XiaoMi-AI文件搜索系统
World File Search System物理建模
电力系统桌面设计及多领域物理...
概述 SaberRD 是一种直观的集成环境，用于设计和分析电力电子系统和多领域物理系统。SaberRD 以成熟的 Saber® 仿真技术为核心，将易用性与处理当今复杂电力问题的能力相结合，使工程师能够探索设计性能、优化稳健性并确保系统可靠性，适用于广泛的发电、转换和配电应用。SaberRD 真正的多领域物理建模能力和无与伦比的分析能力为工程师提供了一个支持完整系统设计的虚拟原型平台。SaberRD 为普通用户和专家用户提供直观灵活的用户界面，可加速汽车、航空航天、国防和工业电力工程组织的设计。
课程名称：先进半导体封装的协同设计和建模
电子设计自动化 (EDA) 和多物理建模（电气、热和机械）支持的芯片封装系统协同设计是先进半导体封装的关键基础技术。全球半导体行业都依赖这些软件工具来开发先进的半导体封装产品，用于消费电子、运输、航空航天、数据中心、物联网、人工智能、工业和可再生能源等市场的微电子和电力电子封装。美国、欧洲、印度和世界各地最近颁布的芯片法案就是明证，这些行业需要员工具备由 EDA 和多物理建模与仿真支持的协同设计数字技能。这是一门实践课程，包含理论和设计、建模和仿真工具的使用。课程目标/学习成果
![arxiv：2403.02338v2 [cs.ro] 2024年10月14日](/simg/e\ee3c46bb24e50db31410e5afeea40f4c0447111e.webp)
arxiv：2403.02338v2 [cs.ro] 2024年10月14日
摘要：由于许多操纵任务的接触性质以及协调高维基数系统固有的复杂性，用两个多指手操纵物体是机器人技术的长期挑战。在这项工作中，我们分享了对物理建模，实时感知和奖励设计的新颖见解，从而使使用深度强化学习（RL）在模拟中训练的政策能够有效，有效地转移到现实世界中。具体来说，我们考虑了用两只手扭曲各种瓶子样物体的盖子的问题，这些问题表明了具有多种看不见的对象以及动态和灵活性行为的概括能力的政策。据我们所知，这是第一个在双手多指手中启用此类功能的SIM模型RL系统。
朝着安全，可靠和有效的网络物理...
在本演讲中，我将通过特征通过物理建模和计算来表征非接触式侧渠道的因果关系，限制和缓解，在关键基础架构中CP的关键组成部分中的安全性和隐私。具体来说，我将介绍一系列的论文研究，以使用硬件 - 软件共同设计和尖端的AI技术来研究针对智能手机嵌入的传感器，IoT设备中的计算和控制单元的侧向通道攻击，以及无线传输中的元数据，以及提出有效的防御方法。除了强调这些研究的学术和工业影响外，我还将证明我未来的研究愿景，即开发软件定义，模型和隐私的机制，以保护新兴的CPS平台。
Weihan Li - 基于物理模型的电池数字孪生
这项工作是我在 2018 年至 2021 年担任亚琛工业大学电力电子与电气驱动研究所 (ISEA) 电化学能量转换与存储系统系主任期间从事的研究助理工作期间开展的。这项工作的动机是基于物理建模、电池数据和机器学习的集成来开发电池系统的数字孪生，以更好地利用锂离子电池。如果没有欧盟通过 EVERLASTING (713771) 和 BSMS (EU-1-1-081) 项目提供的资金、德国联邦教育和研究部 (BMBF) 通过 Model2Life (03XP0334) 项目提供的资金以及德国联邦交通和数字基础设施部 (BMVI) 通过 X-EMU (03B10502B) 项目提供的资金，这项工作就无法完成。
面向下一代太空应用的光子集成电路 (PIC)
制定白皮书和测试计划，用于定义 PIC 技术 (TID、DD、SEE) 中潜在的辐射诱发故障机制 完成 Freedom Photonics PIC TID 和 DD 测试 (使用 50 MeV 质子进行高通量测试) 与 Georgia Tech 合作完成集成硅波导重离子测试。计划测试 GT SiN 波导和分立硅光子器件 (MZM) 计划在商用分立和集成光子器件 (UCSB、NeoPhotonics 等) 调查中进行额外的 TID 和 DD 质子测试 使用 Lumerical 物理建模和贝叶斯分析来分析 PIC 辐射数据的趋势。
加速 AI 数据管道
几乎每个行业的组织都认识到数据具有巨大的价值。如今，从数据中提取可操作信息的技术不断成熟。无论是药物研发、地球物理建模还是开发自动驾驶汽车，那些学会利用这些技术的人都会获得竞争优势。随着将数据转化为可操作见解的价值日益明显，收集和处理数据的动力也随之增强。数据越精细、越全面，就越能识别和利用趋势。如此丰富的数据增强了人工智能 (AI) 模型的训练并提高了业务效率。这就是为什么公司纷纷转向采用 AMD EPYC™ 处理器的 Supermicro® 服务器，以挖掘各种数据密集型应用程序和工作负载的变革潜力：
电动机替代模型的数据有效的机器学习方法 /作者= Wang，Bingnan; Sakamoto，Yusuke /creationDate = 2024年6月5日 /受试者=电气系统，机器学习，多物理建模< /div < /div>
电动机广泛用于家庭和各种行业，其技术和设计原则已良好。但是，电机设计和定制的要求，特别是对于电动汽车和飞机等新应用以及工厂自动化的要求，总是对汽车设计人员构成新的挑战。参数扫描或迭代优化方法经常被使用，以评估大量设计候选者，然后再识别特定任务的最佳设计。对每个电动机设计糖果的准确分析通常依赖于有限元分析（FEA）的数值模拟，这些模拟是耗时的，尤其是当评估一个设计的各种操作点时。因此，希望寻求FEA的替代分析方法来快速预测运动性能。基于替代模型的优化已被研究以加快过程[1]。由于高度非线性的性质，传统替代模型的准确性在预测某些运动性能（例如扭矩波形和效率图）时会受到影响。近年来，机器学习和深度学习方法已经找到了许多应用，并且由于其模拟高度非线性功能的能力而应用于运动设计[2]，[3]。这种方法的一个主要挑战是达到合理预测准确性所需的大型数据集大小。在本文中，我们提出了用于电动机设计优化的数据有效机器学习模型的三种策略：一个，减少用于电机设计的机器学习模型的输入维度；第二，与基于物理的方法结合
生物医学光学中的深度学习 - Muyinatu Bell
生物医学光学是研究生物光与物质相互作用的学科，其总体目标是开发可用于诊断、治疗和外科手术的传感平台 [1]。在这个庞大而活跃的研究领域中，新系统不断被开发出来，以利用独特的光与物质相互作用来提供临床有用的特征。这些系统在信噪比 (SNR)、采集速度、空间分辨率、视场 (FOV) 和景深 (DOF) 方面面临固有的权衡。这些权衡会影响临床系统的成本、性能、可行性和整体影响。生物医学光学开发人员的作用是设计优化或理想地克服这些权衡的系统，以适当地满足临床需求。在过去的几十年里，生物医学光学系统设计、图像形成和图像分析主要由经典的物理建模和信号处理方法指导。然而，最近，深度