XiaoMi-AI文件搜索系统
World File Search System缩放
负偏置温度不稳定性对缩放逻辑电路中单粒子瞬变的影响
此外，当在这些先进节点中考虑单粒子瞬变 (SET) 时，对软错误的敏感性会变得更加糟糕。此类 SET 可能是由高能粒子（如宇宙中子）撞击半导体器件敏感区域引起的，这会影响电路性能。16,17 例如，当粒子撞击硅衬底时，它们会产生二次电子-空穴对，这些电子-空穴对可被周围的 pn 结收集，从而影响器件行为。18,19 发射的阿尔法粒子主要是由于芯片封装中的铀和钍杂质的放射性衰变。当阿尔法粒子穿过半导体器件时，电子会沿着阿尔法粒子的轨迹从晶格位置脱落。20,21 临界电荷是翻转逻辑所需的最小电荷。除了单粒子放电 (SET) 之外，撞击还可能导致单粒子翻转 (SEU)，这两者都会妨碍电路的正常运行，并导致软错误。22-25 质子的直接电离可能会导致临界电荷 (Q crit) 较低的器件发生 SEU。26
基于 MEMS 的微离子阱阵列用于量子模拟缩放
桑迪亚国家实验室的线性离子阱芯片采用金属 MEMS 工艺进行微加工。平面金属阱电极（W 表面涂有 Au）和穿过 Si 基板的孔定义了捕获区域，并允许激光以 3D 光学方式访问在孔上纵向延伸的 RF 引线之间捕获的离子。孔边缘的控制电极定义了七个捕获段。空气桥接金属引线减少了电容和 RF 耗散到基板。捕获离子图像来自上面显示的 ITC。
基于域壁运动的缩放自旋逻辑设备的全电控制
摘要 - 基于域墙（DW）运动的旋转逻辑设备提供了灵活的体系结构，以存储和携带逻辑信息在电路中。在此设备概念中，信息以多个磁性隧道连接（MTJ）共享的磁道磁态进行编码，并通过DW运动处理。在这里，我们证明可以使用新型的MTJ堆栈来实现这种基于纳米级DW的逻辑设备的全电动控制。除了各向同性的场驱动运动外，我们还显示了由电流驱动的DWS的方向运动，这是逻辑操作的关键要求。使用DW运动对逻辑门的完整电气控制。我们的设备在全晶片的IMEC的300毫米CMOS Fab中制造，这清除了大规模集成的路径。因此，此概念证明为逻辑和神经形态应用提供了高性能和低功率DW设备的潜在解决方案。
动态缩放对称性和时间依赖性标量场的渐近量子相关性
我们考虑具有较大n限制和半经典重力二重描述的6D超符号的理论（SCFTS）。使用6D SCFT的Quiver样结构，我们研究了一个免受大型操作员混合的操作员的子部门。这些操作员以一维自旋链中的自由度为特征，相关状态通常是高度纠缠的。这在强耦合的量子场理论中提供了量子样状态的具体实现。重新归一化组流量转化为这些一维自旋链的特定变形。我们还提出了一种猜想的自旋链哈密顿量，该链链条跟踪这些状态的演变是重新归一化组流的函数，并在这种情况下研究了量子操作。对没有广告双重的理论的类似考虑，例如从t 2上的部分张量分支理论获得的6D小字符串理论和4D SCFT。
高度可拉伸射频电子设备的力学和电磁缩放定律
a 大连理工大学工业装备结构分析、优化及 CAE 软件国家重点实验室，大连 116024，中国 b 大连理工大学工程力学系，大连 116024，中国 c 大连理工大学 DUT-BSU 联合学院，大连 116024，中国 d 莱斯大学机械工程系，德克萨斯州休斯顿 77005，美国 e 西北大学材料科学与工程系，伊利诺伊州埃文斯顿 60208，美国 f 西北大学 Querrey Simpson 生物电子研究所，伊利诺伊州埃文斯顿 60208，美国 g 西北大学机械工程系，伊利诺伊州埃文斯顿 60208，美国 h 西北大学土木与环境工程系，伊利诺伊州埃文斯顿 60208，美国 i 西北大学生物医学工程系，伊利诺伊州埃文斯顿，美国j 美国伊利诺伊州芝加哥西北大学范伯格医学院神经外科系
灵长类视觉腹侧流任务优化模型的缩放定律
在足够大的对象分类数据集上进行训练时，特定的人工神经网络模型可以合理匹配核心对象识别 (COR) 行为和灵长类视觉腹侧流 (VVS) 中的潜在神经反应模式。机器学习的最新发现表明，在更大的数据集上训练更大的模型并投入更多的计算预算可以提高任务性能，但目前尚不清楚规模如何影响大脑对齐。我们在此研究了灵长类 VVS 建模的缩放定律，这些定律涉及以受控方式训练的 300 多个模型中数据集和模型大小的计算最优分配。为了评估模型的大脑对齐，我们使用了一组涵盖整个 VVS 和 COR 行为的基准。我们发现，虽然增加模型参数的数量最初会改善大脑对齐，但更大的模型最终会导致收益递减。增加数据集大小可以从经验上持续改善对齐，但我们推断，这里的规模对于非常大的数据集也会趋于平稳。将我们对模型和数据大小的最佳计算预算分配与缩放定律相结合，我们预测单凭规模不会导致大脑与当前架构和数据集的一致性取得实质性进展。
