作者:JM McQuade · 被引用 30 次 — 成本评估和绩效评估工具。最后... 国防采购部,1987 年 9 月),https://apps.dtic.mil ...
摘要 卷积神经网络(CNN)在图像处理领域得到了广泛的应用,基于CNN的目标检测模型,如YOLO、SSD等,已被证明是众多应用中最先进的。CNN对计算能力和内存带宽要求极高,通常需要部署到专用的硬件平台上。FPGA在可重构性和性能功耗比方面具有很大优势,是部署CNN的合适选择。本文提出了一种基于ARM+FPGA架构的带AXI总线的可重构CNN加速器。该加速器可以接收ARM发送的配置信号,通过分时方式完成不同CNN层推理时的计算。通过结合卷积和池化操作,减少卷积层和池化层的数据移动次数,减少片外内存访问次数。将浮点数转换为16位动态定点格式,提高了计算性能。我们分别在 Xilinx ZCU102 FPGA 上为 COCO 和 VOC 2007 上的 YOLOv2 和 YOLOv2 Tiny 模型实现了所提出的架构,在 300MHz 时钟频率下峰值性能达到 289GOP。
受到天然面包结构的启发,研究人员一直在开发用于耐撞击生物塑料,陶瓷装甲和仿生合金复合材料的高级材料。尽管在改善材料的可塑性方面取得了进展,但大多数现有材料仍然由单尺度脆性单元组成。缺乏分层主动界面和自主响应功能限制了其延展性和整体功能。
1国际应用和理论研究中心(IATRC),巴格达10001,伊拉克2号伊拉克2卡洛斯三世大学,莱加尼斯大学,28911西班牙6号马德里,6电子与传播工程系,耶尔迪兹技术大学,埃森勒,34220,土耳其伊斯坦布尔7,土耳其7工程学院,国王萨特大学,萨特大学,里亚德,里亚德,里亚德,11421,11421,SAUDI ARABIA 8 saudi Arabia Arabia Engineering and Ednap eyh Nemhn Nevern Endering Essering and Edtin,Edten,Edtin,EDTIN,EDTEN, Edinburgh, U.K. 9 Department of Engineering, University of Palermo, Palermo, 90128 Sicily, Italy 10 Institut d'Électronique de Microélectronique et de Nanotechnologie (IEMN), CNRS UMR 8520, ISEN, Centrale Lille, Université Polytechnique Hauts-de-France, University of Lille, 59313 Valenciennes,法国11 Insa Hauts-de-France,59313法国瓦伦西恩斯12号工程与建筑学院,恩纳市科尔大学,94100年,意大利ENNA,INTAL NANTATE DE lA RECHERCHE SCOCKICICIQIE(INRS),INRS) 00133意大利罗马15电子与通信工程部,阿拉伯科学,技术与海事运输学院,开罗11865,埃及1国际应用和理论研究中心(IATRC),巴格达10001,伊拉克2号伊拉克2卡洛斯三世大学,莱加尼斯大学,28911西班牙6号马德里,6电子与传播工程系,耶尔迪兹技术大学,埃森勒,34220,土耳其伊斯坦布尔7,土耳其7工程学院,国王萨特大学,萨特大学,里亚德,里亚德,里亚德,11421,11421,SAUDI ARABIA 8 saudi Arabia Arabia Engineering and Ednap eyh Nemhn Nevern Endering Essering and Edtin,Edten,Edtin,EDTIN,EDTEN, Edinburgh, U.K. 9 Department of Engineering, University of Palermo, Palermo, 90128 Sicily, Italy 10 Institut d'Électronique de Microélectronique et de Nanotechnologie (IEMN), CNRS UMR 8520, ISEN, Centrale Lille, Université Polytechnique Hauts-de-France, University of Lille, 59313 Valenciennes,法国11 Insa Hauts-de-France,59313法国瓦伦西恩斯12号工程与建筑学院,恩纳市科尔大学,94100年,意大利ENNA,INTAL NANTATE DE lA RECHERCHE SCOCKICICIQIE(INRS),INRS) 00133意大利罗马15电子与通信工程部,阿拉伯科学,技术与海事运输学院,开罗11865,埃及
