XiaoMi-AI文件搜索系统
World File Search System增强型
pNeurFill：基于增强型神经网络模型的带周长调整的虚拟填充合成
摘要 —虚拟填充被广泛用于显著改善 VLSI 制造中化学机械抛光 (CMP) 工艺的表面图案平面性。在虚拟填充流程中，虚拟合成是调整 CMP 后轮廓高度的关键步骤。然而，现有的虚拟合成优化方法通常无法平衡填充质量和效率。本文提出了一种基于模型的新型虚拟填充合成框架 NeurFill，该框架集成了多起点-顺序二次规划 (MSP-SQP) 优化求解器。在该框架内，首先将全芯片 CMP 模拟器迁移到神经网络，通过后向传播实现 8134 倍的梯度计算加速。在 CMP 神经网络模型的基础上，我们进一步实现了 NeurFill 的改进版本 (pNeurFill)，以缓解虚拟周长引起的 CMP 后高度变化。在每次虚拟密度优化迭代之后，都会基于给定的候选虚拟图案集进行额外的周长调整，以寻找最佳周长填充量。实验结果表明，提出的 NeurFill 优于现有的基于规则和模型的方法。与 NeurFill 相比，pNeurFill 中的额外周长调整策略可使高度变化平均减少 66.97 Å，质量提高 8.92%。这将为 DFM 提供指导，从而提高 IC 芯片的成品率。
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
T 型栅极增强型 AlGaN/GaN MIS-HEMT 中寄生电容的不稳定性
AlGaN/GaN高电子迁移率晶体管（HEMT）或金属绝缘体半导体HEMT（MIS-HEMT），凭借优越的极化诱导高迁移率二维电子气（2DEG），因其高开关速度、低寄生参数和低导通电阻而受到广泛关注，并在高频射频和功率开关应用方面都取得了公认的成功[1-4]。通常在厚钝化电介质（如SiNx）上设置栅极和/或源极场板，以减轻栅极漏极区域的高电场并获得更高的击穿电压[5-7]。它们也有助于抑制表面态引入的电流崩塌[5，8]。然而，场板结构将引入额外的寄生电容，导致更高的VDS×IDS功率损耗和更长的开关持续时间。此外，钝化层还会引入钝化电介质/(Al)GaN界面态，甚至电介质本身的体态，它们的捕获/去捕获过程会引起寄生电容的动态漂移，导致实际应用中开关转换紊乱，dV/dt控制失效[9-11]。
迈向人工智能增强型弹性网络物理系统设计：从萌芽到现在的历程
• 莫一林，清华大学教员 • Sean Weerakkody，约翰霍普金斯大学应用物理实验室 • 刘晓飞，领英 • Nicola Forti，意大利拉斯佩齐亚北约海洋研究与实验中心 (CMRE) • Walter Lucia，蒙特利尔康考迪亚大学教员 • Omur Ozel，乔治华盛顿大学教员 • Raffaele Romagnoli，卡内基梅隆大学博士后 • Paul Griffioen，卡内基梅隆大学博士生 • Carmel Fiscko，卡内基梅隆大学博士生 • Rohan Chabukshwar，爱尔兰 UTRC • Mehdi Hosseinzadeh，华盛顿大学圣路易斯分校博士后 • Bahram Yaghooti，华盛顿大学圣路易斯分校博士生 • Jonathan Gornet，华盛顿大学圣路易斯分校博士生
基于代理的 XR 系统 AI 增强型自动测试架构，一篇简短论文
摘要 — 这篇短文概述了用于自动化测试的基于代理的框架 iv4XR 的架构，该框架目前由同名的 H2020 项目开发。该框架的主要预期用例是测试基于扩展现实 (XR) 的系统系列（例如 3D 游戏、VR 系统、AR 系统），尽管该方法确实可以适用于其他类型的交互式系统。该框架的独特之处在于它是基于代理的系统。代理本质上是反应性的，因此可以说是处理交互式系统的自然选择。此外，它也是安装和组合不同 AI 功能（例如推理、导航和学习）的自然容器。索引术语 — 用于自动化测试的 AI、自动化测试 XR 系统、基于代理的测试、用于测试游戏的 AI
增强型空中交通管制系统——人工智能作为预测空中交通冲突的数字辅助系统
