XiaoMi-AI文件搜索系统
World File Search System失去控制
技术重点：宽带隙电子器件
碳化硅 (SiC) 和氮化镓 (GaN) 器件将逐渐取代现有的硅技术，因为硅已经达到其物理电学性质的固有极限。 因此，自 2007 年以来，硅基器件已不再能够跟上摩尔定律的步伐，曲线出现了平台期：摩尔预测，集成电路制造商每年应该能够将单个硅芯片上可容纳的晶体管数量翻一番。 相反，晶体管尺寸正在以较慢的速度减小；自 2007 年以来，尺寸减小的进程已明显放缓。 美国劳伦斯伯克利国家实验室 (LBNL) 最近制造的最小硅 MOSFET 的宽度（沟道长度）仅为 7 纳米，即仅比单个硅原子的尺寸大一个数量级。 在这种几何尺寸下，可能会发生量子隧穿，并且器件将失去控制电流流动的能力。因此，最近的发展意味着硅技术正在接近该材料的理论物理极限。由于硅的特性阻碍了器件性能的进一步提高，微电子研发变得更具挑战性，需要投入大量资金，有时似乎不经济，因为它太昂贵了。
飞行机组资源管理技术作为 R - IIETA
现代喷气式飞机驾驶舱自动化程度的提高旨在降低飞行中失去控制 (LOC-I) 等不良飞机状态 (UAS) 情况的风险。尽管全球范围内 LOC-I 仅占所有分析事故的 9%，但国际航空运输协会报告称，2017 年所有事故死亡人数中 58% 是由 LOC-I 造成的。本文的重点是回答威胁和错误管理以及机组资源管理 (CRM) 技术在面临 LOC-I 威胁时是否是一种有效的风险管理工具。分析了三份 LOC-I 最终飞机事故报告，以了解这些飞行期间的人为因素 (HF) 结构。HF 领域的方法，例如通用错误建模系统 (GEMS) 和基于技能、规则和知识 (SRK) 的错误方法，为识别潜在发现提供了宝贵的见解。对飞行路径管理中的认知结构进行整体研究有助于在日常操作中可视化 LOC-I 期间的潜在条件和认知要求高的任务。考虑到本文考虑的案例数量有限，应将其视为 LOC-I 事故分析的概述。它表明，领导力和团队合作作为 CRM 培训的重要方面，可以作为缓解 HF 问题和 LOC-I 风险的关键策略。
飞行机组资源管理技术作为 R - IIETA
现代喷气式飞机驾驶舱自动化程度的提高旨在降低飞行中失去控制 (LOC-I) 等不良飞机状态 (UAS) 情况的风险。尽管全球范围内 LOC-I 仅占所有分析事故的 9%，但国际航空运输协会报告称，2017 年所有事故死亡人数中 58% 是由 LOC-I 造成的。本文的重点是回答威胁和错误管理以及机组资源管理 (CRM) 技术在面临 LOC-I 威胁时是否是一种有效的风险管理工具。分析了三份 LOC-I 最终飞机事故报告，以了解这些飞行期间的人为因素 (HF) 结构。HF 领域的方法，例如通用错误建模系统 (GEMS) 和基于技能、规则和知识 (SRK) 的错误方法，为识别潜在发现提供了宝贵的见解。对飞行路径管理中的认知结构进行整体研究有助于在日常操作中可视化 LOC-I 期间的潜在条件和认知要求高的任务。考虑到本文考虑的案例数量有限，应将其视为 LOC-I 事故分析的概述。它表明，领导力和团队合作作为 CRM 培训的重要方面，可以作为缓解 HF 问题和 LOC-I 风险的关键策略。
