XiaoMi-AI文件搜索系统
World File Search System脉冲
Hines, Adam D.、Stratton, Peter G.、Milford, Michael 和 Fischer, Tobias (2024) VPRTempo：一种用于视觉的快速时间编码脉冲神经网络
摘要 — 脉冲神经网络 (SNN) 凭借其潜在的节能、低延迟和持续学习能力，处于神经形态计算的前沿。虽然这些功能非常适合机器人任务，但迄今为止，SNN 在该领域的应用有限。这项工作引入了一种用于视觉位置识别 (VPR) 的 SNN，它既可以在几分钟内训练，又可以在几毫秒内查询，非常适合部署在计算受限的机器人系统上。我们提出的系统 VPRTempo 使用抽象的 SNN 克服了训练和推理时间缓慢的问题，该 SNN 以生物现实性换取效率。VPRTempo 采用时间代码，根据像素的强度确定单个脉冲的时间，而之前的 SNN 则依赖于确定脉冲数量的速率编码；将脉冲效率提高了 100% 以上。 VPRTempo 使用脉冲时间依赖性可塑性和监督增量学习规则进行训练，强制每个输出脉冲神经元只对一个位置做出反应。我们在 Nordland 和 Oxford RobotCar 基准定位数据集上评估了我们的系统，这些数据集包含多达 27,000 个位置。我们发现 VPRTempo 的准确性与之前的 SNN 和流行的 NetVLAD 位置识别算法相当，同时速度快几个数量级，适合实时部署 - CPU 上的推理速度超过 50 Hz。VPRTempo 可以作为在线 SLAM 的环路闭合组件集成到资源受限的系统（例如太空和水下机器人）上。
使用低强度脉冲超声开放血脑屏障可以增强对临床前神经胶质瘤模型中免疫疗法的反应
结果：用抗-PD-1和LIPU诱导的BBBD处理的小鼠的中位生存时间为58天，而用抗-PD-1处理的小鼠39天，在对侧半球后对侧重新观察后，长期生存的人都活着。CAR T细胞给药可显着增加24（p <0.005）和72（p <0.005）和72（p <0.001）小时后的T细胞递送到中枢神经系统的增加，并且与单独的CAR T细胞相比，中位生存期的中值增加了129％。在治疗窗口（p¼0.004）期间，胶质瘤微环境中cxcl10分泌APC的局部沉积增强了T细胞神经胶质瘤的纤维瘤，并显着增强了存活率（P <0.05）。结论：LIPU将免疫治疗性递送到肿瘤环境中，WithAnassAssipedIncreaseassurvivalandis是一种增强大脑中新型疗法的新兴技术。
使用有机电化学晶体管阵列和脉冲神经模拟进行神经形态信号分类
摘要 — 神经形态计算是一个令人兴奋且发展迅速的领域，旨在创建能够复制人类大脑复杂动态行为的计算系统。有机电化学晶体管 (OECT) 因其独特的生物电子特性而成为开发此类系统的有前途的工具。在本文中，我们提出了一种使用 OECT 阵列进行信号分类的新方法，该方法表现出类似于通过全局介质连接的神经元和突触的多功能生物电子功能。我们的方法利用 OECT 的固有设备可变性来创建具有可变神经元时间常数和突触强度的储存器网络。我们通过将表面肌电图 (sEMG) 信号分为三个手势类别来证明我们方法的有效性。OECT 阵列通过多个门馈送信号并测量对具有全局液体介质的一组 OECT 的响应来执行有效的信号采集。我们比较了在有和没有将输入投射到 OECT 上的情况下我们的方法的性能，并观察到分类准确率显著提高，从 40% 提高到 68%。我们还研究了不同的选择策略和使用的 OECT 数量对分类性能的影响。最后，我们开发了一种基于脉冲神经网络的模拟，该模拟模仿了 OECT 阵列，并发现基于 OECT 的分类与基于脉冲神经网络的方法相当。我们的工作为下一代低功耗、实时和智能生物医学传感系统铺平了道路。
