XiaoMi-AI文件搜索系统
World File Search System节能
基于节能神经形态计算的超导循环的Fluxon Synapse设备的评估
由于CMOS技术的物理规模限制，摩尔定律接近终结，替代计算方法已引起了相当大的关注，这是改善计算性能的方法。在这里，我们评估了一种新方法的性能前景，基于与约瑟夫森 - 界面的无序超导循环进行节能神经形态计算。突触权重可以存储为与多个约瑟夫森 - 界面（JJ）相连的三个超导环的内部捕获式磁通状态，并以以控制方式以离散通量（量化的通量）施加的输入信号调节。稳定的捕获的磁通状态将传入通量通过不同的途径，其流量统计量代表不同的突触权重。我们使用这些Fluxon Synapse设备的阵列探讨了矩阵 - 矢量 - 义务（MVM）操作的实现。我们研究了MNIST数据集的在线学习的能源效率。我们的结果表明，与其他最先进的突触设备相比，Fluxon Synapse阵列可以减少100倍的能量消耗。这项工作提出了概念验证，该概念将为基于超导材料的高速和高能节能的神经形态计算系统铺平道路。
AI驱动的智能照明系统，用于节能和自适应城市环境
城市照明系统对于安全，保障和生活质量至关重要，但是它们经常消耗巨大的能量，并且缺乏对不断变化的状况的适应性。传统的照明系统依赖于固定的时间表和手动调整，从而导致效率低下，例如过度灌输和能源浪费。本文探讨了人工智能（AI）和物联网技术如何通过基于环境条件和人类活动的实时调整，节能和自适应照明来优化城市照明。通过整合运动传感器，天气预报和交通系统的数据，城市可以减少能源消耗，提高安全性并改善居民的生活质量。实验结果表明，能源效率，照明质量和运营成本的显着提高，为智能城市照明系统提供了可持续的蓝图。
节能边缘计算：当Lyapunov符合分布的强化学习
摘要 - 在这项工作中，我们研究了通过边缘计算启用的流量计算的能量计算的问题。在考虑的情况下，多个用户同时竞争有限的无线电和边缘计算资源，以在延迟约束下处理经过处理的流量任务，并有可能利用所有网络节点的低功率睡眠模式。无线电资源分配考虑了细胞间和细胞内干扰，并且必须共同优化无线电和计算设备的职责周期，以最大程度地减少整体能源消耗。为了解决这个问题，我们将基本问题提出为动态的长期优化。然后，基于Lyapunov随机优化工具，我们将该法式问题与CPU调度问题和无线电资源分配问题分配为每插槽。虽然第一个可以使用快速迭代算法来最佳且有效地解决，但第二个可以使用分布式的多代理增强式学习来解决第二个算法，因为其非凸性和NP固定度。所得框架最多可实现96。基于详尽搜索的最佳策略的5％性能，同时大大降低了复杂性。与基准启发式方法相比，提出的解决方案还允许提高网络的能量效率。
利用可变刚度弹簧实现高速机器人的节能拾放运动
通常，对于高速运行的拾放机器人，在机器人制动阶段会损失大量能量。这是因为在这种运行阶段，大部分能量都以热量的形式耗散在电机驱动器的制动电阻上。为了提高高速拾放循环中的能源效率，本文研究了与电机并联配置的可变刚度弹簧 (VSS) 的使用。这些弹簧在制动阶段储存能量，而不是耗散能量。然后释放能量以在下一个位移阶段驱动机器人。这种设计方法与运动发生器相结合，通过基于机器人动力学求解边界值问题 (BVP)，寻求优化轨迹以减少输入扭矩（从而减少能耗）。在五杆机构上对所提出方法的实验结果表明，输入扭矩大幅减少，因此能量损失也随之减少。
对食品行业过程热量的节能技术和脱碳解决方案的审查
摘要：食品行业的许多过程中都涉及热量：干燥，溶解，离心，提取，清洁，洗涤和冷却。热量产生几乎包括所有过程。本评论首先提出了两个代表性的案例研究，以确定哪些过程依赖于主要的能源消耗和温室气体（GHG）排放。通过对制冷，热量产生，废热回收和热能储存中采用的技术的彻底审查来探索节能和脱碳潜在的解决方案。收集了工厂的信息，以在实际条件下显示其性能。在制冷部门中，天然流体替代了高-GWP（全球变暖电位）制冷剂，以降低温室气体的排放。是最伟大的消费者，使用热量成本（LCOH）比较了热产生技术。该分析表明，吸收热变压器和高温热泵是经济和脱碳的观点最有趣的技术，而废热恢复技术则是最短的投资回收期。在所有部门中，组件，存储技术，多代系统，智能行业的概念以及可再生能源的渗透的能源效率提高似乎是有价值的途径。
基于图神经网络的图形结构SFC的节能VNF部署，并限制了深度强化学习
