XiaoMi-AI文件搜索系统
World File Search System多用户
轨道计算：一个古怪的思想实验？
太空行业的新贵正在将数千颗卫星部署到全球互联网服务上。这些计划有望在覆盖范围和延迟方面进行大量改进，并可能从根本上改变互联网。但是，如果此转换扩展到网络过渡到新型的计算服务，该怎么办？，如果每个卫星（除了用作网络路由器）外，还提供类似云的计算，使新的星座不仅使全球互联网服务提供商，但与此同时，还提供了一种新的云提供商，提供“计算您需要的地方”的新品种。我们在定性和定量上检查了这种轨道计算的机会和挑战。几个应用程序可以从中受益，包括内容分布和边缘库；多用户游戏，共同侵入和协作音乐；和处理空间数据。将计算硬件添加到卫星上似乎并不是在重量，体积和空间硬化方面都不是令人难以置信的，但是所需的功率抽取可能是很大的。另一个挑战源于低地球轨道的动态：一个特定的卫星只能在一次地面站看到几分钟，因此需要在管理状态应用程序时进行护理。我们对这些权衡的探索表明，这个“古怪”的主张不应随便予以驳回，并且可能值得研究社区的更深入地参与。
Thermo Scientific K-Alpha X射线光电子能谱仪
先进的性能、更低的拥有成本、更高的易用性和紧凑的尺寸是现代实验室和生产设施的关键要求。新的生产技术使赛默飞世尔科技的工程师能够将所有这些优势融入 K-Alpha 的设计中。K-Alpha 专为多用户环境而设计。它是第一款提供全自动分析模式的 XPS 工具，从样品输入到报告生成。内置自动化意味着新用户只需经过最少的培训即可生成高质量的样品分析报告。微聚焦单色仪可最大限度地提高仪器的灵敏度和化学状态测定的精度。新能量分析仪和镜头的设计进一步提高了灵敏度。我们已采用先进的电荷补偿技术来处理绝缘样品。K-Alpha 是所有类型固体样品分析的理想仪器，包括无机、有机、生物、冶金、半导体和磁性。集成离子枪可产生质量卓越的成分深度剖面。样品传输和导航完全自动化。独特的 Reflex Optics 用于实时观察样品，与同轴和漫射样品照明相结合，可实现小面积 XPS 的精确设置。Thermo Scientific Avantage 是我们世界一流的 XPS 数据系统，可控制 K-Alpha 的所有功能。
社交焦虑症的双人神经科学方法
社交焦虑症已被广泛认为是最常见的精神障碍之一。患有社交焦虑症的人在社交互动过程中会遇到困难，而社交互动对于日常生活的正常运作至关重要；这不断激发人们对病因、维持和治疗方法的研究。传统上，社会和临床神经科学研究采用一次测试一名参与者的方案。然而，最近有人提出，这种方案无法直接评估社交互动表现，这可以通过同时测试多个人来揭示。双人神经科学的原理强调了社交互动的人际方面，即从互动的两个（或所有）组成部分观察行为和大脑活动，而不是在个人层面或对社交情况的个人观察上进行分析。因此，双人神经科学可能是评估和干预社交焦虑症的一个有希望的方向。在本文中，我们提出了一种将双人神经科学整合到神经反馈方案中的新范式。神经反馈和脑间同步是双人神经科学的一个分支，本文从其自身角度讨论了它们与社交焦虑症的关系以及与范式的相关性。新提出的范式旨在利用互动个体之间的脑间同步来评估社交互动表现，并采用多用户神经反馈协议来干预社交焦虑。
共享代码簿或生成模型？
摘要 - 基于有限的反馈双工（FDD）系统中有限的反馈方案，基于代码簿的解决方案（DFT）解决方案已建立了良好的解决方案。近年来，由于反馈方案对基站（BS）电池的传播环境的适应性，已证明数据辅助解决方案可以实现更高的性能。特别是，最近引入了利用高斯混合模型（GMM）的多功能有限反馈方案。该方案支持多用户通信，表现出较低的复杂性，支持并行化，并提供了有关各种系统参数的显着灵活性。从概念上讲，GMM捕获了环境知识，随后被转移到移动终端（MTS）以在线推断反馈信息。之后，BS使用方向信息或基于生成建模的方法设计了预编码。最近作品的一个主要缺点是，仅通过合成模拟数据来评估评估的系统性能，这些数据通常无法完全表征现实世界环境的特征。它提出了一个问题，即基于GMM的反馈方案在现实世界测量数据上的执行方式，尤其是与公认的基于DFT的解决方案相比。我们的实验表明，基于GMM的反馈方案极大地改善了根据总和率来衡量的系统性能，从而使飞行员或反馈位更少的系统部署系统。索引项 - 高斯混合模型，机器学习，有限的反馈，预编码，测量数据。
