XiaoMi-AI文件搜索系统
World File Search System性能改进
技术缩放对纳米体 CMOS 技术中硅化物阻挡 PMOSFET 器件 ESD 性能的影响
先进的 CMOS 技术在每一代新产品中都采用传统的尺寸缩放和颠覆性技术创新，以实现预期的性能改进 [1][2]。这在纳米技术中更为重要，因为传统的结深、栅极长度和栅极氧化物厚度缩放正在接近某些物理极限。先进 CMOS 技术的主要工艺突破之一是将大量应力元件引入 NMOSFET 和 PMOSFET（图 1），以提高性能。特别是，PMOSFET 器件受到了更多关注，因为 SiGe 技术随时可用，这种技术易于理解且与基础硅工艺完全兼容。这些工艺元件（如源极/漏极 eSiGe）已成功集成到 45nm [3] 至 32nm [4][5] 及以后的高性能 PMOSFET 中。其他应力元件（如压缩或拉伸应力衬里）对 PMOSFET 或 NMOSFET 都有好处，具体取决于氮化硅衬里的应力极性。尽管有大量文献介绍了传统缩放和不同应力元件如何影响 MOSFET 性能，但人们对它们对在高电流水平下工作的器件的影响知之甚少，例如在 ESD 类脉冲条件下 [6]。据报道，ESD NMOSFET 的故障电流不受拉伸衬里工艺的显著影响 [7]，原因是
timix：有效视觉的文本感知图像混合 - ...
自我监管的多模式对比度学习（SMCL）明显地通过使视觉和语言方式结盟现代视觉预训练（VLP）模型。由于网络收获的文本图像对中的噪音，因此在计算成本和数据效率低下方面，SMCL的培训数据量扩大了相当大的obs。为了提高VLP的数据效率，我们提出了文本感知图像混合（TIMIX），该图像混合（TIMIX）将基于混合的数据增强技术集成到SMCL中，从而在没有显着增加计算开销的情况下进行了显着的性能改进。我们从共同信息（MI）的角度提供了TIMIX的理论分析，表明跨模式对比度学习的混合数据样本隐含地充当对比损失的常规器。实验结果表明，即使在针对现有方法的基准测试时，Timix在下游任务上也表现出可比的性能，即使减少了训练数据和较短的训练时间。这项工作在经验上和理论上证明了数据混合对于数据有效和计算可行的VLP的潜力，从而使更广泛的VLP模型在实际情况下受益。我们的代码可在https://github.com/chaoyajiang/timix/tree/main上使用。
建议引用：Mucha, Tomasz；Seppälä, Timo (2020)：人工智能平台——数字平台经济的新研究议程，ETLA 工作论文，第 76 号，芬兰经济研究所 (ETLA)，赫尔辛基
1.人工智能技术的兴起及其在数字平台中的应用 早在移动平台争夺战爆发之前，许多数字平台公司就已经在其内部业务流程或客户服务中使用机器学习算法。iPhone AppStore 于 2008 年中期推出（Ghazawneh & Henfridsson，2013 年）。微软于 2003 年推出了基于机器学习的垃圾邮件过滤功能（Buderi，2005 年）。eBay 至少从 2006 年开始利用机器学习对产品进行分类和搜索 1 。在现代人工智能 (AI) 取得一系列突破和深度神经网络性能改进之后，这些技术变得无处不在，平台公司成为主要提供商（例如，参见 Nilsson，2009 年，第 33 章；Schmidhuber，2017 年）。正如 (Brock & Von Wangenheim, 2019) 所指出的，似乎没有普遍接受的 AI 定义。尽管如此，以下包容性定义，“人工智能。..旨在让计算机做一些事情，当由人完成时，被描述为具有指示智能”（Brooks，1991，第 1 页）不仅涵盖了当今的深度神经网络和更广泛的机器学习，而且还涵盖了 AI 讨论中存在的许多不同观点。尽管定义不明确，但广泛属于人工智能范畴的符号和概率技术已成为实质性发展的目标
