XiaoMi-AI文件搜索系统
World File Search System能量效率
基于约束量子优化的新型量子遗传算法
摘要 摘要 在过去的几十年中，已经开发出了许多量子算法。阻碍这些算法广泛实施的主要障碍是可用量子计算机的量子比特规模太小。盲量子计算 (BQC) 有望通过将计算委托给量子远程设备来处理此问题。在这里，我们介绍了一种新颖的约束量子遗传算法 (CQGA)，该算法以非常低的计算复杂度选择约束目标函数（或庞大的未排序数据库）的最佳极值（最小值或最大值）。由于约束经典遗传算法 (CCGA) 收敛到最优解的速度高度依赖于最初选择的潜在解的质量水平，因此 CCGA 的启发式初始化阶段被量子阶段取代。这是通过利用约束量子优化算法 (CQOA) 和 BQC 的优势实现的。所提出的 CQGA 用作上行链路多小区大规模 MIMO 系统的嵌入式计算基础设施。该算法在考虑不同用户目标比特率类别的同时，最大化上行大规模 MIMO 的能量效率 (EE)。仿真结果表明，建议的 CQGA 通过仔细计算每个活跃用户的最佳发射功率，使用比 CCGA 更少的计算步骤，实现了能量效率的最大化。我们证明，当整体发射功率集或总体活跃用户数量增加时，与 CCGA 相比，CQGA 始终执行较少数量的生成步骤。例如，如果我们考虑将总体活跃用户数量 () 设置为 18 的场景，CQGA 会使用较少的生成步骤数（等于 6）找到最优解，而 CCGA 则需要更多的生成步骤数，达到 65。
峰值神经网络模拟的环境
在大脑中，信号的事件驱动性质和以尖峰信号形式编码的信息允许以很少的能量执行巨大的数据处理过程。因此，神经网络研究正在发展为接近生物学模型。很长一段时间以来，将通过基于尖峰的计算模型来实现神经网络的未来。在尖峰神经网络中，信息在尖峰信号中编码。将信息作为尖峰列车保留，可以像标准的计算机体系结构一样以二进制形式表示信息，但以时间依赖的方式表示。这降低了信息的传输和处理成本。出于所有这些原因，峰值计算模型的计算和能量效率高于前几代。
高效随机激光发射收集系统的能量测试
摘要。本文讨论了随机激光器 (RL) 中的光收集问题。由于该系统发射的辐射由于其空间不相干性而呈朗伯辐射，因此设计、开发和测试了一种基于椭圆旋转镜的装置，以优化 RL 发射的辐射的收集。该系统提供了一种在多模光纤入口处注入发射能量的简单程序。所得结果表明，该装置的净能量效率为 35%，接近理论预期。© 作者。由 SPIE 根据 Creative Commons Attribution 4.0 Unported 许可证发布。分发或复制本作品的全部或部分内容需要完全署名原始出版物，包括其 DOI。[DOI：10.1117/1.OE.60.1.010502]
铁氧化还原液流电池的进展 - ijrpr
氧化还原液流电池的概念是在 20 世纪 70 年代提出的，铁基系统由于化学性质简单而成为早期候选系统 [5]。早期原型采用 FeCl₃/FeCl₂，表现出中等能量效率，但受到氢气析出和交叉损耗等问题的限制 [2]（Weber 等人，2011 年）。20 世纪 80 年代，材料科学和电化学工程的进步促进了更坚固的膜和更稳定的电解质配方的开发，从而提高了 IRFB 的寿命和效率 [16]。先进的离子选择性膜的集成减少了电解质之间的交叉污染，这是实现大规模应用的关键一步 [14]。
胎盘转移动力和母体共证的疫苗诱导的婴儿抗体的耐用性
