XiaoMi-AI文件搜索系统
World File Search System粗粒度
PACE：RISC-V SoC 中适用于边缘计算应用的可扩展且节能的 CGRA
简介 ƒ 粗粒度可重构阵列 (CGRA) 可提供高能效，同时保持可编程性优势。 ƒ CGRA 是高效处理循环内核的理想选择，它允许它从 CPU 卸载重复循环函数，例如向量乘法或散列算法。 ƒ 它依靠编译器将给定的工作负载转换为数据流图 (DFG)，然后以实现最高能效的方式将其映射到硬件上。
利用偏远岛屿的本地 5G 对精炼产品进行人工智能粒度测定……
由于大型工厂的结构具有室内和室外设施，很难建立使用有线或无线局域网的通信环境，并且还存在由于数字化延迟而导致运营效率下降的问题。存在。 Ø 在偏远海岛工厂搭建本地5G环境，通过共享大量数据提高机器巡检工作效率，利用无人机确定原材料数量，利用4K摄像头检测非法入侵者，并自动判断非法入侵者使用人工智能进行精炼产品的粒度演示。 Ø 通过本地制造数字化提高生产力和运营效率。
来自石榴果皮的粗提取物的涂层的效果混合...
摘要使用琼脂二聚体扩散方法研究了香料果皮与壳聚糖混合在抑制四种微生物的生长中，抑制四种微生物的生长，抑制四种微生物的生长。发现与壳聚糖混合的石榴果皮的粗提取物有效地抑制了所有测试过的微生物的生长。在另一项研究中，将黄瓜水果（SpeedMax品种）涂有1）壳聚糖，2）与壳聚糖混合的石榴果皮中的粗提取物，并与对照组（浸入水中）进行比较。黄瓜在7°C下储存，并每7天记录每7天的黄瓜的质量归因。通过测量黄瓜水果的体重减轻，成熟和变质来记录实验结果。发现与壳聚糖混合（CHI + PPE，2.59±0.01）混合的粗化石榴果皮提取物涂料对体重损失百分比没有显着影响，与壳聚糖（CHI，2.58±0.01）相比，但与对照组的涂层有显着差异（2.93±0.001）。然而，用粗化石榴果皮提取物与壳聚糖（CHI + PPE）混合的涂料黄瓜倾向于增加成熟的量比壳聚糖和对照组涂层的成熟量更大（p <0.05）。与对照组相比，仅壳壳涂层就无法延迟黄瓜水果的变质。然而，发现涂有粗化石榴果皮提取物与壳聚糖混合的黄瓜水果比用壳聚糖和对照涂层的壳聚糖更宠坏（p <0.05）。关键字：黄瓜，石榴果皮，壳聚糖，涂料
oracle骨铭文的粗到1个生成模型
由于古老的起源，在出土的甲骨文骨铭文（OBI）中有许多不可或缺的字符，这使伟大的challenges带来了认可和研究。近年来，图像介绍技术取得了显着的进步。但是，这些模型无法适应OBI的唯一字体形状和复杂的文本背景。为了应对这些上述挑战，我们提出了一种使用生成的对抗网络（GAN）恢复受损的OBI的两阶段方法，该方法结合了双重歧视者结构，以捕获全球和局部图像。为了准确恢复图像结构和细节，提出了空间注意机制和新型损失函数。通过将现有OBI和各种蒙版的清晰副本喂入网络中，它可以学会为缺失区域生成内容。实验结果揭示了我们提出的方法完成OBI的有效性。
粒度及预烧温度对氧化锆块性能的影响
摘要：本研究旨在评估粒度和预烧结温度对预烧结整体式氧化锆块力学性能的影响。氧化锆块采用两种氧化锆 3YSZ 粉末制成：一种粒度为 20 纳米（20 nmZ），另一种粒度为 60 纳米（60 nmZ）。块体通过胶体加工制备；通过注浆成型和冷等静压成型；并在 850、900 和 950 °C 下部分烧结 2 小时。20 nmZ 和 60 nmZ 块的直径为 40 毫米，厚度分别为 5 毫米和 20 毫米。随后检查了块体的收缩性、硬度和密度特性。20 nmZ 块比 60 nmZ 块表现出更高的收缩性、预烧结密度和维氏硬度。 20 nmZ 块的维氏硬度值范围为 0.9 GPa 至 1.27 GPa。这些值与商业产品的硬度值相当。在最高烧结温度下烧结时，20 nmZ 和 60 nmZ 块分别达到理论密度的 96.5% 和 95.9%。结果表明，通过控制母体氧化锆粉末的初始粒度并在适当的温度下对块进行预烧结可以改善预烧结单片氧化锆块的机械性能。
用于 HL 的 CMS 高粒度量热仪 (HGCAL)...
