XiaoMi-AI文件搜索系统
World File Search System并行
具有并行收入流的电池存储系统内部收益率估计：周期成本与多目标优化方法
摘要：本文通过关注内部收益率 (IRR) 作为盈利能力指标来评估电池存储系统 (BSS) 的盈利能力，该指标比其他常用指标（最显著的是净现值 (NPV)）更具优势。此外，本研究提出了一种多目标优化 (MOO) 方法来估计 IRR，而不是依赖简单的线性优化，并将结果与流行的线性优化与电池周期成本惩罚进行比较。分析是在完美的预见条件下进行的，考虑了多种收入来源：日前和日内市场的套利交易、调峰、参与一级储备市场以及光伏 (PV) 发电单元。收集了 2017 年和 2021 年德国电力市场的数据。结果表明，MOO 方法得出的 IRR 估计值与 2017 年的周期成本模型相似。然而，2021 年市场波动性加剧和电价上涨导致了明显差异。分析表明，如果这些条件与较低的电池容量价格相结合，MOO 方法的效果将显著优于循环成本模型。电池日历寿命和充电状态会降低盈利能力，这些影响也被考虑在内。尽管如此，2021 年的盈利能力相对于 2017 年的明显上升可以提供足够的补偿来解决相对较差的可行性记录问题。
并行计算
在研究生物神经网络等复杂动态系统时，模拟是继实验和理论之后的第三大支柱。当代脑规模网络对应于几百万个节点的有向随机图，每个节点的入度和出度为几千条边，其中节点和边分别对应于基本生物单位、神经元和突触。神经元网络中的活动也很稀疏。每个神经元偶尔会通过其传出突触向相应的目标神经元发送一个短暂的信号（称为尖峰）。在分布式计算中，这些目标分散在数千个并行进程中。空间和时间稀疏性代表了传统计算机上模拟的固有瓶颈：不规则的内存访问模式导致缓存利用率低。使用已建立的神经元网络模拟代码作为参考实现，我们研究了恢复缓存性能的常用技术（例如软件诱导预取和软件流水线）如何使实际应用程序受益。算法更改可将模拟时间缩短高达 50%。该研究表明，分配了本质上并行计算问题的多核系统可以缓解传统计算机架构的冯诺依曼瓶颈。
使用规范化互信息特征选择和并行量子遗传算法进行入侵检测
针对入侵检测系统（IDS）检测速度慢、自适应性差、检测准确率不高等问题，提出一种基于自适应并行量子遗传算法的正则化互信息特征选择与多算子协同进化的检测算法（NMIFS MOP-AQGA）。为了对高维特征数据进行有效约简，采用NMIFS方法选择最佳特征组合，将最佳特征送入MOP-AQGA分类器进行学习训练，得到入侵检测器，将数据输入检测算法，最终产生准确的检测结果。在真实异常数据上的实验结果表明，NMIFS MOP-AQGA方法比现有检测方法具有更高的检测准确率、更低的误报率和更强的自适应性能，尤其对于小样本集更为有效。
空间：Vlasov-Maxwell 和 Vlasov-Poisson 的 3D 并行求解器
本报告是由美国政府某个机构资助的工作报告。美国政府或其任何机构、其雇员、承包商、分包商或其雇员均不对所披露信息、设备、产品或流程的准确性、完整性或任何第三方的使用或此类使用结果做任何明示或暗示的保证，或承担任何法律责任或义务，或表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务，并不一定构成或暗示美国政府或其任何机构、其承包商或分包商对其的认可、推荐或支持。本文表达的作者的观点和意见不一定代表或反映美国政府或其任何机构的观点和意见。
太空级并行持久性 SRAM 存储器
非易失性 − √ √ √ 写入性能 √ − − √ 读取性能 √ − − √ 耐久性 √ − − √ 功率 − − − √ MRAM 是一种真正的随机存取存储器；允许在内存中随机进行读取和写入。MRAM 非常适合必须存储和检索数据而不会产生较大延迟的应用程序。它提供低延迟、低功耗、无限耐久性、高性能和可扩展的内存技术。AS30xxB16 采用小尺寸 48 球 FBGA（10 毫米 x 10 毫米）封装，支持 16Mb、32Mb 和 32Mb 密度。此封装与类似的低功耗易失性和非易失性产品兼容。AS30xxB16 提供工业扩展（-40°C 至 125°C）工作温度范围。每个单元在发送给客户之前都要经过 48 小时的老化。
语音感知中的并行处理以及语言上下文的局部和全局表示
摘要 语音处理是高度渐进的。人们普遍认为，人类听众不断使用语言语境来预测即将出现的概念、单词和音素。然而，先前的证据支持两种看似矛盾的模型，即预测语境如何与自下而上的感官输入相结合：经典的心理语言学范式表明这是一个两阶段的过程，其中声学输入最初导致局部、与语境无关的表征，然后迅速与语境约束相结合。这与大脑构建单一连贯、统一的输入解释的观点形成对比，大脑完全整合了跨表征层次的可用信息，因此使用语境约束来调节甚至最早的感官表征。为了区分这些假设，我们测试了对连续叙述语音的脑磁图反应，以寻找局部和统一预测模型的特征。结果证明听众同时使用这两种类型的模型。两个局部上下文模型独特地预测了早期神经反应的某些部分，一个基于亚词汇音素序列，另一个仅基于当前单词中的音素；同时，即使是对音素的早期反应也反映了一个统一的模型，该模型结合了句子级约束来预测即将到来的音素。神经源定位将不同预测模型的解剖起源置于双侧颞上叶的非相同部分，右半球显示出对更多局部模型的相对偏好。这些结果表明，语音处理同时招募了局部和统一的预测模型，从而调和了先前不同的发现。并行模型可能会使感知系统更加健壮，促进意外输入的处理，并在语言习得中发挥作用。
生物质炉的并行多物理场仿真和中小企业的云端工作流程
