (19)。CNN 不需要人工干预即可进行复杂的数据分析 (20)。CNN 模仿人类大脑，神经元组织成多层 (21)
火星全球电流系统和相关的太阳风能量转移：标称条件下的混合模拟
摘要 磁化的太阳风在火星周围驱动着一个电流系统，维持着火星的感应磁层。太阳风还将能量传递给大气离子，造成持续的大气侵蚀，对火星的演化历史产生了深远的影响。在这里，我们使用基于图形处理单元 (GPU) 的混合等离子体模型 Amitis 首次重现了垂直于太阳风流动方向的行星际磁场下净电流和离子流的全局模式。得到的电流分布与观测结果相符，并揭示了更多细节。利用之前用相同模型表征的电场分布，我们首次计算了火星上整个等离子体和不同离子种类的能量传递率的空间分布。我们发现：（1）太阳风动能是驱动火星感应磁层的主要能量来源；（2）激波太阳风的能量通量从磁赤道平面流向感应磁尾中的等离子体片；（3）弓形激波和感应磁层边界都是发电机，等离子体能量从这里转移到电磁场；（4）行星离子充当负载并从电磁场中获取能量。最强烈的负载区域是行星离子羽流。本研究揭示的能量转移率的一般模式在感应磁层中很常见。它随上游条件的变化可以为观测到的离子逃逸变化提供物理见解。
使用神经网络对 3D 脑部扫描进行多模态分割
脑部扫描的解剖分割与诊断和神经放射学研究高度相关。由于软组织对比度强，传统上分割是在 T 1 加权 MRI 扫描上进行的。在这项工作中，我们报告了一项基于学习的自动化脑部分割的比较研究，该研究针对 MRI 和计算机断层扫描 (CT) 扫描的各种其他对比度进行，并研究了这些成像模式中包含的解剖软组织信息。总共包含 853 个 MRI/CT 脑部扫描的大型数据库使我们能够训练卷积神经网络 (CNN) 进行分割。我们在四种不同的成像模式和 27 个解剖子结构上对 CNN 性能进行了基准测试。对于每种模式，我们基于一个通用架构训练一个单独的 CNN。我们发现平均 Dice 得分分别为 86.7 ± 4.1 %（T 1 加权 MRI）、81.9 ± 6.7 %（液体衰减反转恢复 MRI）、80.8 ± 6.6 %（扩散加权 MRI）和 80.7 ± 8.2%（CT）。性能是相对于使用广泛采用的 FreeSurfer 软件包获得的标签进行评估的。分割管道使用 dropout 采样来识别损坏的输入扫描或低质量分割。在图形处理单元上，对超过 200 万人素的 3D 体积进行完整分割需要不到 1 秒的处理时间。
具有生成深度学习
遵循序列和结构旋转，预测实施生物学功能的蛋白质的动力学机制仍然是一个杰出的科学挑战。几种实验技术和分子动力学（MD）模拟原则上可以确定构象状态，结合构型及其概率，但吞吐量较低。在这里，我们开发了一种生物分子模拟器（BioEmu），这是一种生成深度学习系统，可以在单个图形处理单元上每小时从蛋白质结构集合中生成数千个独立的独立样品。通过利用新颖的培训方法和蛋白质结构的大量数据，超过200毫秒的MD模拟以及实验蛋白质稳定性，BioeMu的蛋白质集合代表了一系列具有挑战性且实际相关的指标的平衡。在定性上，生物EMU采样了许多与功能相关的构象变化，范围从隐性口袋的形成，到特定蛋白质区域的展开，到大型域的后方范围。定量地，生物EMU对蛋白质构象与1 kcal/mol左右的相对自由能误差进行了构象构象，以验证了毫秒timesscale MD模拟和实验测量的蛋白稳定性。通过同时模拟结构集合和热力学特性，生物EMU揭示了机械洞察力，例如突变体折叠不稳定的原因，并可以有效地提供实验性检验的假设。
ILNAS 白皮书 « 人工智能 - Portail-Qualité.lu