飞行机组资源管理技术作为 R - IIETA
现代喷气式飞机驾驶舱自动化程度的提高旨在降低飞行中失去控制 (LOC-I) 等不良飞机状态 (UAS) 情况的风险。尽管全球范围内 LOC-I 仅占所有分析事故的 9%，但国际航空运输协会报告称，2017 年所有事故死亡人数中 58% 是由 LOC-I 造成的。本文的重点是回答威胁和错误管理以及机组资源管理 (CRM) 技术在面临 LOC-I 威胁时是否是一种有效的风险管理工具。分析了三份 LOC-I 最终飞机事故报告，以了解这些飞行期间的人为因素 (HF) 结构。HF 领域的方法，例如通用错误建模系统 (GEMS) 和基于技能、规则和知识 (SRK) 的错误方法，为识别潜在发现提供了宝贵的见解。对飞行路径管理中的认知结构进行整体研究有助于在日常操作中可视化 LOC-I 期间的潜在条件和认知要求高的任务。考虑到本文考虑的案例数量有限，应将其视为 LOC-I 事故分析的概述。它表明，领导力和团队合作作为 CRM 培训的重要方面，可以作为缓解 HF 问题和 LOC-I 风险的关键策略。
用户手册
•阅读所有电源设备和飞机的手册，并在使用本机之前确保电源配置是合理的。•在将ESC连接到相关设备之前，请确保所有电线和连接都很好地隔离，因为短路会损坏您的ESC。确保所有设备连接良好，以防止可能导致飞机失去控制或其他无法预测的问题（例如对设备损坏）的连接不良。如有必要，请使用具有足够功率的焊铁将所有输入/输出线和连接器焊接。•在高速旋转期间切勿将电动机锁定，否则ESC可能会被摧毁，并且可能会损坏电动机。（注意：如果电动机真的被锁定，将节气门棒移到底部位置或立即断开电池的连接。）•在极炎热的天气中切勿使用此单元，或者在变得非常热时继续使用它。因为高温会激活ESC热保护，甚至会损坏您的ESC。•使用后始终断开并卸下电池，因为如果仍然连接到电池，ESC将继续消耗电流。长期接触将导致电池完全放电，并损坏电池或/和ESC。这不会在保修中涵盖。
MPI+OpenMP 任务可扩展性，适用于人类大脑的多形态模拟
模拟人脑行为是当今最雄心勃勃的挑战之一，其重要应用无穷无尽。我们可以在美国、欧洲和日本找到许多不同的计划，它们试图实现这一具有挑战性的目标。在这项工作中，我们专注于最重要的欧洲计划（人脑计划）以及该项目开发的模型之一。该工具通过计算神经元形态的电压电容来模拟神经网络中触发的尖峰，是当今最精确的模拟器之一。在目前的研究中，我们评估了在此框架上使用 MPI + OpenMP 任务。我们证明，即使计算每个节点相对较低的工作负载（神经元数量），这种方法也能够实现良好的扩展。我们的目标之一不仅是实现高度可扩展的实现，而且还要开发一种具有高度抽象性的工具，而不会通过使用 MPI + OpenMP 任务来失去控制和性能。这项工作的主要动机是评估这种在多形态神经网络上的尖端模拟。模拟大量完全不同的神经元是一项重大挑战。事实上，在多形态模拟中，我们发现节点之间存在严重的不平衡，这主要是由于神经元之间的差异，导致可用资源的严重利用不足。在这项工作中，作者提出并评估了处理这个问题的机制，并大大减少了这种模拟的时间。
作者和表演者呼吁采取安全措施......