高粒度量热仪（HGCAL）将取代现有的CMS端盖预簇射量热仪、电磁量热仪和强子量热仪，这些量热仪在HL-LHC上均无法保持性能。
通过粗到精特征自适应实现跨域目标检测
近年来，基于深度学习的目标检测取得了长足的进步。然而，由于域转移问题，将现成的检测器应用于看不见的域会导致性能大幅下降。为了解决这个问题，本文提出了一种新的由粗到细的特征自适应方法用于跨域目标检测。在粗粒度阶段，与文献中使用的粗糙的图像级或实例级特征对齐不同，采用注意机制提取前景区域，并通过在公共特征空间中多层对抗学习根据其边缘分布进行对齐。在细粒度阶段，我们通过最小化来自不同域但属于同一类别的全局原型的距离来进行前景的条件分布对齐。由于这种由粗到细的特征自适应，前景区域中的领域知识可以得到有效的迁移。在各种跨域检测场景中进行了大量的实验。结果是最先进的，证明了所提出方法的广泛适用性和有效性。
信息论中的最佳重正化群变换
最近，引入了一种新颖的实空间重正化群 (RG) 算法。通过最大化信息论量，即实空间互信息，该算法可确定相关的低能自由度。受此启发，我们研究了平移不变系统和无序系统的粗粒化程序的信息论性质。我们证明，完美的实空间互信息粗粒化不会增加重正化汉密尔顿量中的相互作用范围，并且对于无序系统，它会抑制重正化无序分布中相关性的产生，从这个意义上讲是最优的。我们通过对干净随机的伊辛链进行任意粗粒化，通过经验验证了这些复杂性度量作为 RG 保留信息的函数的衰减。结果建立了 RG 作为压缩方案的性质与物理对象（即汉密尔顿量和无序分布）性质之间的直接且可量化的联系。我们还研究了约束对通用 RG 程序中粗粒度自由度的数量和类型的影响。
通过生成对抗网络快速模拟高粒度量热仪
摘要 我们提出了 3DGAN，用于模拟未来高粒度量热仪的三维图像输出。我们证明了生成对抗网络 (GAN) 在生成科学数据方面的有效性，同时在大量输入变量中保持对各种指标的高准确度。我们展示了迁移学习概念的成功应用：我们训练网络模拟来自较小范围的初级能量的电子簇射，然后进一步训练五倍大的范围（模型无法直接训练更大的范围）。同样的概念被扩展到为其他粒子生成簇射，这些粒子的大部分能量都沉积在电磁相互作用中（光子和中性介子）。此外，还探索了带电介子簇射的生成，更准确的努力需要来自其他探测器的额外数据，而这些数据不在当前工作的范围内。我们的进一步贡献是演示了如何使用 GAN 生成的数据进行实际应用。我们使用 GAN 生成的数据训练第三方网络，并证明响应类似于使用蒙特卡罗模拟数据训练的网络。GAN 生成的阵雨对各种物理特征的准确度在蒙特卡罗的 10% 以内，速度提高了三个数量级。通过分布式训练可以进一步提高训练和推理的速度。