AGI 通用人工智能 AI 人工智能 AI HLEG 人工智能高级专家组 API 应用程序编程接口 CEN 欧洲标准化委员会 CENELEC 欧洲电工标准化委员会 CL 通用逻辑 CPU 中央处理单元 ETSI 欧洲电信标准协会 EU 欧洲联盟 GDP 国内生产总值 GOFAI 传统的人工智能 GPS 通用问题求解器（第 1 章） GPS 全球定位系统（第 2 章） GPU 图形处理单元 HCI 人机界面 HMM 隐马尔可夫模型 ICT 信息和通信技术 IEC 国际电工委员会 IEEE 电气电子工程师协会 IoT 物联网 ISG 行业规范组 ISO 国际标准化组织 IT 信息技术 ITU-T 国际电信联盟 - 电信标准化部门 JTC 1 联合技术委员会 1（ISO 和 IEC） kNN K-最近邻居 ML 机器学习 NLP 自然语言处理 OECD 经济合作与发展组织 OWL Web 本体语言 PaaS 平台即服务 RAM 随机存取存储器 RPA 机器人过程自动化 SC 小组委员会 SG 研究组 SQuaRE 系统和软件质量要求和评估 SVM 支持向量机 TLO 顶级本体 TPU 张量处理单元 TR 技术报告 TS 技术规范 W3C 万维网联盟 WG 工作组 WIPO 世界知识产权组织
识别 GPU 微架构漏洞的有效方法
摘要 — 图形处理单元 (GPU) 越来越多地被应用于可靠性至关重要的多个领域，例如自动驾驶汽车和自主系统。不幸的是，GPU 设备已被证明具有很高的错误率，而实时安全关键应用程序所施加的限制使得传统的（且昂贵的）基于复制的强化解决方案不足。这项工作提出了一种有效的方法来识别 GPU 模块中的架构易受攻击的位置，即如果损坏则最影响正确指令执行的位置。我们首先通过基于寄存器传输级 (RTL) 故障注入实验的创新方法来识别 GPU 模型的架构漏洞。然后，我们通过对已确定为关键的触发器应用选择性强化来减轻故障影响。我们评估了三种强化策略：三重模块冗余 (TMR)、针对 SET 的三重模块冗余 (∆ TMR) 和双联锁存储单元（骰子触发器）。在考虑功能单元、流水线寄存器和 Warp 调度器控制器的公开 GPU 模型 (FlexGripPlus) 上收集的结果表明，我们的方法可以容忍流水线寄存器中 85% 到 99% 的故障、功能单元中 50% 到 100% 的故障以及 Warp 调度器中高达 10% 的故障，同时降低硬件开销（与传统 TMR 相比，在 58% 到 94% 的范围内）。最后，我们调整了该方法以针对永久性故障执行补充评估，并确定了容易在 GPU 上传播故障影响的关键位置。我们发现，对瞬态故障至关重要的触发器中相当一部分（65% 到 98%）对永久性故障也至关重要。
电气工程
（2）控制和机器人技术（CR）（5）纳米技术，高级材料和设备（NMD）EE 132-铅课程*自动控制（4）EE 133-铅课程*固态电子设备（4）EE 128嵌入的感应和启动。sys。（4）EE 117电磁学II（4）EE 142传感器数据的模式识别和分析（4）EE 136 EE 136半导体器件处理（4）EE 144机器人介绍（4）EE 137 EE 137半导体式（半导体）材料（4）EE/ME 145 ROBOTIOT PLANIPENT（4） EE 146计算机视觉（4）EE 139磁性材料（4）EE 151数字控制概论（4）EE 162纳米电子学入门（4）EE 152图像处理（4）ENGR 160工程优化技术入门（4）（6）（6）电力系统和智能网络（PSSM）EE 155-领导系统11和7 -END -END -ENGED -7 -EEN END* EED*电动系统分析（4）（4）（4）（4）（4）（4）（4）（4）（4）（4）（4）（4）（4）电磁学II（4）EE 128-铅课程*嵌入的传感和驱动。sys。（4）EE 123电源电子设备（4）EE 135模拟集成电路布局和设计（4）EE 128嵌入的感应和驱动。sys。（4）EE 147图形处理单元计算和编程（4）EE 153电动驱动器（4）EE 165设计集成电路和系统的可靠性。（4）ENGR 160工程优化技术（4）EE/CS 168 VLSI设计简介（5）CS 161计算机系统的设计和建筑（4）ENGR 160工程优化技术（4）