arXiv:2212.10482 Grover 算法在当今量子处理器上的非编码实现性能
量子计算已成为过去十年物理学、数学和计算机科学领域最热门的话题之一。这源于噪声中型量子 (NISQ) 设备的部署，这些设备可以加速多种算法的执行。与大规模量子 (LSQ) 系统相比，NISQ 设备不是基于使用纠错码的容错量子电路，而是使用错误缓解技术。大家一致认为，量子纠错将在 LSQ 系统的开发中发挥重要作用。大量文献致力于这一主题，该研究领域在过去几年中发展迅速 [1]，[2]。研究错误控制编码是否可用于 NISQ 技术也很有趣。据我们所知，直到最近才在 NISQ 设备上进行使用纠错的测试。 2022 年底，[ 3 ] 的作者报告了使用 [[4,2,2]] 错误检测码时的性能改进。这项工作的目的是展示在可用的 NISQ 设备上实现的量子算法的性能限制，并讨论它们的改进，可能使用纠错，与 [ 3 ] 的最新结果一致。为了更好地理解，我们将重点关注 Grover 搜索算法 (GSA) 的一个特殊情况。[ 4 ] 中提出了这种算法，用于在未排序的数据集上搜索标记元素，理论上优于经典搜索算法（GSA 的复杂度随着 √ 而增长
在全脑分割方面，2.5D 方法是否优于 3D 深度网络？
对具有大量标签、小卷曲结构以及各种结构边界之间缺乏对比度的 3D 体积进行分割是一项艰巨的任务。虽然许多分割任务中的最新方法进展都以 3D 架构为主导，但目前全脑分割最强大的方法是 FastSurferCNN，一种 2.5D 方法。为了阐明 2.5D 与各种 3D 方法之间的细微差别，我们进行了彻底而公平的比较，并提出了一种空间集成的 3D 架构。有趣的是，我们观察到在完整视图图像上训练内存密集型的 3D 分割并不优于 2.5D 方法。即使在完整视图上进行评估时也转向在补丁上进行训练可以同时解决内存和性能限制的问题。在五个数据集上的 Dice 相似系数和尤其是平均豪斯多夫距离测量方面，我们展示了比最先进的 3D 方法显着的性能改进。最后，我们对各种神经退行性疾病状态和扫描仪制造商的验证表明，我们的表现优于之前领先的 2.5D 方法 FastSurferCNN，在现实环境中表现出强大的分割性能。我们的代码可在 github.com/Deep-MI/3d-neuro-seg 上在线获取。关键词：深度 3D 卷积网络、全脑分割、深度集成。
大规模人工智能运营平台的实验与分析框架
人工智能的操作化已成为研究和工业领域的一项重大努力。管理人工智能应用程序生命周期的自动化、操作化的管道将成为基础设施工作负载的重要组成部分 [6]。人工智能工作流平台 [1、6] 协调了操作大量客户特定人工智能管道所需的异构基础设施。调整运营策略以实现特定应用的成本效益权衡，同时满足机器学习模型的特定领域特征（例如准确性或鲁棒性）是一项挑战。一个关键挑战是确定与执行管道相关的成本权衡以及潜在的模型性能改进 [5-7]。我们提出了一个跟踪驱动的实验和分析环境，使研究人员和工程师能够设计和评估用于大规模人工智能工作流系统的此类运营策略。 IBM 开发的生产级 AI 平台的踪迹记录了一年内数千次管道执行，可用于构建综合模拟模型。我们的模拟模型描述了管道与系统基础架构之间的交互，以及管道任务如何影响不同的 ML 模型指标。我们在独立的随机离散事件模拟器中实现该模型，并提供运行实验的工具包。通过集成时间序列数据库和分析前端，我们可以进行临时探索以及实验的统计分析。
提高了CVD双层MOS2字段中的低频噪声...
