XiaoMi-AI文件搜索系统
World File Search System解算器
R2 SILCAM：逻辑解算器和通信管理器
• LO-LO：动态且跟随负载，此跳闸算法可保护电解器免受最危险事件的影响，这些事件包括膜撕裂和短路。 • 热独立 HI/HIHI：基于单个电池与其相邻电池相比的发热量，此跳闸算法将在任何条件下保护您。 • 绝对 HI/HIHI：传统的固定高跳闸。 • 全局 HI：如果所有电池同时上升。 • 无误跳闸（系统完整性诊断）：系统可识别松动的电缆/接触不良与导致电压下降的危险事件之间的差异。因为电池室需要受到保护以防最坏的情况，而不必担心误跳闸。
Femap：- 西门子 PLM
多解算器支持 Femap 为行业标准解算器提供深入、高质量的支持，包括流行且经过验证的 NX Nastran、MSC/MD Nastran、Abaqus、Ansys、MSC.Marc、LS-DYNA、SINDA 和 TMG。Femap 能够重复使用和集成来自旧数据以及客户和供应商的分析模型。Femap 的完整元素库全面支持物理和材料定义，充分利用了这些解算器的高级功能，包括动态、几何和材料非线性、传热和流体流动应用。
使用基于正向动力学的笛卡尔运动模拟在轨相互作用
在轨操作（例如维修和组装）被视为未来航天工业的优先事项。模拟在轨相互作用的地面设施是开发和测试太空技术的关键工具。本文介绍了一种使用地面机器人操纵器模拟在轨操作的控制框架。它将用于机器人操纵器笛卡尔运动控制的虚拟正向动力学模型 (VFDM) 与基于 Clohessy Wiltshire (CW) 模型的轨道动力学模拟器 (ODS) 相结合。众所周知，基于 VFDM 的逆运动学 (IK) 解算器比传统 IK 解算器具有更好的运动跟踪、路径精度和解算器收敛性。因此，它为基于轨道模拟的操纵器提供了稳定的笛卡尔运动，即使在奇异或接近奇异的配置下也是如此。该框架在 SnT 的 ZeroG-Lab 机器人设施上通过模拟两种场景进行了测试：自由浮动卫星运动和自由浮动相互作用（碰撞）。结果显示，ODS 指挥的模拟运动与机器人安装的模型执行的运动之间存在保真度。
安全设备可靠性手册 - Exida
6.1.7 接近度测量................................................................................................195 6.1.8 温度测量................................................................................................215 6.1.9 其他传感器................................................................................................237 6.2 输入接口模块................................................................................................247 6.3 HART 通信接口................................................................................................295 6.4 逻辑解算器.............................................................................................................303 6.4.1 可编程电子系统....................................................................................303 6.4.2 有限功能系统和继电器....................................................................329 6.5 输出接口模块................................................................................................343 6.6 最终元件.............................................................................................................385 6.6.1 最终元件接口.............................................................................................387 6.6.2 气动接口.....................................................................................................403 