XiaoMi-AI文件搜索系统
World File Search System模拟计算
内存计算的设备和电路架构
工作存储器，即最典型的动态随机存取存储器（DRAM），一般位于物理上独立的芯片上，因此会导致数据密集型任务的长延迟和能耗。与人脑类似，内存计算（IMC）在合适的内存电路内就地进行数据处理。[8]IMC 抑制了内存中数据/程序提取和输出结果上传的延迟，从而解决了传统计算机的内存（或冯·诺依曼）瓶颈。IMC 的另一个关键优势是高度计算并行性，这要归功于内存阵列的特殊架构，其中计算可以同时沿着多个电流路径进行。IMC 还受益于计算设备的内存阵列的高密度，这些计算设备通常具有出色的可扩展性和 3D 集成能力。最后，模拟计算由存储器电路的物理定律支持，例如乘积的欧姆定律和电流总和的基尔霍夫定律[8-11]，以及其他特定于存储器的物理行为，如非线性阈值型开关、脉冲累积和时间测量。[12-15] 由于原位、高密度、并行、物理和模拟数据处理的结合，IMC 成为人工智能和大数据框架内最有前途的新计算方法之一。
模拟电路设计创新的潜在因素？
摘要 近年来，人们对模拟信号处理和计算架构的兴趣普遍复苏。此外，关于混沌和模拟混沌振荡器的理论和实验文献也非常丰富。这些电路的一个特点是，尽管结构简单，但当通过耦合机制使其中几个电路同步时，它们能够生成复杂的时空模式。本文虽然不是系统的综述，但它提供了个人对这一领域的见解。在简要介绍设计方面和可能出现的同步现象之后，本文介绍了一些体现潜在应用的结果，包括机器人控制、分布式传感、储层计算和数据增强。尽管这些电路具有有趣的特性，但它们的工业应用在很大程度上仍未实现，这似乎是由于各种技术和组织因素，包括设计和优化技术的缺乏。针对这种情况，给出了一些思考，混沌振荡器在模拟电路设计中的不连续创新的潜在相关性（单独和作为同步网络），以及阻碍向更高技术准备水平过渡的因素。关键词：模拟电路设计、模拟计算、模拟信号处理、生物启发机器人、混沌、混沌同步、混沌振荡器、数据增强、分布式感知、力场、炒作周期、创新、神经系统、模式生成、技术准备
预防性适应策略模型...
本文介绍了针对复杂技术对象预防性维护计划所开发的模型的分析结果。我们开发了基于两组不同假设的模型。解决的一般问题是确定一组零件或子组件的预防性更新联合时间。第一个模型（计划预防性维护策略模型）的目的是确定对进行故障后更新的零件持续应用先前开发的预防性维护计划的盈利能力。第二个模型（系统预防性维护的自适应策略模型）允许人们在每次其中一个零件进行故障后更新时确定一组零件的新预防性更新联合时间。使用典型的维护规划工具（基于动态规划和贝尔曼最优原理的决策随机模型）获得每个零件或子组件的初始预防性维护策略。使用这两个模型进行了示例模拟计算，并将其结果呈现为所开发的更新策略的估计总维护成本。分析对象是所选轨道车辆车轮在运行过程中因磨损而变化的几何特征。基于此类分析，可以为特定应用领域选择更好的预防性维护模型。
我的神经网络是神经形态的吗？神经形态工程的分类、最新趋势和未来方向
摘要 — 在本文中，我们回顾了过去 3 年在神经形态工程领域发表的最新研究，以分析此类系统的共同特征。我们发现没有明确的共识，但每个系统都具有以下一个或多个特征：（1）模拟计算（2）非冯诺依曼架构和低精度数字处理（3）脉冲神经网络 (SNN)，其组件与生物学密切相关。我们比较了最近的机器学习加速器芯片，以表明模拟处理和降低位精度的架构确实具有最佳的吞吐量、能量和面积效率。然而，纯数字架构也可以通过采用非冯诺依曼架构来实现相当高的效率。鉴于数字硬件设计的设计自动化工具，它提出了一个问题，即在不久的将来工业设计中采用模拟处理的可能性。接下来，我们讨论了定义标准和选择适当基准对于神经形态系统设计进展的重要性，并提出了此类基准的一些期望特征。最后，我们展示了脑机接口作为一项潜在任务，它满足了这些基准的所有标准。索引术语——神经形态、低功耗、机器学习、脉冲神经网络、忆阻器