[1] Xavier Besseron、Alban Rousset、Alice Peyraut 和 Bernhard Peters。2021 年。使用 preCICE 在 XDEM 和 OpenFOAM 之间进行欧拉-拉格朗日动量耦合。在第 14 届 WCCM 和 ECCOMAS 大会 2020 上。[2] Christian Bruch、Bernhard Peters 和 Thomas Nussbaumer。2003 年。固定床条件下的木材燃烧建模。Fuel 82（2003 年）。https://doi.org/10.1016/S0016-2361(02)00296-X [3] José María Cela、Philippe OA Navaux、Alvaro LGA Coutinho 和 Rafael Mayo-García。2016 年。促进能源研究和技术开发方面的合作，应用新的百亿亿次 HPC 技术。在第 16 届 IEEE/ACM 国际集群、云和电网计算研讨会 (CCGrid) 上。https://doi.org/10.1109/CCGrid.2016.51 [4] Tao Chen、Xiaoke Ku、Jianzhong Lin 和 Hanhui Jin。2019 年。热厚生物质颗粒燃烧建模。Powder Technology 353 (2019)。 https://doi.org/10.1016/j.powtec.2019.05.011 [5] Gerasimos Chourdakis、Kyle Davis、Benjamin Rodenberg、Miriam Schulte、Frédéric Simonis、Benjamin Uekermann、Georg Abrams、Hans-Joachim Bungartz、Lucia Cheung Yau、Ishaan Desai、Konrad Eder、Richard Hertrich、Florian Lindner、Alexander Rusch、Dmytro Sashko、David Schneider、Amin Totounferoush、Dominik Volland、Peter Vollmer 和 Oguz Ziya Koseomur。 2021. preCICE v2：可持续且用户友好的耦合库。 ArXiv210914470 Cs (2021)。 [6] 艾汉·德米尔巴斯。 2005. 可再生能源的潜在应用、锅炉动力系统中的生物质燃烧问题以及燃烧相关的环境问题。能源与燃烧科学进展 31 (2005)。https://doi.org/10.1016/j.pecs.2005.02.002 [7] Andrea Dernbecher、Alba Dieguez-Alonso、Andreas Ortwein 和 Fouzi Tabet。2019. 基于计算流体动力学的生物质燃烧系统建模方法综述。生物质转化生物参考。9 (2019)。https://doi.org/10.1007/s13399-019-00370-z
一种用于验证小型卫星联合作战的并行测试设施方法
摘要：联合远程实验室允许在场外进行实验。多个实验室的协调可用于同时进行联合空间操作实验。但是，设施之间的通信延迟对于执行足够的实时实验至关重要。本文介绍了一种在两个远程实验室的浮动平台之间进行协调实验的方法。为此建立了两个独立设计的平台，一个在吕勒奥理工大学，另一个在罗马大学。创建了一种基于简单网络时间协议的同步方法，允许测量代理之间的偏移和延迟。两个平台通过互联网上的 UDP/IP 协议交换有关其测量时间和姿势的数据。通过执行模拟操作验证了该方法。还进行了第一次演示实验，展示了实现领导者/追随者协调操作的可能性。模拟和实验的结果显示通信延迟在几十毫秒的数量级上，对控制性能没有显着影响。因此，事实证明，所建议的协议适用于在远程实验室之间实时开展协调实验。
算法和并行VLSI架构III
本书中的材料基于在第三届算法和平行VLSI架构的国家间研讨会上提出的作者贡献，该研讨会在卢文（Leuven）举行，Au-Gust 29-31，1994。该研讨会部分由Eurasip和Belgian NFWO（国家科学研究基金）赞助，并与IEEE BENELUX信号处理章节，IEEE BENELUX CIRCETITS和SYSSPEL CAPLER和法国INRIA，法国的IEEE BENELUX信号处理章节合作。这是1990年6月在法国的Pont - ＆ - Mousson举行的两个同名讲习班[1]和法国Bonas，1991年6月[2]。所有这些研讨会都是在EC基础研究行动Nana和Nana2的框架内组织的，这是新的Real.Time Architectures的新型并行算法，由欧洲委员会的ESPRIT计划赞助。NANA承包商是IMEC，Leuven，Belgium（F. Catthoor），K.U。卢文，鲁汶，比利文（J. Vandewalle），恩斯尔，里昂，法国（Y。Robert），tu代代尔特，代尔夫特，代尔夫特，荷兰（P。Dewilde和E. Deprete），Irisa，Irisa，Rennes，Rennes，Rennes，Francance（P. Quinton）。这些项目中的目标是贡献适用于平行体系结构实现的算法，另一方面，设计方法和综合技术，这些方法和综合技术解决了从真实行为到系统的平行体系结构的设计轨迹。因此，这显然与研讨会和书籍的范围重叠。
大规模并行报告分析中基于序列的条形码偏差校正
大规模并行报告基因检测 (MPRA) 是一种高通量方法，用于评估数千个候选顺式调控元件 (CRE) 的体外活性。在这些检测中，候选序列被克隆到由独特 DNA 序列标记的报告基因的上游或下游。然而，标签序列本身可能会影响报告基因的表达，并导致测量的顺式调控活性出现重大潜在偏差。在这里，我们提出了一种基于序列的方法来校正标签序列特异性效应，并表明我们的方法可以显著减少这种变异源并提高 MPRA 对功能性调控变体的识别。我们还表明我们的模型可以捕获与 mRNA 转录后调控相关的序列特征。因此，这种新方法不仅有助于提高 MPRA 实验中对调控信号的检测，而且还有助于设计更好的 MPRA 协议。