在MOS 2效应晶体管中，与迁移率或数量依赖性关系相关的电流或电压闪烁是由低频噪声的特征。这种噪声通常可用于评估基于MOS 2的电子设备的应用限制。在这项工作中，通过化学蒸气沉积（CVD）生长的单晶双层MOS 2的低频噪声特性是系统地进行投资的，并发现与基于单层MOS 2通道的低频噪声MOS 2相比，可提供显着的性能改进。在F¼100Hz时，归一化的漏极电流功率频谱密度（S I / I D 2）为2.4 10 10 Hz 1和BiLayer和Monolayer MOS 2转换器分别为3.1 10 9 Hz 1。McWhorter的载流子数量流量模型可以准确地描述1晶体管类型，这表明载流子捕获和通过介电缺陷捕获和去捕获是CVD MOS 2晶体管中1/ F噪声的主要机制。此外，在VBg¼3V时，通过使用后场电压降低了双层MOS 2晶体管的接触电阻，从而在VBg¼3V时实现了最小的WLS I / I D 2的3.1 10 10 L m 2 / hz（其中W是栅极宽度，L是栅极长度）。这些结果表明，CVD双层MOS 2是未来大规模2D-Sementemondoctor的电子应用，具有提高噪声性能的有前途的候选者。
航空航天工业中的数字孪生：简要介绍
摘要 数字孪生 (DT) 主要是任何可想象的物理实体的虚拟复制品，是一项具有深远影响的高度变革性技术。无论是产品开发、设计优化、性能改进还是预测性维护，数字孪生都在通过多种多样的业务应用改变各个行业的工作方式。航空航天业（包括其制造基地）是数字孪生的热衷者之一，对其定制设计、开发和在更广泛的运营和关键功能中的实施表现出前所未有的兴趣。然而，这也带来了一些对数字孪生技术的误解，以及对其最佳实施缺乏了解。例如，将数字孪生等同于智能模型，而忽略了数据采集和可视化的基本组成部分，会误导创建者构建数字阴影或数字模型，而不是实际的数字孪生。本文揭示了数字孪生技术在航空航天领域以及其他领域的复杂性，以消除影响其在安全关键系统中有效实现的谬误。它包括对数字孪生及其组成元素的全面调查。阐述了它们特有的最先进的组成以及相应的局限性，提出了航空航天领域未来数字孪生的三个维度，称为航空数字孪生（aero-DT），作为本次调查的结果。这些包括数字孪生的交互、标准化和认知维度，如果认真利用这些维度，可以帮助航空 DT 研发界将现有和未来航空航天系统及其相关流程的效率提高四倍。
![arxiv：2402.18157V1 [CS.AI] 2024年2月28日](/simg/4\4fdc6d835045693f8a6e4444287ec76ac466a290.webp)
arxiv：2402.18157V1 [CS.AI] 2024年2月28日
人类和动物之间的区别在于人类使用和创建工具的独特能力。工具可以克服生理局限性，从而创造出宏伟的文明。同样，可以实现具有学习外部工具使用能力的大型语言模型（LLMS）等基础模型，这可能是实现人为的一般智能的关键步骤。以前在该领域的研究主要采用了两种不同的方法来增强LLMS的工具调用能力。第一种方法强调了用于模型微调的相关数据集的构建。相比之下，第二种方法旨在通过封闭式学习策略充分利用LLM的固有推理能力。在这项工作中，我们引入了一种新型的工具调用管道，旨在控制Massive Real-World API。本管道反映了人类任务解决过程，解决了复杂的现实生活用户查询。在每个步骤中，我们指导LLMS总结所达到的结果并确定下一步行动。我们将此管道称为“从摘要到动作”，Sum2act简称。我们对工具基台基准的SUM2ACT管道的经验评估显示出显着的性能改进，超过了诸如REACT和DFSDT之类的已建立方法。这重点介绍了Sum2ACT在增强复杂现实世界任务的LLM方面的有效性。
空客展望未来 - SAE International
虽然 2012 年下半年，尤其是最后一个季度，财政悬崖和国防预算可能受到冲击等问题似乎令人担忧，但商业航空公司及其机队供应商的前景相对乐观。事实上，作为《国防技术简报》的补充，《航空航天工程》的这期创刊号中的两篇专题文章都提到了未来几十年对商用飞机的需求将不断增长。正如第 34 页的专题“下一代航空航天结构的先进铝制解决方案”中所述，“在未来 30 年内，波音和空客都预计对 737 和 A320 等单通道飞机的需求将达到约 19,000-23,000 架。除了能够实现性能改进之外，用于制造这些未来飞机的任何结构技术和材料都必须能够满足所需的建造速度。”虽然空客 A350 和波音 787 等项目强调并提倡在新型飞机中增加使用复合材料，但有些人很愿意说，“没那么快。” 尤其是铝行业的人。该专题改编自美铝工程师撰写的技术论文，详细介绍了铝合金在过去几年中取得的进展，以及它们相对于复合材料的优势。“先进的铝和铝锂合金能够改善结构性能，同时利用当前的制造供应链，降低制造风险并支持速度准备。”