这项工作通过开发具有二维（时频）卷积长期记忆（ConvlstM2D）的混合和尖峰形式的心脏异常检测，并具有封闭形式的连续（CFC）神经网络（SCCFC），这是一个是生物生物味的Sallow Sallow sallow sallow sallow sallow sallof netward。该模型在心脏异常检测中达到了F1分数，AUROC为0.82和0.91。这些结果可与非加速ConvlstM2D-CFC（CORVCFC）模型1相媲美。值得注意的是，SCCFC模型在模拟Loihi的神经形态芯片架构上的估计功率消耗显示出明显更高的能量效率，与ConverCFC模型在传统过程中的450 µ µ J/INF的消耗相比。另外，作为概念验证，我们在常规且相对受资源约束的Radxa零上部署了SCCFC模型，该模型配备了Amlogic S905Y2处理器进行验证培训，这导致了绩效证明。在常规GPU上对2个时期进行初步训练后，F1分别和AUROC分别从0.46和0.65和0.56和0.73提高，并在5个时期的室内训练训练中提高了5个。此外，当呈现新数据集时，SCCFC模型展示了可以构成伪观点测试的强样本外泛化功能，实现了F1分数，AUROC为0.71和0.86。峰值SCCFC在鲁棒性方面还表现出在推理过程中有效处理缺失的ECG通道方面的非加速Convcfc模型。该模型的功效扩展到单个铅心电图（ECG）分析，在这种情况下证明了合理的精度，而我们的工作重点一直放在模型的计算和记忆复杂性上。关键字：尖峰神经网络，心电图分析，能量效率，设备微调，生成，鲁棒性。
用双功能的气体扩散电极在高电流密度下的锌溶剂/空气混合流动电池的长期性能
锌电极处的树突状生长和形状变化，[4-10]锌 - 空气电池的性能仍然受到正极氧反应的缓慢动力学的限制。[1,11]已大力努力发展催化剂，以降低正极反应的过电势。在这种情况下，双功能催化剂的发展既可以使充电期间的氧气进化反应（OER）和放电期间的氧还原反应（ORR）受到了最近的关注。[1,2,11 - 13]但是，即使在锌 - 空气电池中具有高性能双功能催化剂，其预期的能量效率也接近65％，[14]必不可少的进一步改进，以进一步改进竞争性实施。Balamurugan等。[15]
![arXiv:2404.11572v1 [quant-ph] 2024 年 4 月 17 日](/simg/g:\will\search\icon\source\f\f9f5c7a03fe692e2207141e4cb25c0541139077c.webp)
arXiv:2404.11572v1 [quant-ph] 2024 年 4 月 17 日
量子计算机的能量效率问题最近才引起人们的关注。对于操作具有目标计算性能的量子计算机所需的资源以及能量需求如何影响可扩展性的精确理解仍然缺失。在这项工作中，研究了囚禁离子装置中量子傅里叶变换 (QFT) 算法的一种实现。主要重点是获得量子计算能量成本的理论表征。通过分析装置的组成部分和量子计算所涉及的步骤（从离子的冷却和准备到算法的实现和结果的读出），估算了实验的能量成本。讨论了能量成本的潜在扩展，并用它来找到与最先进的经典超级计算机相比能量量子优势的可能阈值。
基于LNG-LAES的梯级储能系统设计与分析
摘要 面对日益严峻的能源与环境问题，LNG及可再生能源逐渐走入公众视野，成为解决这些问题的关键。然而，若不能妥善利用LNG中蕴含的大量冷能及调控可再生能源波动性的储能技术，将会造成能源损失。本研究通过结合LNG冷能梯级利用与液态空气储能技术，提出了一种基于LNG-LAES的梯级储能系统。根据终端用户不同时段用电需求的不同，将系统分为三种运行模式，并分别从传热、能量、火用等方面进行分析。分析结果表明，本研究设计的LNG-LAES梯级储能系统在能量效率、火用效率及实用经济性方面均具有一定的优势。
chiplets解决方案的自定义IC
摘要：GPU系统上的AI应用程序在过去10年中随着单芯片推理性能的增加而爆炸了1000倍。需要数以万计的数据中心连接的GPU来训练和推断最先进的生成AI模型。每一代的带宽密度需求增加了2倍。在这些系统的核心，处理器和交换机的核心中被用作2.5D和3D配置中的多个模具。在系统中这些模具之间的超高效互连需要支持整体系统带宽。此谈话将从电路，包装，电源输送和靶向能量效率的热管理范围<100fj/b和带宽密度> 10TBPS/mm的角度来研究最新的当前和未来电气和未来电气和光学芯片到芯片通信。