XiaoMi-AI文件搜索系统
World File Search System设计空间
使用电路合成探索量子设计空间
NISQ和FT的量子“汇编”基础架构：•跨门集（NISQ和FT）的便携式，QPU架构•支持更高的维度抽象（多Qubit Gates，Qutrits等）•在多个参数化和具体编码中操纵电路•提供错误缓解
快速 IC 设计空间探索的可行性预测
摘要：DARPA POSH 计划与研究界产生共鸣，并指出工程生产力已落后于摩尔定律，导致领先技术节点的 IC 设计成本过高。主要原因是完成设计实施需要大量计算资源、昂贵工具，甚至需要很多天的时间。然而，在此过程结束时，一些设计无法满足设计约束并变得无法布线，从而形成恶性电路设计循环。因此，设计人员必须在设计修改后重新运行整个过程。本研究采用机器学习方法自动识别设计约束和设计规则检查 (DRC) 违规问题，并通过迭代贪婪搜索帮助设计人员在漫长的详细布线过程之前识别具有最佳 DRC 的设计约束。所提出的算法实现了高达 99.99% 的设计约束预测准确率，并减少了 98.4% 的 DRC 违规，而面积损失仅为 6.9%。
品味设计空间软件系统的模型检查：
基于模型的系统工程 (MBSE) 是一种采用的建模和开发方法，用于对复杂软件系统（如空间应用）进行正确的构建。TASTE [1] 是 ESA 支持的实用且成熟的 MBSE 工具集，可实现软件系统开发大部分阶段的自动化：(i) 通过多种建模和编程语言（例如 ASN.1、AADL、SDL、C/C++）进行异构系统设计，(ii) 代码生成、构建和部署二进制应用程序，(iii) 通过静态分析和模拟进行验证，以及 (iv) 通过模型检查对属性进行形式化验证。形式化验证功能最近已添加到 ESA 项目“空间系统形式化验证的模型检查”(MoC4Space) 中的 TASTE 工具集中，并在两个实际案例研究中进行了验证。在本文中，我们报告了项目期间的成果和经验教训。
在线附录运动互动技术的设计空间
名义任务复杂性（Gentile，1972，2000）请参阅：Edwards 2010，请参阅：Sigrist等。2013请参阅：Magill and Anderson，2010
MIT 开放获取文章 长期的设计空间......
长时储能 (LDES) 是解决可再生能源发电间歇性问题的潜在解决方案。我们在此评估了 LDES 在脱碳电力系统中的作用，并确定了 LDES 大幅降低电力成本和取代低碳发电所需的成本和效率性能。我们发现储能容量成本和放电效率是最重要的性能参数。充电/放电容量成本和充电效率起着次要作用。能源容量成本必须≤ 20 美元/千瓦时，才能将电力成本降低≥ 10%。根据目前的电力需求情况，能源容量成本必须≤ 1 美元/千瓦时，才能完全取代所有模拟的低碳发电技术。在北纬地区实现终端用途电气化使得完全取代低碳发电更具挑战性，并且需要已知的 LDES 技术不太可能实现的性能组合。最后，对电力成本和低碳发电影响最大的 LDES 系统的储能时间超过 100 小时。
扩大技术介导的剧院体验的设计空间
将实时性能和技术结合的工作通常涉及将技术直接纳入舞台上的性能，包括交互式服装或表演者控制的套装，照明或声音。我们将这种常见的方法倒置，在现场戏剧制作的时间和空间范围之外开发技术介导的经验。我们与专家剧院从业人员一起描述了4个月的共同设计流程，并确定该过程是如何塑造我们的设计准则的，2）扩展了围绕跨学科合作的现有最佳实践的讨论。通过设计风格，我们介绍了三个带注释的原型：增强的游戏播放式游戏，祈祷轮和塔罗牌，以及随附的AR应用程序，以传达我们在整个项目中迭代地否决的决策和哲学。这些文物还体现了我们的六个设计指南：共鸣，扩展叙事，反思性互动，选择性揭示，个性化的体验和特权访问。
扩大技术介导的剧院体验的设计空间
将实时性能和技术结合的工作通常涉及将技术直接纳入舞台上的性能，包括交互式服装或表演者控制的套装，照明或声音。我们将这种常见的方法倒置，在现场戏剧制作的时间和空间范围之外开发技术介导的经验。我们与专家剧院从业人员一起描述了4个月的共同设计流程，并确定该过程是如何塑造我们的设计准则的，2）扩展了围绕跨学科合作的现有最佳实践的讨论。通过设计风格，我们介绍了三个带注释的原型：增强的游戏播放式游戏，祈祷轮和塔罗牌，以及随附的AR应用程序，以传达我们在整个项目中迭代地否决的决策和哲学。这些文物还体现了我们的六个设计指南：共鸣，扩展叙事，反思性互动，选择性揭示，个性化的体验和特权访问。
探索EV充电站的计划和操作设计空间
电动汽车遭受了较长的充电时间和短驱动范围，将EV的用法限制在日常的短期通勤而不是一般的范围内使用。在用于电动汽车充电基础架构的候选人中，公共电动汽车充电站体系结构的好处是，它可以有效地投资昂贵的设备，以及带有多个充电周期的远程旅行。本文着重于包括PV面板，储能系统（ESS）和多个快速DC充电柱的EC充电站体系结构。系统地得出最佳计划，即确定这些组件的最佳尺寸，这是一个复杂的问题，因为EV充电站操作和计划是交织在一起的。在本文中，我们通过制定平均奖励马尔可夫决策过程（MDP）最大化问题来得出EV充电站的运营政策，以合成最大化运营收入的控制器。然后，出于电动汽车充电站计划的目的，这些控制器用于评估运营收入。为了有效探索设计空间，我们执行了一种基于搜索的技术，将顺序二次编程（SQP）与贪婪算法结合在一起。当ESS和PV面板的成本在将来继续降低时，长期运营成本将有显着的收益。我们的解决方案框架是一种有用的工具，可以确定公共电动汽车充电站的最佳计划和操作策略。
带有 GNN 的电路图，用于探索最佳设计空间
模拟电路的设计自动化在设计空间大、电路规范之间复杂的相互依赖关系以及资源密集型模拟方面提出了重大挑战。为了应对这些挑战，本文提出了一个创新框架，称为电路图探索器 (GCX)。利用图结构学习和图神经网络，GCX 能够创建一个代理模型，该模型有助于在半监督学习框架内有效探索最佳设计空间，从而减少对大型标记数据集的需求。所提出的方法包括三个关键阶段。首先，我们学习电路的几何表示并用技术信息丰富它以创建一个综合特征向量。随后，将基于特征的图学习与少样本和零样本学习相结合，增强了对未见电路预测的普遍性。最后，我们介绍了两种算法，即 EASCO 和 ASTROG，它们与 GCX 集成后可优化可用样本以产生符合设计者标准的最佳电路配置。通过使用 180 nm CMOS 技术中导出的参数对各种电路进行模拟性能评估，证明了所提方法的有效性。此外，该方法的通用性扩展到高阶拓扑和不同的技术节点，例如 65 nm 和 45 nm CMOS 工艺节点。
