XiaoMi-AI文件搜索系统
World File Search System现场可编程门阵列
万亿像素 GeoAI 挑战赛研讨会
AI 人工智能 ANL 阿贡国家实验室 API 应用程序编程接口 AWS 亚马逊网络服务 BigEarth BigEarth 欧洲研究委员会 CADES 科学计算和数据环境 CNCF 云原生计算基金会 CV 计算机视觉 CVPR 计算机视觉和模式识别会议 DARPA 国防高级研究计划局 DARPA STO 国防高级研究计划局战略技术办公室 DHS 国土安全部 DL 深度学习 DOE 能源部 EO 地球观测 FEMA 联邦紧急事务管理局 FPGA 现场可编程门阵列 FTP 文件传输协议 GCP 谷歌云平台 GDAL 地理空间数据抽象库 GeoAI 用于地理知识发现的人工智能 GIS 地理信息科学 HDD 硬盘驱动器 HPC 高性能计算 HTTP 超文本传输协议 IoT 物联网 MIT 麻省理工学院 ML 机器学习 NAIP 国家农业图像计划 NASA 美国国家航空航天局 Navy 海军信息战中心太平洋 NCCS 国家计算科学中心 NDAAS NSG 数据分析建筑服务 NDWI 归一化差异 水指数 NGA 国家地理空间情报局 NISR 巴西 国家空间研究所 巴西
空间应用印刷电路板的高密度互连技术评估
摘要 — 高密度互连 (HDI) 印刷电路板 (PCB) 和相关组件对于使太空项目受益于现代集成电路（如现场可编程门阵列、数字信号处理器和应用处理器）日益增加的复杂性和功能性至关重要。对功能性的不断增长的需求意味着更高的信号速度和越来越多的输入/输出 (I/O) 数量。为了限制整体封装尺寸，元件的触点焊盘间距会减小。大量 I/O 与减小的间距相结合对 PCB 提出了额外的要求，需要使用激光钻孔微孔、高纵横比核心过孔以及小的轨道宽度和间距。虽然相关的先进制造工艺已广泛应用于商业、汽车、医疗和军事应用，但将这些性能的进步与太空的可靠性要求相协调仍然是一个挑战。考虑了两种类型的 HDI 技术：两级交错微孔（基本 HDI）和（最多）三级堆叠微孔（复杂 HDI）。本文介绍了根据 ECSS-Q-ST-70-60C 对基本 HDI 技术的鉴定。在 1.0 毫米间距下，该技术成功通过了所有测试。在 0.8 毫米间距下，互连应力测试和导电阳极丝测试期间会遇到故障。这些故障为更新 HDI PCB 的设计规则提供了基础。
可重构神经形态系统的低延迟分层路由
使用现场可编程门阵列 (FPGA) 实现可重构硬件加速器以进行脉冲神经网络 (SNN) 模拟是一项有前途且有吸引力的研究，因为大规模并行性可以提高执行速度。对于大规模 SNN 模拟，需要大量 FPGA。然而，FPGA 间通信瓶颈会导致拥塞、数据丢失和延迟效率低下。在这项工作中，我们为多 FPGA 采用了基于树的分层互连架构。这种架构是可扩展的，因为可以将新分支添加到树中，从而保持恒定的本地带宽。基于树的方法与线性片上网络 (NoC) 形成对比，在片上网络 (NoC) 中，拥塞可能由众多连接引起。我们提出了一种路由架构，该架构通过采用随机仲裁引入仲裁器机制，考虑先进先出 (FIFO) 缓冲区的数据级队列。该机制有效地减少了由 FIFO 拥塞引起的瓶颈，从而改善了整体延迟。结果显示了为延迟性能分析而收集的测量数据。我们将使用我们提出的随机路由方案的设计性能与传统的循环架构进行了比较。结果表明，与循环仲裁器相比，随机仲裁器实现了更低的最坏情况延迟和更高的整体性能。
在核反应堆中使用基于 FPGA 的 I&C 系统的设计问题
FPGA（现场可编程门阵列）广泛应用于工业的各个领域。FPGA 可用于执行安全关键且需要高可靠性的功能，例如汽车、飞机控制和辅助以及航空航天工业中的关键任务应用。凭借这些优点，FPGA 在核电站仪表和控制 (I&C) 系统中的应用越来越受到全世界的关注，主要用于反应堆保护系统 (RPS)。原因包括传统的模拟电子技术已经过时。新反应堆的 I&C 系统已设计为采用 PLC（可编程逻辑控制器）和 DCS（分布式控制系统）等数字设备。但是基于微处理器的系统可能由于其复杂的特性而无法简单地满足要求。例如，微处理器内核一次执行一条指令，并且需要一个操作系统来管理程序的执行。反过来，FPGA 可以在没有操作系统的情况下运行，并且设计架构本质上是并行的。在本文中，我们旨在评估基于 FPGA 的解决方案的这些和其他优势以及局限性，同时考虑到在核电站 I&C 系统中使用 FPGA 的设计指南和规定。我们还将研究 FPGA 中的一些电路设计技术，以帮助减轻故障并提供冗余。目标是展示基于 FPGA 的系统如何为现代化项目中的 I&C 系统和 RMB（巴西多用途反应堆）提供具有成本效益的选择，确保安全可靠的运行，满足分离、冗余和多样性等许可要求。
具有定制的人工神经网络处理器...