我们与图书行业、音乐行业、电影行业、广播和新闻界的合作伙伴一起警告：我们社会的支柱正受到威胁！人工智能生成的产品直接干预社会生活；生成人工智能系统固有的虚假信息和操纵潜力对每个人和整个社会都构成了重大挑战。我们与人工智能专家一样，对此类系统失去控制并呼吁法律约束感到担忧。然而，一些政界人士却表示“无需采取行动”，这让我们感到非常惊讶。最近进入三方会谈的设想中的《欧洲人工智能法案》不仅无视我们的（版权）权利，而且还在以最低要求允许生成人工智能系统，而这些要求甚至无法公平对待此类系统的滥用及其今天已经可以观察到的社会和经济影响。人工智能系统的输出取决于它们所接受的训练输入；其中包括来自作者、表演者和其他版权持有者的文本、图片、视频和其他材料：我们的整个数字资源库都用于培训目的，通常未经同意、不收取报酬，而且并非总是用于合法用途。未经授权使用受保护的培训材料、其不透明的处理以及可预见的用生成性人工智能的输出替代来源，引发了问责、责任和报酬的基本问题，这些问题需要在造成不可逆转的损害之前得到解决。
自主武器和作战风险
自动化正在各种军事系统中日益普及，包括未来的武器。作为回应，越来越多的声音呼吁紧急讨论人类和机器决策在使用致命武力方面应发挥的适当作用。新美国安全中心的道德自主项目研究了与自主武器（可以自行选择和攻击目标的武器）相关的法律、道德、伦理和政策问题。本系列的前几篇论文探讨了自主武器的技术方面和“有意义的人类控制”的概念。本文旨在帮助国防专业人员清晰客观地思考与自主武器相关的可能风险。自主武器通常不存在，它们的军事成本和收益可以推测，但目前尚不清楚。然而，很明显的是，它们提出了新的风险问题。自主的本质是将以前由人完成的任务委托给机器。这提出了一个重要的问题，即如何保持对机器行为的有效人类控制，以及失去控制所带来的风险（包括概率和后果）。本文研究了自主武器相对于半自主武器的风险，半自主武器可以让人类“参与”选择和打击特定目标的过程。自主武器不能孤立地看待。战争是危险的，而旨在
现场套件 | 无人机 U
E. 操作规则 1.遥控飞行员指挥 a. 术语 b.遥控飞行员指挥 c. 飞行员认证要求 d. 遥控飞行员指挥的紧急权力 2.视距避让和能见度要求 a.视线 b.视觉观察员 i.视觉观察员的定义 ii.使用视觉观察员时的操作要求 iii.可选择使用视觉观察员 iv.无需飞行员认证或视觉观察员培训 c. 额外的能见度要求 i. 白天操作 ii.天气/能见度最低值 iii.让行权 d.额外技术/显眼性要求 i. ADS-B、应答器和 TCAS ii.无线电设备 iii.照明 iv.显眼性 3.遏制和失去正面控制 a.密闭作业区域边界 i. 水平边界和移动车辆 ii.垂直边界（最大高度） b. 减轻失去正面控制的风险 i.最大速度 ii.操作多架无人机 iii.微型 UAS iv.飞越人群 v. 飞行前简报 vi.飞行前对操作区域进行评估并确保飞机不会造成不当危险 1.飞行前对操作环境进行评估 2.失去控制时可能造成的不当危险 vii.自动化 viii.其他设备 1.地理围栏
大脑通讯
负责运动活动的大脑区域发生中风后，患者可能会失去控制身体某些部位的能力。随着时间的推移，一些患者几乎完全康复，而另一些患者则几乎完全康复。众所周知，病变体积、初始运动障碍和皮质脊髓束不对称会显著影响随时间推移的运动变化。最近的研究表明，残疾不仅来自局部结构变化，还来自区域间连接的广泛改变。考虑整个网络损伤而不是仅考虑局部结构改变的模型可以更准确地预测患者的康复情况。然而，评估中风患者的白质连接具有挑战性且耗时。在这里，我们在 37 名患者的数据集中评估了我们是否可以通过使用患者的病变掩模在 60 个健康流线型纤维束成像连接组中引入虚拟病变而获得的大脑连接测量来预测上肢运动恢复。这种对中风对整个大脑连接组影响的间接估计比通过磁共振成像获得的结构连接直接测量更容易获得。我们将这些指标添加到基准结构特征中，并使用岭回归正则化来预测受伤后 3 个月的运动恢复情况。正如假设的那样，与基准特征 (R 2 = 0.38) 相比，预测准确度显著提高 (R 2 = 0.68)。这种改进的恢复预测可能对临床护理有益，并可能允许更好地选择干预措施。