NSCLC中脑转移酶的机械建模提供了用于个性化预测结果的计算标记 I型糖尿病的自动胰岛素输送的安全加强学习 电池电动汽车长途移动性的模型：多人分析 使用脉冲测试提取电池的扩散阻力和动态 在利用对称性的量子能力上有效界限的层次结构 抗炎药候选者预防和治疗心血管疾病 植物中DNA g-/c Quadruplexes的OMICS研究 Grossberg代码：感知体验的通用神经网络签名 探索住宅部门的能源效率实施措施的成本效益 合并事件中肥料传播细菌侵袭肥料传播细菌的实验证据：抗生素磺胺甲烷的影响 航空航天科学与技术
hal是一个多学科的开放访问档案，用于存款和传播科学研究文件，无论它们是否已发表。这些文件可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
脉冲方法中的光学相编码储存库计算
储层计算是一种植根于经常性神经网络的时间序列处理的监督机器学习方法[1，2]。受到大脑机制的启发，许多相互连接的人工神经元过程输入输入并显示内部记忆。反复的神经网络随后适合于语音识别等时间任务[3，4]，但以难以训练的代价。网络的所有权重需要在时间[5]中使用反向传播进行训练，这是一种耗时的，并非总是在融合[6]。不同，在储层计算（RC）中，仅训练输出层的权重以处理信息[7，8]。这些结构是由三个元素组成的：将数据注入系统中的输入层，由随机连接的大量神经元（或节点）组成的储层，以及一个外部（或读取）层以从储层中提取信息。在储层上的某些条件下，用简单的线性回归训练输出层就足够了[1，8]。在本文中，我们使用单个非线性节点（如[9]中）提供了储层协议的设计。尽管最近的作品已通过光学频率梳子的频率组件成功实现了储层和神经形态的组合[10-12]，但我们在这里利用了时间特征，即脉冲基础，光频率梳子作为储层的节点。此外，使用相干性同伴检测，因此可以在场的相分量中编码信息，而不是其强度或弹性。我们表明，尽管有少量的节点和低可线性的节点，但我们的协议具有良好的性能，同时显示非线性记忆和预测可供使。我们的系统建立在可以使用光脉冲来构建尖峰储层的概念上[13，14]，并且信息注入的相位编码可以在光子储层计算机中获得更好的性能[15，16]。基于光学的计算[17]可能能够给予对电子设备的速度或能源效率。
短脉冲激光辅助制造Si-Sio2微冷却装置
摘要：热管理是最苛刻的检测器技术和微电子学的未来的主要挑战之一。微流体冷却已被提议作为现代高功率微电子中热量耗散问题的完全集成解决方案。基于硅的微流体设备的传统制造涉及用于表面图案的先进的，基于面膜的光刻技术。此类设施的有限可用性阻止了广泛的开发和使用。我们演示了无掩模激光写作的相关性，以有利地替换光刻步骤并提供更原型的过程流。我们使用脉冲持续时间为50 ps的20 W红外激光器雕刻并钻出525 µm厚的硅晶片。阳极键与SIO 2晶片用于封装图案表面。机械夹紧入口/出口连接器完成了完全操作的微动设备。该设备的功能已通过热流体测量验证。我们的方法构成了一个模块化的微观分化解决方案，该解决方案应促进针对共同设计的电子和微流体的新概念的原型研究。
![b' 在本研究中，我们报告了超快速瞬态热带 (THS) 技术用于测量氮化铝 (AlN) 薄膜各向异性热导率的实现情况。AlN 薄膜是通过在硅基板上制备的氧化硅 (SiO 2 ) 薄膜上在低温 (> 250 C) 下生长的反应性直流磁控溅射制备的。使用产生超短电脉冲\xc2\xad ses 的实验装置对热导率进行精确测量，并在纳秒和微秒时间尺度上电测量随后的温度升高。在 AlN 加工之前，将电脉冲施加在 SiO 2 上图案化的金属化条带内，并在 [0.1 \xe2\x80\x93 10 \xce\xbc s] 范围内选择的时间段内分析温度升高。当厚度从 1 \xce\xbc m 增加到 2 \xce\xbc m 时，AlN 横向平面（平面内）热导率分别从 60 增加到 90 W m 1 K 1（33 \xe2\x80\x93 44 W m 1 K 1）。这清楚地表明了 AlN 薄膜热导率的各向异性。此外，AlN 的体积热容量估计为 ~2.5 10 6 JK 1 m 3 。'](/simg/3/3667ff1348138e0ee8b2d560bc8bba8245de6047.webp)