适用于移动增强现实的强大协作视觉惯性大满贯
摘要 - 在多用户移动AR应用程序中确保精确的实时本地化并确保鲁棒性是关键挑战。利用协作信息来增强轻量级设备的跟踪准确性，并强化整体系统的鲁棒性是至关重要的。在本文中，我们提出了一个可靠的集中式协作多代理VI-SLAM系统，用于移动AR交互和服务器端有效的一致映射。该系统在移动设备上部署了轻巧的VIO前端，以进行实时跟踪，并在远程服务器上运行的后端以更新多个子包。当检测到跨代理之间的跨代理之间的重叠区域时，系统执行子束融合以建立全球一致的图。此外，我们提出了一个基于在线注册和融合的多代理场景中的可覆盖率领域的地图注册和融合策略。为了提高前端对代理的跟踪准确性，我们介绍了一种策略，以将全局地图更新为本地地图，以中等频率的摄像机率姿势估计前端VIO和低频全局地图优化，使用紧密耦合的策略，以实现全局图中的多代数前端估计的一致性。通过在服务器上执行后端映射并在多个移动设备上部署VIO前端以进行AR排除，从而进一步确认了所提出的方法的有效性。此外，我们通过分析代理和服务器结束的网络流量，同步频率以及其他因素来讨论提出系统的可扩展性。
利用 d 级时间箱纠缠光子实现量子密钥分发
高维光子态 (qudits) 对于提高量子通信的信息容量、噪声鲁棒性和数据速率至关重要。时间箱纠缠量子位元是通过光纤网络实现高维量子通信的有希望的候选者，其处理速率接近传统电信的速率。然而，它们的使用受到相位不稳定性、时间不准确性以及时间箱处理所需的干涉方案的低可扩展性的阻碍。同样，增加每个光子状态的时间箱数量通常需要降低系统的重复率，进而影响有效量子位元速率。在这里，我们展示了一个光纤尾纤集成光子平台，该平台能够通过片上干涉系统在电信 C 波段生成和处理皮秒间隔的时间箱纠缠量子位元。我们通过实验演示了具有时间纠缠量子的 Bennett-Brassard-Mermin 1992 量子密钥分发协议，并通过展示维度缩放而不牺牲重复率，将其扩展到 60 公里长的光纤链路。我们的方法能够以标准电信通信的典型处理速度（10 GHz 的 GHz 速度）操纵时间纠缠量子，并且每个单频信道具有高量子信息容量，这代表着朝着在标准多用户光纤网络中高效实现高数据速率量子通信迈出了重要一步。
spit-brochure.pdf
S.P.I.T.的中央图书馆在500平方米仪表区域，充当研究所的知识中心。它具有与工程和技术领域相关的信息资源质量。它可以识别，评估和采购，过程，然后使教师，学生和研究人员可用来支持研究所的教学，学习和研究活动。图书馆正在订阅IEEE ASPP（所有社会期刊包），IEEE POP和ACM数字图书馆。库具有具有多用户，基于IP的24x7访问的电子书，而下载次数无限。它是国家数字图书馆的成员。NPTEL在线讲座由各种IIT的知名人士提供给图书馆的用户。在线公共访问目录（OPAC）可在Intranet上获得搜索图书馆，副本数量和其他详细信息。图书馆在DSPACE开源软件中设有机构存储库，其中包括学生和员工出版物，问题论文教学大纲，项目报告，活动，研究所杂志等，图书馆为经济上落后的学生提供书籍银行设施，并为所有分支机构工程和MCA的三个顶级学生提供。图书馆还提供20％的书籍银行设施，其中支付了本书的20％的费用，可以发行到学期考试结束时。Internet连接可通过库中的网络获得。库也启用了Wi-Fi。S.P.I.T. 图书馆向其他学术用户开放供参考。S.P.I.T.图书馆向其他学术用户开放供参考。
