在过去的半个世纪里,摩尔定律在半导体领域的发展中扮演了至关重要的角色,而半导体领域的发展直接依赖于大约每两年一次的维度缩放。在每个技术节点上,微芯片的性能、功率、面积和成本 (PPAC) 都有望实现显著提升。然而,通过提高分辨率技术实现的激进间距缩放变得越来越难以维持。短沟道效应,例如高漏电流、漏极诱导势垒降低效应,会大大降低器件性能。因此,由于优越的静电可控性,器件架构从平面迁移到 3D 鳍状结构已被采用,以继续进一步缩放的步伐。目前,2020 年 5 纳米技术节点的栅极长度已令人难以置信地缩小到 12 纳米以下,接近量子力学极限。为了解决持续缩放问题,已经开发出一种工艺流程和设计定义之间的联合设计技术协同优化 (DTCO) 工作,它有助于通过及早识别缩放瓶颈并找到不会给设计或工艺点带来过重负担的路径来管理先进技术节点的提升。借助这种方法,摩尔定律可以继续推动其向 3 纳米以下节点迈进。
摘要。针对节能和最佳WSN的最佳部署问题,本文建立了最佳覆盖模型。同时,提出了一种基于粒子群理论和量子的粒子群优化的节能部署算法。准物理策略,即准实体和准库仑力,在量子粒子群优化算法的位置进化方程中引入,这可以合理地调节传感器节点之间的距离。此外,该算法可以以低区域重复速率获得快速优化。此外,对WSN节点的传感半径进行动态调整,以最大程度地减少节点的能量消耗。模拟结果表明,与传统的粒子群和量子性粒子群群优化方案相比,所提出的算法在网络覆盖率和收敛速度方面具有更好的性能。同时,该算法在减少WSN中的节点能量消耗方面具有一定的优势。
在生物网络中,某些节点比其他节点更有影响力。最具影响力的节点是那些其消除会导致网络崩溃的节点,而检测这些节点在许多情况下至关重要。然而,当生物网络规模很大时,这是一项艰巨的任务。在本文中,我们设计并实现了一种高效的并行算法,利用图形处理单元 (GPU) 检测大型生物网络中的有影响力节点。所提出的并行算法背后的基本概念是重新设计几个计算量巨大的检测有影响力节点的程序,并将其转化为相当高效的 GPU 加速原语,如并行排序、扫描和缩减。四个局部指标,包括度中心性 (DC)、伴随行为 (CB)、聚类系数 (CC) 和 H 指数,用于衡量节点影响力。为了评估所提出的并行算法的效率,在实验中采用了五个大型真实生物网络。实验结果表明:(1) 与相应的串行算法相比,所提出的并行算法可以实现大约 48 ∼ 94 的加速比; (2) 与在多核 CPU 上开发的基线并行算法相比,所提出的并行算法对于 DC 和 H-Index 的加速比为 5 ∼ 9,而对于 CB 和 CC 的加速比由于度分布不均匀而略慢;(3) 当使用 DC 和 H-Index 时,所提出的并行算法能够在不到 3 秒的时间内检测出由 1.5 亿条边组成的大型生物网络中的影响节点。© 2019 Elsevier BV 保留所有权利。
摘要 —本文介绍了适用于自供电无线传感器网络 (WSN) 节点的硬件平台的设计、实现和特性。其主要设计目标是设计一个混合能量收集系统,以延长 WSN 节点在现场环境中部署后的使用寿命。除了实现最佳组件(微控制器、传感器、射频 (RF) 收发器等)以实现最低功耗外,还需要考虑能源,而不是频繁充电或更换电池。因此,该平台采用了多源能量收集模块,从周围环境中收集能量,包括风能、太阳辐射和热能。该平台还包括一个通过超级电容器、RF 收发器模块和主微控制器模块的能量存储模块。实验结果表明,经过适当集成的 WSN 节点系统将储备足够的能量,并满足现场环境中无电池的 WSN 节点的长期供电需求。实验结果和九天的经验测量表明,平均每日发电量为7805.09 J,远远超过WSN节点的能量消耗(约2972.88 J)。
免责声明 - 本信息按“原样”提供,不作任何陈述或保证。Imec 是 IMEC International(根据比利时法律成立的法人实体,名称为“stichting van openbaar nut”)、imec Belgium(由弗兰德政府支持的 IMEC vzw)、imec the Dutch(Stichting IMEC Nederland,由荷兰政府支持的 Holst Centre 的一部分)、imec Taiwan(IMEC Taiwan Co.)、imec China(IMEC Microelectronics (Shanghai) Co. Ltd.)、imec India(Imec India Private Limited)、imec Florida(IMEC USA 纳米电子设计中心)活动的注册商标。