摘要：当今的空中交通管理 (ATM) 系统围绕空中交通管制员和飞行员发展。这种以人为本的设计在过去使空中交通非常安全。然而，随着航班数量的增加和使用欧洲空域的飞机种类的增加，它正在达到极限。它带来了严重的问题，例如拥堵、飞行安全性下降、成本增加、延误增加和排放量增加。将 ATM 转变为“下一代”需要复杂的人机集成系统，以提供更好的空域抽象并创建态势感知，正如文献中针对此问题所述。本文做出了以下贡献：(a) 概述了问题的复杂性。(b) 它引入了一种数字辅助系统，通过系统地分析飞机监视数据来检测空中交通中的冲突，从而为空中交通管制员提供更好的态势感知。为此，使用长短期记忆 (LSTM) 网络（一种流行的循环神经网络 (RNN) 版本）来确定其时间动态行为是否能够可靠地监控空中交通并对错误模式进行分类。 (c) 大规模、真实的空中交通模型（包含数千个包含空中交通冲突的航班）用于创建参数化的空域抽象，以训练 LSTM 网络的几种变体。所应用的网络基于 20-10-1 架构，同时使用泄漏 ReLU 和 S 形函数
电动汽车的 AI 增强型电池管理系统：提高安全性、性能和使用寿命
摘要。电动汽车 (EV) 对于降低碳排放和解决全球环境问题至关重要。电池为电动汽车提供动力，因此电池管理对于安全性和性能至关重要。作为一种自检系统，电池管理系统 (BMS) 可确保运行可靠性并消除灾难性故障。随着电池老化，内阻会增加，容量会降低，因此 BMS 会实时监控电池的健康和性能。电动汽车储能系统 (ESS) 需要复杂的 BMS 算法来保持效率。使用考虑充电时间、电流和容量的电池效率计算，这种方法应该可以可靠地预测电池的 SoC 和 SoH。随着电池老化，内阻会增加，从而缩短恒流 (CC) 充电时间。通过分析这些变化，可以更准确地预测 SoH。用于估计 SoC 和增强 BMS 性能的传统方法（例如深度神经网络）用于最大限度地降低错误率。然而，随着电池老化，AI 方法因其提供精确诊断、故障分析和热管理的能力而备受瞩目。这些 AI 驱动的技术显著提高了充电和放电周期的安全性和可靠性。为了进一步确保安全，BMS 中集成了故障诊断算法。该算法主动解决潜在问题，从而保持电池的效率和安全性。通过在 ESS 中的成功应用证明了所提出的 BMS 算法的有效性，验证了其管理电池状态、提高性能和确保电动汽车运行可持续性的能力。
增强型生成对抗网络，用于 3D 脑 MRI 超分辨率
用于磁共振成像 (MRI) 的单图像超分辨率 (SISR) 重建引起了人们的极大兴趣，因为它不仅可以加快成像速度，还可以改善可用图像数据的定量处理和分析。生成对抗网络 (GAN) 已被证明在图像恢复任务中表现良好。在这项工作中，我们遵循 GAN 框架并开发了一个与鉴别器相结合的生成器来解决 T1 脑 MRI 图像上的 3D SISR 任务。我们开发了一种新颖的 3D 内存高效的残差密集块生成器 (MRDG)，其在 SSIM（结构相似性）、PSNR（峰值信噪比）和 NRMSE（归一化均方根误差）指标方面实现了最先进的性能。我们还设计了一个金字塔池化鉴别器 (PPD) 来同时恢复不同尺寸尺度上的细节。最后，我们引入了模型混合，这是一种简单且计算效率高的方法，可以平衡图像和纹理
CMF 14 进度图 - 美国陆军
爱国者防空 防空 空中和爱国者防空 指挥 火力战斗 增强型导弹发射 高级中士 控制管理 预警防御站中士 少校 增强型系统操作员 机组人员 增强型（提名）操作员 操作员 操作员 维护员 维护员
在时间紧迫的环境中设计人工智能增强型操作员信息人体工程学
决策依赖于准确的信息以实现良好的态势感知 (SA)。良好的态势感知是指个体在考虑整个任务范围时拥有关于正在发生的事情的所有相关信息的状态。它涉及正在发生的事情以及所考虑因素的状态，即对环境中因素的感知、对其含义的理解以及对其在不久的将来的状态的感知。从信息工效学的角度来看，信息的质量比数量更重要，即只应呈现关键信息，因为过多的信息会给信息处理带来不必要的负担 [1]。与决策相关的信息应以易于使用的信息产品的形式呈现，以避免分心。信息处理滞后或额外的处理周期很容易导致分心。在信息驱动的运营管理环境中，关键问题是集中精力于最相关的信息并获得和保持良好的态势感知。添加时间压力作为一个因素，提出了一个全维信息处理优化问题。优化是根据