摘要 - 网络函数虚拟化（NFV），该函数将网络函数从硬件中解除，并将其转换为独立于硬件的虚拟网络函数（VNF），是许多新兴网络域，例如5G，Edge，Edge Computing和Data-Center网络。服务功能链（SFC）是VNF的有序集。VNF部署问题是在SFC中找到最佳的部署策略VNF，同时保证服务级协议（SLA）。现有的VNF部署研究主要关注无能量考虑的VNF序列。但是，随着用户和应用程序要求的快速开发，SFC从序列到动态图，服务提供商对NFV的能源消耗越来越敏感。因此，在本文中，我们确定了能节能的图形结构的SFC问题（EG-SFC），并将其作为组合优化问题（COP）提出。受益于COP机器学习的最新进展，我们提出了一个基于约束深度强化学习（DRL）方法的端到端图神经网络（GNN）来求解EG-SFC。我们的方法利用图形卷积网络（GCN）表示DRL中的双重Q-Network（DDQN）的Q网络。提出了掩模机制来处理COP中的资源约束。实验结果表明，所提出的方法可以处理看不见的SFC图，并且比贪婪的算法和传统DDQN更好地表现出更好的性能。
将于 2025 年 3 月 31 日至 4 月 2 日在欧洲设计、自动化和测试会议 (DATE'25) 上发表。最新成果：节能印刷
印刷电子 (PE) 已成为一种变革性技术，旨在解决传统硅基系统的局限性 [1]。印刷设备具有机械灵活性、保形性、无毒性以及超低制造和非重复工程 (NRE) 成本。然而，PE 具有大尺寸特征，导致严格的功率和面积限制，从而使实现复杂的数据路径（如机器学习 (ML) 算法）具有挑战性。利用 PE 的低 NRE 和制造成本，非常规计算范式（如定制（即具有硬连线值的完全定制电路）和近似计算）已被用于实现电池供电的印刷 ML 电路 [2]–[4]。然而，最先进的技术主要致力于减少面积开销，而忽略了能源效率，这对于延长印刷应用中的电池寿命至关重要。在这项工作中，我们解决了这些限制，并提出了一种将最先进的准确度与最高能源效率相结合的 ML 分类器设计。我们专注于支持向量机 (SVM)，因为它们在与 PE 应用相关的分类任务中非常有效，并且设计了顺序打印的 SVM，每个周期计算一个支持向量，压缩所需的计算引擎并最大限度地降低能源需求。此外，选择 One-vs-Rest (OvR) 算法来最大限度地降低与支持向量存储相关的硬件要求。与最先进的方法相比，我们的 SVM 实现了 6.5 倍的平均能量降低，同时实现了更高的准确率。
您的节能净零合作伙伴
这个项目在爱尔兰科克郡的Ballyvourney展示了一个30 kWP的太阳能系统，带有20 kW solis逆变器。面板是向南的，并使用Van der Valk安装系统以10度的音高安装。Limerick Punch Consulting进行的一项结构调查确保了系统的完整性。在SEAI赠款的支持下，该项目的投资回收期为4。5年，估计每年能源产量为24 MWH。委托于2024年3月1日委托，由于我们的内部设计和安装团队的专业知识，该系统目前符合客户总体能源负载的70％。
通过基于注意力的深度强化学习实现节能的 VNF-FG 嵌入
摘要 — 设计智能机制以促进和加速服务部署和管理是网络基础设施提供商面临的最具挑战性的方面之一。这是由于他们预计要支持的大量流量、架构的分散性质以及他们运行的服务以满足质量目标并避免违反服务水平协议 (SLA)。因此，通信服务提供商 (CSP) 正致力于减少能源消耗和减少其网络基础设施的碳足迹。在未来的通信网络中，传统的管理机制和集中式传统解决方案在确保基础设施提供商、服务提供商的收入以及最终用户的良好体验质量 (QoE) 方面显示出其局限性。这些服务的部署通常需要有效分配虚拟网络功能转发图 (VNF-FG)。在此背景下，我们提出了一种基于多智能体注意力的深度强化学习 (DRL) 的智能节能 VNF-FG 嵌入方法。我们的贡献使用半分布式 DRL 机制进行 VNF-FG 放置。事实证明，所提出的算法在接受率、功耗和执行时间方面优于以前最先进的方法。索引词——能源效率、深度强化学习、注意力、多智能体、虚拟网络功能嵌入。
节能，绿色gampus
定义：校园：大学边界内的任何地方。活动：任何活动，会议，会议，研讨会，研讨会，演出，演讲或聚会发生在校园上。i一次使用：任何旨在使用一次，然后处置或销毁的任何物品。一次性的prastic食品服务商品：任何包，吸管，杯子，容器，骑乘，cu1ery，搅拌器或由塑料制成的盘子或仅用于一次性用途的盘子。此定义包括可满足这些棘皮动物的可堆肥或可生物降解的塑料（例如氧化物生物降解或基于蔬菜的塑料）。一次性塑料搅拌器：任何形成或模制的容器，主要由塑料树脂组成，并将其作为单利用容器，其中包含任何用于人类消费的饮料。此定义包括符合这些标准的可堆肥或可生物降解的塑料。一次性塑料横幅：由塑料制成的任何形状，仅用于一次使用的旗帜'此定义包括可满足这些标准的可堆肥或可生物降解的塑料（例如Oxo生物降解或基于蔬菜的塑料）。，rr，r“ r*”。，r1 ,,