b' 在本研究中，我们报告了超快速瞬态热带 (THS) 技术用于测量氮化铝 (AlN) 薄膜各向异性热导率的实现情况。AlN 薄膜是通过在硅基板上制备的氧化硅 (SiO 2 ) 薄膜上在低温 (> 250 C) 下生长的反应性直流磁控溅射制备的。使用产生超短电脉冲\xc2\xad ses 的实验装置对热导率进行精确测量，并在纳秒和微秒时间尺度上电测量随后的温度升高。在 AlN 加工之前，将电脉冲施加在 SiO 2 上图案化的金属化条带内，并在 [0.1 \xe2\x80\x93 10 \xce\xbc s] 范围内选择的时间段内分析温度升高。当厚度从 1 \xce\xbc m 增加到 2 \xce\xbc m 时，AlN 横向平面（平面内）热导率分别从 60 增加到 90 W m 1 K 1（33 \xe2\x80\x93 44 W m 1 K 1）。这清楚地表明了 AlN 薄膜热导率的各向异性。此外，AlN 的体积热容量估计为 ~2.5 10 6 JK 1 m 3 。'
b' 在本研究中，我们报告了超快速瞬态热带 (THS) 技术用于测量氮化铝 (AlN) 薄膜各向异性热导率的实现情况。AlN 薄膜是通过在硅基板上制备的氧化硅 (SiO 2 ) 薄膜上在低温 (> 250 C) 下生长的反应性直流磁控溅射制备的。使用产生超短电脉冲\xc2\xad ses 的实验装置对热导率进行精确测量，并在纳秒和微秒时间尺度上电测量随后的温度升高。在 AlN 加工之前，将电脉冲施加在 SiO 2 上图案化的金属化条带内，并在 [0.1 \xe2\x80\x93 10 \xce\xbc s] 范围内选择的时间段内分析温度升高。当厚度从 1 \xce\xbc m 增加到 2 \xce\xbc m 时，AlN 横向平面（平面内）热导率分别从 60 增加到 90 W m 1 K 1（33 \xe2\x80\x93 44 W m 1 K 1）。这清楚地表明了 AlN 薄膜热导率的各向异性。此外，AlN 的体积热容量估计为 ~2.5 10 6 JK 1 m 3 。'
基于反向传播的深度脉冲神经网络学习技术：综述
摘要 — 随着智能系统的采用，人工神经网络 (ANN) 已变得无处不在。传统的 ANN 实现能耗高，限制了它们在嵌入式和移动应用中的使用。脉冲神经网络 (SNN) 通过二进制脉冲随时间分布信息来模拟生物神经网络的动态。神经形态硬件的出现充分利用了 SNN 的特性，例如异步处理和高激活稀疏性。因此，SNN 最近引起了机器学习社区的关注，成为低功耗应用的 ANN 的受大脑启发的替代品。然而，信息的离散表示使得通过基于反向传播的技术训练 SNN 具有挑战性。在这篇综述中，我们回顾了针对深度学习应用（例如图像处理）的深度 SNN 的训练策略。我们从基于从 ANN 到 SNN 的转换的方法开始，并将它们与基于反向传播的技术进行比较。我们提出了一种新的脉冲反向传播算法分类法，将其分为三类，即：空间方法、时空方法和单脉冲方法。此外，我们还分析了提高准确性、延迟和稀疏性的不同策略，例如正则化方法、训练混合和调整特定于 SNN 神经元模型的参数。我们重点介绍了输入编码、网络架构和训练策略对准确性-延迟权衡的影响。最后，鉴于准确、高效的 SNN 解决方案仍面临挑战，我们强调了联合硬件和软件共同开发的重要性。