XiaoMi-AI文件搜索系统
World File Search System效率高
aq-pinns：碳效率高的气候建模
正如Jevons Paradox强调的那样，人工智能（AI）在解决气候变化方面的计算需求不断增长引起了人们对低效率和环境影响的重大关注。我们提出了一个引人注意的量子物理信息知识的神经网络模型（AQ-PINNS）来应对这些挑战。这种方法将量子计算技术集成到物理知情的神经网络（PINN）中，以进行气候建模，旨在提高由Navier-Stokes方程所控制的流体动力学的预先准确性，同时减少计算负担和碳足迹。通过利用变异量子多头自我注意机制，我们的AQ-Pinns与经典的多头自我注意方法相比，模型参数降低了51.51％，同时保持了可比的收敛性和损失。它还采用量子张量网络来增强表示能力，这可以导致更有效的梯度计算并降低对贫瘠的高原的敏感性。我们的AQ-Pinns代表了朝着更可持续和有效的气候建模解决方案迈出的关键步骤。
计算效率高的神经网络分类器，适用于下一代...
摘要 — 本研究探索了神经网络分类器在下一代响应性神经调节系统中实时分类基于场电位的生物标志物的潜在效用。与传统的基于滤波器的分类器相比，神经网络可以轻松调整特定于患者的参数，有望减轻临床医生的编程负担。本文探讨了一种紧凑的前馈神经网络架构，该架构仅由数十个单元组成，用于难治性癫痫的癫痫发作状态分类。所提出的分类器在临床医生标记的数据上提供与滤波器分类器相当的准确度，同时减少检测延迟。作为对传统方法的权衡，本文专注于将架构的复杂性保持在最低水平，以适应可植入脉冲发生器系统的板载计算约束。
用于模拟神经网络在线训练的铁电场效应晶体管 (FET) 计算效率高的紧凑模型
制造了用于存储器和神经形态应用的具有 Hf 0.5 Zr 0.5 O 2 栅极绝缘体的三栅极铁电 FET，并对其进行了多级操作表征。电导和阈值电压表现出高度线性和对称的特性。开发了一种紧凑的分析模型，以准确捕捉 FET 传输特性，包括串联电阻、库仑散射和垂直场相关的迁移率降低效应，以及阈值电压和迁移率随铁电极化切换的变化。该模型涵盖亚阈值和强反转操作。额外的测量证实了铁电切换，而不是基于载流子捕获的存储器操作。紧凑模型在用于深度神经网络在线训练的模拟平台中实现。
重新组合：使用单链寡聚>的体内基因工程效率高度
重新组合提供了对任何DNA序列进行快速，精确和廉价的遗传改变的能力，无论是在染色体中还是克隆到载体上，以在大肠杆菌（或其他重新组合的培养细菌）中复制的载体，并以高效的方式进行。可以在重新组合的几天内创建不可能用体外基因工程制造的复杂遗传构建体。与单链DNA（ssDNA）重新组合可用于创建单个或多个聚类点突变，小或大（最大或最大（最高10KB）缺失）以及小（10-20个基本）插入（例如序列标签）。使用优化的条件，可以使用如此高的频率进行点突变，以至于无需选择就可以找到它们。这项技术在创建定向和随机突变方面表现出色。