摘要 — 本文介绍了一种具有自定义指令集架构的嵌入式可编程处理器的设计和实现，用于高效实现人工神经网络 (ANN)。ANN 处理器架构可扩展，支持任意数量的层和每层人工神经元 (AN) 数量。此外，该处理器支持具有任意 AN 间互连结构的 ANN，以实现前馈和动态循环网络。该处理器架构是可定制的，其中 AN 之间的输入、输出和信号的数值表示可以参数化为任意定点格式。本文介绍了一种设计的可编程 ANN 处理器的 ASIC 实现，用于具有多达 512 个 AN 和 262,000 个互连的网络，估计占用 2.23 mm2 的硅片面积，在 1.6 V 电源下以 74 MHz 运行，采用标准 32 nm CMOS 技术，功耗为 1.25 mW。为了评估和比较所设计的 ANN 处理器的效率，我们设计并实现了专用的可重构硬件架构，用于直接实现 ANN。本文介绍了所设计的可编程 ANN 处理器和 Xilinx Artix-7 现场可编程门阵列 (FPGA) 上的专用 ANN 硬件的特性和实现结果，并使用两个基准进行了比较，即使用前馈 ANN 的 MNIST 基准和使用循环神经网络的电影评论情绪分析基准。
用于太空监视的实时空间目标检测和跟踪算法的实现
摘要：天基目标监视对航天安全具有重要意义。然而，随着空间环境的日益复杂，恒星目标和强噪声干扰给空间目标检测带来了困难。同时，由于资源限制，星载处理平台难以兼顾实时性和计算性能。异构多核架构具备相应的处理能力，为天基应用提供了兼具实时性和计算性能的硬件实现平台。本文首次提出了一种光学图像序列中空间目标的多阶段联合检测与跟踪模型（MJDTM）。该模型结合改进的局部对比度法和卡尔曼滤波对潜在目标进行检测和跟踪，并利用运动状态的差异对恒星目标进行抑制。然后，建立了基于现场可编程门阵列（FPGA）和数字信号处理器（DSP）的异构多核处理系统，作为天基图像处理系统。最后，在上述图像处理系统上对MJDTM进行了优化和实现。使用模拟和实际图像序列进行的实验检验了MJDTM的准确性和效率，其检测概率为95％，而误报率为10 −4 。实验结果表明，该算法硬件实现仅需22.064 ms即可检测出1024×1024像素图像中的目标，满足天基监视的实时性要求。
具有定制的人工神经网络处理器...