具有程序连接功能的更大规模 GPU 加速大脑模拟
摘要。大规模脉冲神经网络模型模拟是提高我们对大脑动态和最终功能理解的重要工具。然而，即使是像老鼠这样的小型哺乳动物也具有大约 1 × 10 12 个突触连接，在模拟中，每个突触连接通常至少有一个浮点值。这相当于几 TB 的数据——对于一台台式机来说，这是不切实际的内存要求。因此，大型模型通常在分布式超级计算机上进行模拟，这很昂贵，并且将大规模建模限制在少数特权研究小组中。在这项工作中，我们描述了 GeNN 的扩展——我们的图形处理单元 (GPU) 加速脉冲神经网络模拟器——使其能够在触发脉冲时“即时”生成连接和突触权重，而不是存储和检索它们。我们发现 GPU 非常适合这种方法，因为它们具有原始计算能力，但由于内存带宽限制，在模拟脉冲神经网络时，这种能力通常未得到充分利用。我们用最新的 Macaque 视觉皮层模型证明了我们方法的价值，该模型由 4.13×106 个神经元和 24.2×109 个突触组成。使用我们的新方法，它可以在单个 GPU 上进行模拟 - 这是使更多研究人员能够进行大规模大脑建模的重要一步。我们的结果与在超级计算机上获得的结果相符，并且模拟在单个高端 GPU 上的运行速度比以前在 1000 多个超级计算机节点上的运行速度快 35%。
sachdev- ...
最近提出的在Lyapunov指数上的通用结合的饱和已被猜想，以表明存在重力双重。这种饱和发生在密集的sachdev-ye-kitaev（Syk）模型的低温极限中，n majorana fermions具有q身体（q> 2）无限范围相互作用。我们计算了高度稀疏的Syk模型的N≤64费米子的某些耗时相关因子（OTOC），并且在汉密尔顿分解为块中的稀疏度到接近渗透极限的稀疏度中没有明显的依赖性。这为Lyapunov指数在稀疏SYK的低温极限中的饱和提供了强有力的支持。达到N¼64的关键要素是新型量子自旋模型仿真库的开发，该库在图形处理单元上实现了高度优化的无基质Krylov子空间方法。这会导致使用适度的计算资源的模拟时间明显降低，并大大减少了以前的方法的内存使用情况。强烈的稀疏驱动统计波动既需要使用大量的疾病实现，又需要使用大量的疾病实现，也需要仔细的有限尺寸缩放分析。稀疏SYK中结合的饱和指向存在一个重力类似物，该重力类似物将大大扩大具有此特征的场理论的数量。
人工智能增强型综合交通管理系统 (AI-ITMS) 2023 年最终报告
首字母缩略词 定义 AI 人工智能 AI-ITMS 人工智能增强型综合交通管理系统 AI-TOMS 基于人工智能的交通运营和管理系统 API 应用程序编程接口 ATCMTD 先进交通和拥堵管理技术部署 ATSPM 自动交通信号性能测量 BCA 成本效益分析 BSM 基本安全信息 CAD 计算机辅助调度 CAN 控制器局域网 CAV 网联和自动驾驶汽车 CCTV 闭路电视 COM 组件对象模型 ConOps 作战概念 COVID-19 2019 年冠状病毒病 DE # 特拉华州路线 # DelDOT 特拉华州交通部 DMP 数据管理计划 DMS 动态信息标志 DMZ 非军事区 DSS 决策支持系统 DTC 特拉华州交通公司 FAST Act 《修复美国地面运输法案》 FCC 联邦通信委员会 FFS 自由流速度 FHWA 联邦公路管理局 GHz 千兆赫 GPU 图形处理单元 GTFS 通用交通馈送规范 GTS 时间序列图 GUI 图形用户界面HR 高分辨率 I- 州际 ITMS 综合交通管理系统 ITS 智能交通系统 Jacobs Jacobs 工程集团公司 JSON JavaScript 对象表示法 LSTM 长短期记忆 ML 机器学习 MUTCD 统一交通控制设备手册 MV 机器视觉 NCHRP 国家合作公路研究计划 NTCIP 国家交通通信 ITS 协议 OBU 车载单元