N型衬底超快三维沟槽电极硅探测器的抗辐射性能
摘要：ATLAS 和 CMS 实验预测高亮度大型强子对撞机（HL-LHC）最内层像素探测器的辐射注量高达 1 × 10 16 1 MeV n eq /cm 2。辐射剂量的增加将导致探测器性能下降，例如漏电流和完全耗尽电压增加，信号和电荷收集效率降低，这意味着有必要开发用于甚高亮度对撞机的抗辐射半导体器件。在我们前期对超快三维沟槽电极硅探测器的研究中，通过模拟不同最小电离粒子（MIP）撞击位置下的感应瞬态电流，验证了从 30 ps 到 140 ps 的超快响应时间。本工作将利用专业软件有限元技术计算机辅助设计（TCAD）软件框架，模拟计算探测器在不同辐射剂量下的全耗尽电压、击穿电压、漏电流、电容、加权场和MIP感应瞬态电流（信号）。通过分析模拟结果，可以预测探测器在重辐射环境下的性能。像素探测器的制作将在中国科学院微电子研究所的CMOS工艺平台上进行，采用超纯高电阻率（高达10 4 ohm·cm）硅材料。
标准径向涡轮机作为适合太阳能浓缩 ORC 的涡轮膨胀机的性能评估
有机朗肯循环是将低品位热源转化为电能的可用解决方案之一。然而，由于膨胀机的特殊设计，工厂的开发往往非常昂贵。通常，设计 ORC 工厂的输入参数是热源和冷源的温度和功率。它们决定了工作流体、压力和温度的选择。然后根据所需的操作参数设计膨胀机。使用市场上容易买到且性能众所周知的标准涡轮机可以降低开发和制造成本。然而，必须对 ORC 进行调整，以使膨胀机在最佳条件下工作。对于太阳能聚光热源，可以通过调整聚光系数和集热器总面积来调整温度和功率。在本文中，考虑使用给定的燃气轮机作为 ORC 的膨胀机。了解涡轮机在空气中的性能后，基于相似规则寻找不同流体的 ORC 的最佳运行参数（压力、温度、流量和转速）。调整的目的是保持工作流体与空气相同的密度变化、相同的入口速度三角形和相同的入口马赫数。然后使用 CFD 模拟计算涡轮机的性能图，并显示最大等熵效率接近空气，约为 78%。
模拟风力发电场尾流排放 - ePrints Soton
摘要 减少航运排放的需要迫在眉睫。未来的潜在燃料候选包括氢气和甲醇。本研究试图通过采用自下而上的方法来量化燃料消耗和排放，对这两种燃料类型进行公平的比较。以一艘液化天然气运输船进行的 10,755 海里的航程作为案例研究。为氢燃料电池能源系统和重整甲醇燃料电池能源系统开发了模型。模拟计算了每种方案的燃料需求和尾气排放量。然而，由于氢气和甲醇都不是自然产生的，因此还应考虑生产这些燃料所需的能量。已经模拟了三种生产方法：带电解的风力涡轮机；带电解的电网供应；蒸汽甲烷重整。此后，计算了每种燃料方案的总生命周期排放量并将其与现有船舶进行比较。通常，这被称为油井到尾流的排放，但对于绿色燃料，风电场到尾流可能更合适。结果表明，改用甲醇最多可减少 8.3% 的尾气排放和 18.8% 的风力发电厂尾气排放，但前提是燃料完全由可再生能源生产。液氢燃料电池能源系统产生的风力发电厂尾气排放为零，所需的可再生能源比甲醇少 33.3%。术语
2025异质整合路线图（HIR）8th ...