摘要 — 本文介绍了一种具有自定义指令集架构的嵌入式可编程处理器的设计和实现，用于高效实现人工神经网络 (ANN)。ANN 处理器架构可扩展，支持任意数量的层和每层人工神经元 (AN) 数量。此外，该处理器支持具有任意 AN 间互连结构的 ANN，以实现前馈和动态循环网络。该处理器架构是可定制的，其中 AN 之间的输入、输出和信号的数值表示可以参数化为任意定点格式。本文介绍了一种设计的可编程 ANN 处理器的 ASIC 实现，用于具有多达 512 个 AN 和 262,000 个互连的网络，估计占用 2.23 mm2 的硅片面积，在 1.6 V 电源下以 74 MHz 运行，采用标准 32 nm CMOS 技术，功耗为 1.25 mW。为了评估和比较所设计的 ANN 处理器的效率，我们设计并实现了专用的可重构硬件架构，用于直接实现 ANN。本文介绍了所设计的可编程 ANN 处理器和 Xilinx Artix-7 现场可编程门阵列 (FPGA) 上的专用 ANN 硬件的特性和实现结果，并使用两个基准进行了比较，即使用前馈 ANN 的 MNIST 基准和使用循环神经网络的电影评论情绪分析基准。
在核反应堆中使用基于 FPGA 的 I&C 系统的设计问题
FPGA（现场可编程门阵列）广泛应用于工业的各个领域。FPGA 可用于执行对安全至关重要且需要高可靠性的功能，例如汽车、飞机控制和辅助以及航空航天工业中的关键任务应用。凭借这些优点，FPGA 在核电站仪表和控制 (I&C) 系统中的应用，尤其是反应堆保护系统 (RPS)，受到全世界越来越多的关注。原因包括传统的模拟电子技术已经过时。新反应堆的 I&C 系统已设计为采用数字设备，例如 PLC（可编程逻辑控制器）和 DCS（分布式控制系统）。但是，基于微处理器的系统可能由于其复杂的特性而无法简单地满足要求。例如，微处理器内核一次执行一条指令，并且需要操作系统来管理程序的执行。反过来，FPGA 可以在没有操作系统的情况下运行，并且设计架构本质上是并行的。在本文中，我们旨在评估基于 FPGA 的解决方案的这些和其他优势以及局限性，同时考虑到在核电站 I&C 系统中使用 FPGA 的设计指南和规定。我们还将研究 FPGA 中的一些电路设计技术，以帮助减轻故障并提供冗余。目标是展示基于 FPGA 的系统如何为现代化项目中的 I&C 系统和 RMB（巴西多用途反应堆）提供具有成本效益的选择，确保安全可靠的运行，满足分离、冗余和多样性等许可要求。
文章 支持并行识别的嵌入式 AI 系统的多核控制器
摘要：人工智能 (AI) 技术的最新进展促进了 AI 系统在各种应用中的应用。在大多数部署中，基于 AI 的计算系统采用中央服务器处理大部分数据的架构。此特性使系统使用大量网络带宽并可能导致安全问题。为了克服这些问题，提出了一种称为联邦学习的新 AI 模型。联邦学习采用一种架构，其中客户端负责数据训练并仅将训练结果传输到中央服务器。由于来自客户端的数据训练抽象并减少了原始数据，因此系统在减少网络资源和增强数据安全性的情况下运行。具有联邦学习的系统支持各种客户端系统。要构建具有资源有限的客户端系统的 AI 系统，将客户端系统与多个嵌入式 AI 处理器组合是有效的。为了实现具有这种架构的系统，引入控制器来仲裁和利用 AI 处理器成为一项严格的要求。在本文中，我们提出了一种用于联邦学习的嵌入式 AI 系统，该系统可以根据应用灵活地与 AI 核心组合。为了实现所提出的系统，我们设计了一个多 AI 核心控制器，并将其实现在现场可编程门阵列 (FPGA) 上。通过图像和语音应用程序验证了所设计的控制器的运行，并通过模拟器验证了其性能。
RadPC@Scale：RadPC 单粒子扰动缓解策略的新方法
摘要 — 本文介绍了一种针对计算机数据存储器的单粒子翻转 (SEU) 缓解策略的飞行测试结果。这种内存故障缓解策略是使用商用现货 (COTS) 现场可编程门阵列 (FPGA) RadPC 构建耐辐射计算系统的更大努力的一部分。虽然 RadPC 的先前迭代使用 FPGA 块 RAM (BRAM) 作为其数据存储器，但本文介绍的 RadPC 的特定组件是一种新颖的外部存储器方案，其附带系统可以检测和纠正计算机拟议数据存储器中发生的故障，同时允许计算机继续前台运行。2021 年 7 月，在 Raven Aerostar Thunderhead 高空气球系统上飞行了内存保护方案的原型实现。这次飞行将实验带到了 75,000 英尺的高度，持续了 50 小时，使实验中的内存受到电离辐射的轰击，而不会被地球大部分大气层衰减。本文将讨论故障缓解策略、飞行演示的实验设计以及飞行数据结果的细节。本文可能会引起正在设计将暴露于电离辐射的飞行计算机系统并正在寻找与现有抗辐射解决方案相比成本更低的 SEU 缓解策略的工程师的兴趣。索引术语 — FPGA、内存、辐射