6.6.3 执行器.............................................................................................................409 6.6.4 阀门................................................................................................................423 6.6.5 执行器-阀门组合....................................................................................433 6.6.6 燃气压力调节阀....................................................................................451 6.6.7 其他最终元件.......................................................................................459
AI 自适应 POW：用于 DDoS 防御的 AI 辅助工作量证明 (POW) 框架
在客户端-服务器架构中，负载均衡器负责验证和分配各个服务器实例之间的传入客户端请求。这可以防止单个服务器实例不堪重负。客户端通过发起请求开始交互。成功建立连接后，负载均衡器将请求放在服务器队列上。假设服务器的队列大小是有限的，大量恶意流量可能会耗尽此队列，使其无法处理真正的客户端请求。在本文的范围内，我们重新讨论了容量密集型分布式拒绝服务 (DDoS) 攻击。在这里，对手假装是真正的客户端，从而消耗大量服务器资源，并且几乎没有资源留给真正的客户端。一种可能的防御策略是强制所有连接的客户端在初始客户端-服务器连接建立阶段解决工作量证明计算难题。通用工作量证明 (POW) 框架由难题生成器、难题解答器和难题验证器组成。谜题生成器将谜题发送给解算器，解算器解开谜题并将解决方案发送给验证器。这些谜题的难度级别不同，即每个谜题需要不同数量的计算资源才能解决。解决谜题的任务会在交互过程中引入延迟，并且此延迟时间与谜题难度成正比。在本文中，我们使用 Java 编程语言 AI Adaptive POW 构建了一个基于 POW 的 DDoS 防御框架。该框架由人工智能 (AI) 协助，通过分配适当的 POW 谜题自适应地减慢对抗流量，从而在持续的 DDoS 攻击期间提高服务器的可用性。我们的 AI Adaptive POW 框架利用声誉分数来指导决定每个客户端应该解决多难的谜题。声誉分数是一种启发式方法，可指导系统区分真实客户端和恶意客户端。此启发式方法是使用检查传入客户端请求特征的 AI 算法计算的。
使用 AI 进行训练解决经典贪吃蛇游戏... - ijarcce
摘要：一种用于提高电子竞技玩家技能的 AI 机器人。AI 机器人使用最佳优先搜索 (BFS)、带前向搜索的 A* 和全能移动算法来自动解决经典的蛇形游戏。玩家可以跟随同时运行的 AI 机器人有效地玩游戏。为了引入 AI Auto-Bot 游戏解算器的概念，对首次在诺基亚手机中推出的经典蛇形游戏进行了研究。游戏以长度为 1 的蛇开始，每次吃一个新水果时，蛇的大小都会增加一。蛇游戏支持的动作模拟方向：“上”、“下”、“左”、“右”。蛇以头部向前移动，然后是身体。游戏在两种情况下终止，即蛇的头部与自己的身体相撞，头部与游戏板的墙壁相撞。关键词：最佳优先搜索、A* 搜索、带前向检查的 A*、随机移动、全能移动。
变分量子编译的噪声抗性
摘要变分混合量子经典算法 (VHQCA) 是利用经典优化来最小化成本函数的近期算法，该算法可以在量子计算机上进行有效评估。最近，VHQCA 已被提出用于量子编译，其中目标幺正 U 被编译成短深度门序列 V。在这项工作中，我们报告了这些算法一种令人惊讶的噪声弹性形式。也就是说，我们发现尽管在成本评估电路中存在各种不相干噪声源，但人们经常会学习正确的门序列 V（即正确的变分参数）。我们的主要结果是严格的定理，指出最佳变分参数不受广泛噪声模型的影响，例如测量噪声、门噪声和泡利通道噪声。此外，我们在 IBM 噪声模拟器上的数值实现在编译量子傅里叶变换、Toffoli 门和 W 态准备时表现出弹性。因此，变分量子编译由于其稳定性，对于噪声较大的中型量子设备具有实际用途。最后，我们推测这种抗噪声能力可能是一种普遍现象，适用于其他 VHQCA，例如变分量子本征解算器。
实时计算脑电场以实现增强经颅磁刺激神经导航和优化