在洛杉矶。在2023 - 4年，他担任美国商务部的任务，担任国家高级包装制造计划的主任，在那里他为国家包装命令制定了基础战略。他是异质整合和性能缩放中心（UCLA芯片）的创始主任。在此之前，他是IBM研究员。他的主要技术贡献是开发了世界上第一个SIGE基础HBT，盐盐，电气保险丝，嵌入式DRAM和45NM Technology节点，用于使第一代真正的低功率便携式设备以及第一个商业插入器和第一个商业插入器和3D集成产品。自加入UCLA以来，他一直在探索新的包装范式和设备创新，这些范式可能会启用晶圆尺度架构，内存模拟计算和医学工程应用程序。他是IEEE，APS，IMAPS和NAI的院士，也是IEEE EDS和EPS的杰出讲师。他是IIT孟买的杰出校友，并于2012年获得了IEEE DANIEL NOBLE奖章，并获得了2020年IMAPS Daniel C. Hughes Jr Memorial Award和2021年IMAPS杰出教育家奖。艾耶教授也是班加罗尔IISC的Makrishna Rao访问主教教授。
如何（以及为什么）认为大脑实际上是一台计算机
优先于其他。大多数科学家可能同意，他们宁愿花时间做科学研究，也不愿担心词语含义的争论。然而，计算和神经科学的哲学家们更乐意担心词语的含义；不是因为它本身很有趣，而是因为它可以阐明我们在仔细思考和有效交流大脑时提出的假设。这在认知科学、计算机科学、神经科学等跨学科领域尤其重要，在这些领域，审问我们的概念可以成为一种富有成效的方式，让来自不同领域的研究人员走到一起，避免各说各话。这里将论证大脑可能是字面意义上的计算机，而不仅仅是比喻意义上的计算机。这需要经验标准来确定什么使物理系统成为计算系统。这些标准超越了理论计算机科学的概念和数学资源；这里将开发一组候选标准。有了这些标准，我们将看到大脑如何成为一台真正的计算机，尽管可能不是一台数字计算机。这里概述的物理计算说明既显示了不同类型的计算（例如数字、模拟和其他类型）的不同之处，也显示了它们都算作真正的计算类型的原因。综合起来，这些考虑表明大脑可以真正地进行计算，而它是否这样做则是一个经验性的说法。此外，虽然模拟计算是一种真正的计算类型，但它与数字计算在神经科学家、认知科学家和理论计算机科学家看来存在一些不明显的不同。我们将讨论其中一些差异。
从模拟到数字计算：智人的大脑是否正在成为图灵机？
现代计算的抽象基础是有限状态机（通用图灵机）的正式描述，它基于整数和逻辑符号的操纵。在这篇关于计算机-大脑类比的论述中，我们讨论了哺乳动物大脑执行的模拟计算与通用图灵机的数字计算的相似程度和不同程度。我们从普通现实开始，即连续世界和不连续世界之间的永久对话。计算也是如此，它可以是模拟的，也可以是数字的，而且经常是混合的。计算机背后的理论本质上是数字的，但可以通过模拟设备对现象进行有效的模拟；事实上，任何物理计算都需要在物理世界中实现，因此在某种程度上是模拟的，尽管它基于抽象的逻辑和算术。哺乳动物的大脑由神经网络组成，起到模拟设备的作用，并产生了以数字算法实现但功能与模拟模型相同的人工神经网络。模拟结构通过实现各种反馈和前馈回路来进行计算。相比之下，数字算法允许实施递归过程，从而使其能够产生无与伦比的新兴特性。我们简要说明了神经元的皮层组织如何整合信号并进行类比预测。虽然我们得出结论，大脑不是数字计算机，但我们推测最近在大脑中实现的人类书写可能是一种数字路径，可以慢慢将大脑进化为真正的（慢速）图灵机。