杜松范围缩放状态防火墙和企业的源NAT -JVD
此JVD涵盖了网络体系结构的组合，其中MX系列路由器和SRX系列防火墙以单个或双配置连接（请参见第4页的图2）。它使用网络冗余机制在MX系列路由器转发层和SRX系列防火墙服务层之间提供流动弹性（MNHA，又名L3群集在文档稍后将在文档中说明）。使用ECMP配置双MX系列路由器，使用服务冗余守护程序（SRD）来监视触发第二个MX系列路由器故障转移的故障事件。请注意，交通负载平衡器（TLB）不需要。另外，当发生任何其他故障时，BFD协议也用于从路由的角度捕获故障转移机制。SRX的MNHA允许在两个节点之间同步会话（状态会话），以便现有的流量和隧道可以继续不间断。
缩放定律，以预测湿度引起的水凝胶的肿胀和僵硬
水凝胶是吸收水的聚合物网络，由于它们的脱水行为，近几十年来吸引了人们的注意力。它们已被证明是从园艺1-4到软机器人或组织工程5-9的各种应用。用于软机器人技术的水凝胶依赖于由水凝胶中水量变化而导致的机械僵硬的固有变化。 在米饭或面食等日常食品中观察到这种关系（可以描述为基于淀粉的水溶液），柔软度随水含量而增加。 在过去的三十年中，有大量的研究重点是肿胀行为1,10-16或机械僵硬5,6,9,17–24,24-31。 一个值得注意的例子是Li等人的研究，该研究使用Flory-Huggins理论来开发一个可以用来将肿胀与渗透压相关联的状态方程。32。 尤其是，他们发现渗透压与交联密度无关，表明由相同基础单体组成的凝胶可以类似地处理。 他们的工作以及他人的共同工作表明，在接近完全肿胀的状态下的水凝胶肿胀和僵硬行为的强烈基本上；但是，我们对肿胀和僵硬如何依赖湿度的了解较少。 刚度的水凝胶研究通常将分析限制为完全潮湿的状态23–25,33–36。 水凝胶中的水肿也受环境环境中的相对湿度的控制。依赖于由水凝胶中水量变化而导致的机械僵硬的固有变化。在米饭或面食等日常食品中观察到这种关系（可以描述为基于淀粉的水溶液），柔软度随水含量而增加。在过去的三十年中，有大量的研究重点是肿胀行为1,10-16或机械僵硬5,6,9,17–24,24-31。一个值得注意的例子是Li等人的研究，该研究使用Flory-Huggins理论来开发一个可以用来将肿胀与渗透压相关联的状态方程。32。尤其是，他们发现渗透压与交联密度无关，表明由相同基础单体组成的凝胶可以类似地处理。他们的工作以及他人的共同工作表明，在接近完全肿胀的状态下的水凝胶肿胀和僵硬行为的强烈基本上；但是，我们对肿胀和僵硬如何依赖湿度的了解较少。刚度的水凝胶研究通常将分析限制为完全潮湿的状态23–25,33–36。水凝胶中的水肿也受环境环境中的相对湿度的控制。这种湿度引起的肿胀对于食物尤其重要
ScaleHD：通过自适应缩放实现强大的大脑启发式超维计算
受大脑启发的超维计算 (HDC) 在机器人、生物医学信号分析和自然语言处理等各种认知任务中表现出良好的能力。与深度神经网络相比，HDC 模型具有轻量级模型和一次性/少次学习能力等优势，使其成为传统资源密集型深度学习模型的有前途的替代范式，尤其是在资源有限的边缘设备中。尽管 HDC 越来越受欢迎，但尚未对 HDC 模型的鲁棒性和增强 HDC 鲁棒性的方法进行系统分析和充分研究。HDC 依靠称为超向量 (HV) 的高维数值向量来执行认知任务，HV 中的值对于 HDC 模型的鲁棒性至关重要。我们提出了 ScaleHD，一种自适应缩放方法，可以缩放 HDC 模型的联想记忆中的 HV 值，以增强 HDC 模型的鲁棒性。我们提出了三种不同的ScaleHD模式，包括Global-ScaleHD、Class-ScaleHD和(Class+Clip)-ScaleHD，它们基于不同的自适应缩放策略。结果表明，ScaleHD能够将HDC对内存错误的鲁棒性提高到10,000𝑋。此外，我们利用增强的HDC鲁棒性，通过电压缩放方法节省能源。实验结果表明，ScaleHD可以将HDC内存系统的能耗降低高达72.2%，而准确度损失不到1%。