MMWave中多光束组合的自我发注意力增强学习3D-MIMO Systems
抽象的机器学习一直在赋予系统设计各个方面的无线通信能力，其中基于加固的方法（RL）方法可以直接与环境互动，并有效地从收集的经验中学习，从而引起了很多研究的关注。在本文中，我们提出了一种新颖且有效的基于RL的多光束组合方案，用于未来毫米波（MMWAVE）三维（3D）多输入多输入 - 多数输出（MIMO）通信系统。所提出的方案不需要完美的渠道状态信息（CSI）或通常在实践中很难获得的精确用户位置，并且很好地解决了由多用户，多路径和多孔通信系统的极为巨大状态和动作空间产生的计算复杂性的关键挑战。尤其是，提出了一个自我发项的深层确定性策略梯度（DDPG）的束选择和组合框架，以自适应地学习没有CSI的3D光束成型模式。我们旨在通过优化每个用户的服务束集和相应的组合权重来最大化MMWAVE 3D-MIMO系统的总和。为此，利用基于变压器的自我发项DDPG来获得输入元素的全局信息，并精确地捕获信号方向，从而实现了最佳的光束形式设计。仿真结果验证了所提出的自我发项DDPG的优越性，而不是在各种情况下的总和率方面的基于AI的光束成型方案。
优化移动边缘智能系统中的 AI 服务布局和资源分配
摘要 — 利用移动边缘计算 (MEC) 的最新进展，边缘智能已成为支持网络边缘移动人工智能 (AI) 应用的有前途的范例。在本文中，我们考虑了多用户 MEC 系统中的 AI 服务放置问题，其中接入点 (AP) 将最新的 AI 程序放置在用户设备上以在用户端启用本地计算/任务执行。为了充分利用严格的无线频谱和边缘计算资源，仅当在用户处启用本地计算可获得更好的系统性能时，AP 才会将 AI 服务程序发送给用户。我们制定了一个混合整数非线性规划 (MINLP) 问题，通过联合优化服务放置（即哪些用户接收程序）和资源分配（在本地 CPU 频率、上行链路带宽和边缘 CPU 频率上），以最小化所有用户的总计算时间和能耗。为了解决 MINLP 问题，我们推导出解析表达式来以低复杂度计算最佳资源分配决策。这样，我们可以通过基于搜索的算法（例如元启发式或贪婪搜索算法）有效地获得最佳服务放置解决方案。为了提高算法在大型网络中的可扩展性，我们进一步提出了一种基于 ADMM（交替方向乘数法）的方法，将优化问题分解为可并行处理的 MINLP 子问题。ADMM 方法消除了在高维空间中搜索服务放置决策的需要，因此具有较低的计算复杂度，并且随着用户数量的增加而线性增长。仿真结果表明，所提出的算法的性能非常接近最优值，并且明显优于其他代表性基准算法。
从网络智能报告中挖掘时间攻击模式
摘要 - 从网络攻击中扣除要求从业人员对高级对手行为进行操作。网络智能智能（CTI）关于过去的网络攻击事件的报告描述了随时间的恶意行动链。要避免重复网络攻击事件，从业人员必须主动识别并防御反复出现的行动链，我们称这是时间攻击模式。在动作之间自动挖掘模式提供了有关过去网络攻击的对抗行为的结构化和可行的信息。本文的目的是通过从网络威胁情报报告中挖掘时间攻击模式来帮助安全从业人员对网络攻击的优先级和主动防御。为此，我们提出了Chronocti，这是一种自动化管道，用于开采过去网络攻击的网络智能智能（CTI）报告的时间攻击模式。要构建Chronocti，我们构建了时间攻击模式的地面真相数据集，并应用最先进的大语模型，自然语言处理和机器学习技术。我们将ChronoCTI应用于一组713个CTI报告，在其中我们确定了124个时间攻击模式 - 我们将其分为9个模式类别。我们确定最普遍的模式类别是欺骗受害者用户执行恶意代码来发起攻击，然后绕过受害者网络中的反恶意软件系统。基于观察到的模式，我们主张组织培训用户有关网络安全最佳实践，引入功能有限的不变操作系统以及执行多用户身份验证。此外，我们提倡从业人员利用Chronocti和设计对策的自动化矿化能力，以应对重复的攻击模式。