经颅磁刺激 (TMS) 线圈位置和脉冲波形电流通常用于在目标大脑区域实现指定的电场剂量。通过包括皮质上电场剂量的实时精确分布，可以改进 TMS 神经导航。我们介绍了一种方法并开发了软件来实时计算大脑电场分布，使其易于集成到神经导航中，并具有与一阶有限元法 (FEM) 求解器相同的精度。首先，将头部和允许的线圈位置之间的表面上的白噪声磁流产生的电场的跨度基组 (< 400) 正交化以生成模式。随后，利用互易和惠更斯原理通过 FEM 计算头部和线圈之间的表面上的模式引起的场，这些场与分离表面上的在线（实时）计算的一次场结合使用以评估模式扩展。我们对 8 名受试者的 FEM 和实时计算的 E 场进行了比较分析，使用了两种头部模型类型（SimNIBS 的“headreco”和“mri2mesh”管道）、三种线圈类型（圆形、双锥和 8 字形）和 1000 个线圈位置（48,000 次模拟）。任何线圈位置的实时计算都在 4 毫秒 (ms) 以内，适用于 400 种模式，并且需要 GPU 上不到 4 GB 的内存。我们的解算器能够在 4 毫秒内计算 E 场，使其成为将 E 场信息集成到神经导航系统中的实用方法，而不会对帧生成造成重大开销（分别在 50 毫秒和 20 毫秒内每秒 20 帧和 50 帧）。
策略驱动的 AI 辅助 PoW 框架
分布式拒绝服务 (DDoS) 攻击是一种恶意攻击，它通过使用大量互联网流量淹没目标或其周围的基础设施来破坏目标服务器、服务或网络的正常流量。一种可能的防御策略是采用有效的基于工作量证明 (PoW) 的系统 [3]、[1]、[2]。PoW 系统的工作原理是要求传入的网络请求花费精力解决任意数学难题，以防止任何人攻击系统。在基于 PoW 的系统中，客户端必须投入一些计算（CPU 周期、带宽等）来解决难题以证明其真实性。PoW 系统通常由三部分组成：发行者、求解者和验证者。发行者（也称为生成器）将难题发布给求解者，求解者求解并将解决方案发送给验证者。在简单的联网客户端-服务器环境中，服务器包含发行者/生成器和验证者组件，而客户端是解算器。在本文中，我们构建了一个人工智能 (AI) 辅助的 PoW 框架。我们创建了一个“自适应”发行者，它可以生成具有不同难度的谜题。该系统背后的想法是通过向不可信连接发布“难”谜题来惩罚不可信连接，同时为可信请求提供“简单”谜题。至关重要的是，这些挑战会在环境中为不可信连接引入延迟。可以使用传入流量特定功能来区分可信/不可信客户端。换句话说，AI 子系统可以为传入请求计算信誉分数，从而指导谜题生成器。我们的框架有两个有用的属性。首先，每个客户端都需要为使用系统支付费用，并且随着客户端信誉分数的下降，该费用会增加。其次，难题的工作量是自适应的，可以进行调整。该框架将确保信誉评分较低的客户端比信誉评分较低的客户端接收服务器响应的延迟更长。
论量子随机预言模型中时间锁难题的（不）可能性
时间锁谜题 (TLP) 允许谜题生成器 Gen 高效地为解决方案 s 生成谜题 P ，这样，即使对手使用多台计算机并行运行，将谜题 P 解回 s 也需要更多的时间 。TLP 允许“向未来发送消息”，因为它们只在解算器花费大量时间时才允许“打开信封” P 。Rivest、Shamir 和 Wagner [RSW96] 的工作都提出了时间锁谜题的构造，并介绍了此类原语的应用。它们的构造基于这样一个假设：即使使用并行计算，也无法加快对 RSA 合数模整数的重复平方，除非知道合数的因式分解，在这种情况下他们可以加快该过程。因此，谜题生成器可以通过捷径“解决谜题”来找到解决方案，而其他人则被迫遵循顺序路径。 [ RSW96 ] 的工作还建议将 TLP 用于其他应用，如延迟数字现金支付、密封投标拍卖和密钥托管。Boneh 和 Naor [ BN00 ] 通过定义和构造定时承诺并展示其在公平合约签署等应用中的用途，进一步证明了此类“顺序”原语的实用性。最近，时间锁谜题有了更多的应用，如非交互式非可延展承诺 [ LPS17 ]。尽管它们很有用，但我们仍然不知道如何基于更标准的假设（尤其是基于“对称密钥”原语）构建 TLP。人们可能会尝试使用单向函数的求逆（比如，指数级困难）作为解谜的过程。然而，具有 k 倍并行计算能力的对手可以通过将搜索空间仔细分成 k 个子空间，将搜索过程加快 k 倍。将对称基元视为其极端（理想化）形式，人们可以问随机预言是否可用于构建 TLP。预言模型（尤其是随机预言模型）的优点在于，人们可以根据向其提出的查询总数轻松定义信息论时间概念，还可以根据算法向预言提出的查询轮数定义并行时间概念。这意味着，向预言并行提出 10 个查询只算作一个（并行）时间单位。Mahmoody、Moran 和 Vadhan [MMV11] 的工作通过排除仅依赖随机预言的构造，为从对称基元构建 TLP 提供了强大的障碍。具体而言，已经证明，如果谜题生成器仅向随机预言机提出 n 个查询，并且该谜题可以通过 m 个预言机查询（诚实地）解决，那么总有一种方法可以将解决过程加快到仅 O(n) 轮查询，而总查询次数仍然是 poly(n, m)。请注意，查询总数的多项式极限是使此类攻击有趣所必需的，因为总是有可能在一轮中提出所有（指数级的） oracle 查询，然后无需任何进一步的查询即可解答谜题。 [ MMV11 ] 的攻击实际上是多项式时间攻击，但如果有人愿意放弃该特性并只瞄准多项式数量的查询（这仍然足以排除基于 ROM 的构造）他们也可以在 n 轮中实现它。受量子密码学领域发展的启发，密码系统的部分或所有参与方可能会访问量子计算，我们重新审视了在随机 oracle 模型中构建 TLP 的障碍。Boneh 等人的工作 [ BDF + 11 ] 正式引入了具有量子访问的 ROM 扩展。因此，我们可以研究量子随机预言模型中 TLP 的存在，其中谜题生成器或谜题解决器之一（或两者）都可以访问量子叠加中的随机预言。这引出了我们的主要问题：