XiaoMi-AI文件搜索系统
World File Search System损耗比
拓扑声表面波
用于经典波（例如电磁波和声波）的拓扑材料引起了越来越多的关注，这主要是因为它们具有鲁棒性、低损耗以及边界赋予的新的人工自由度。表面声波 (SAW) 作为广泛使用的微型设备相关信息载体，在当今的无线通信和传感网络中无处不在。在此，我们报告了基于单片集成平台的 SAW 拓扑绝缘体的实现。通过在压电半空间上使用工作频率为数十兆赫的微型声学谐振器阵列，我们成功地赋予电泵浦瑞利型 SAW 以“自旋动量锁定”特性，使固态声波在“三维体积上二维表面的一维界面”上任意绕行并穿过缺陷和交叉点，而损耗比任何其他解决方案都要小得多。这些革命性的拓扑 SAW 可能为未来移动通信、传感和量子信息处理等领域具有超高性能和先进功能的单片电子（光子）声子电路开辟一条道路。
基于深度学习的侧面...
摘要。基于深度学习的侧渠道分析代表了最强大的侧通道攻击方法之一。由于其在处理原始功能和对策方面的能力，它成为SCA社区的事实上的标准方法。最近的作品显着改善了来自各种观点的深度学习攻击，例如高参数调整，设计指南或自定义的neu-ral网络体系结构元素。仍然，对学习过程的核心 - 损失函数的核心已被不足。本文分析了现有损耗函数的局限性，然后提出了一种新型的侧道渠道分析优化损耗函数：焦距损耗比（FLR），以应对其他损失函数中观察到的识别缺陷。为了验证我们的设计，我们1）考虑了各种情况（数据集，泄漏模型，神经网络体系结构）和2）进行彻底的实验研究，2）与基于深度学习的侧渠道分析（“传统”的侧通道分析和侧通道分析的范围分析）进行比较。我们的结果表明，FLR损失在各种条件下都优于其他损失函数，而没有像最近的一些损失功能建议那样的计算开销。