摘要。本文旨在对供应链设计和供应链数字化相关领域的当前研究实践和现有进展研究进行批判性文献综述。本研究旨在揭示数字技术对供应链设计的适应性,并进一步解释数字时代供应链动态重构的问题和要求。综述研究包括与该主题相关的主要期刊上发表的文章,以及对这些研究方法和发现的详细分析。本研究的贡献在于分类学研究,结果揭示了供应链设计数字化的后续发展,并为未来的研究提供了启示。确定了框架开发方面需要进一步研究,数字时代的供应链设计重构对于降低风险水平和提高供应链的效率和响应能力更为重要。
摘要 — 本文提出了一种基于宽带隙 RF 技术设计低噪声放大器的原创方法。这些 LNA 能够承受高电磁信号(如电子战中使用的信号),同时提供高探测率。该研究介绍了基于相同策略的单级 LNA 和两级 LNA 的原始设计程序。这些自重构 LNA 可以从高探测率模式(低 NF)切换到高线性模式(高输入压缩模式 IP 1dB )。该设计策略与稳健的 LNA 设计进行了比较,后者使用更大的晶体管尺寸来提高线性度,但代价是 NF 略有下降。在放大器输入端,RF 步进应力结果已达到 30 dBm,没有任何破坏,并提供稳定的 S 参数和噪声系数。
在细胞表面,肌动蛋白细胞骨架和质膜在与细胞表面重塑有关的多种过程中相互相互作用。已知肌动蛋白细胞骨架可调节膜组织并重塑膜。为此,肌动蛋白 - 膜连接分子在调节肌动蛋白组装中起着重要作用,并在空间上指导肌动蛋白细胞骨架与膜之间的相互作用。虽然细胞中的研究为肌动蛋白 - 膜界面的分子组成和相互作用提供了丰富的知识,但复杂的分子相互作用使阐明界面处肌动蛋白 - 膜接头的精确效果变得具有挑战性。由模型膜和纯化蛋白组成的合成重构系统已成为一种强大的方法,可以阐明肌动蛋白 - 膜连接器如何直接肌动蛋白组装以驱动膜形状变化。在这篇综述中,我们将仅专注于使用重建系统研究的几个肌动膜连接器。我们将讨论这些重构系统的设计主要范围,以及它们如何为理解肌动蛋白 - 膜连接器的细胞功能做出贡献。最后,我们将在理解复杂的肌动蛋白 - 膜相互作用的未来研究方向上提供一个观点。
图 2. 所提出的光控编码元件的设计和特性。a) 元原子编码元件的详细结构,在 SiO 2 基板上构建了 1 μm 厚的金方块和 1 μm 厚的 GeTe 方块图案。b) 编码元件两种状态的示意图:状态“0”表示 GeTe 的非晶态(绝缘态),状态“1”表示 GeTe 的晶体(导电)态。c) 和 d) 两种状态下编码元件的相应反射特性(c 幅度和 d 相位)。e) GeTe 层表面电阻随温度的变化(双探针测量),显示两种状态下的电特性相差六个数量级以上,并且冷却至室温时晶体状态具有非挥发性行为。 f) 有限元模拟 GeTe 层在具有不同能量密度的 35 纳秒长单脉冲紫外激光照射下的温度上升情况:单脉冲的通量为 90 mJ/cm 2,将使最初为非晶态的 GeTe 的温度升至其结晶温度 ( TC ) 以上,而随后的 190 mJ/cm 2 激光脉冲将使 GeTe 的温度升至其局部熔化温度 TM 以上,并将材料熔化淬火回非晶态。下图是拟议的 1 比特元原子的配置和示意图
使用现场可编程门阵列 (FPGA) 实现可重构硬件加速器以进行脉冲神经网络 (SNN) 模拟是一项有前途且有吸引力的研究,因为大规模并行性可以提高执行速度。对于大规模 SNN 模拟,需要大量 FPGA。然而,FPGA 间通信瓶颈会导致拥塞、数据丢失和延迟效率低下。在这项工作中,我们为多 FPGA 采用了基于树的分层互连架构。这种架构是可扩展的,因为可以将新分支添加到树中,从而保持恒定的本地带宽。基于树的方法与线性片上网络 (NoC) 形成对比,在片上网络 (NoC) 中,拥塞可能由众多连接引起。我们提出了一种路由架构,该架构通过采用随机仲裁引入仲裁器机制,考虑先进先出 (FIFO) 缓冲区的数据级队列。该机制有效地减少了由 FIFO 拥塞引起的瓶颈,从而改善了整体延迟。结果显示了为延迟性能分析而收集的测量数据。我们将使用我们提出的随机路由方案的设计性能与传统的循环架构进行了比较。结果表明,与循环仲裁器相比,随机仲裁器实现了更低的最坏情况延迟和更高的整体性能。
摘要 — 最近,忆阻器在各种应用中受到了广泛关注。即使是电阻式存储器件 (RRAM) 的一些主要缺点(例如可变性),也已成为以物理不可克隆功能 (PUF) 形式实现硬件安全性的有吸引力的特性。尽管文献中已经出现了几种基于 RRAM 的 PUF,但它们仍然存在与可靠性、可重构性和大量集成成本相关的一些问题。本文介绍了一种新型轻量级可重构 RRAM PUF (LRR-PUF),其中使用连接到同一位线和相同晶体管 (1T4R) 的多个 RRAM 单元来生成单个位响应。所使用的脉冲编程方法也很有创新性:1) 它允许实现节能的实现,2) 它利用切换 RRAM 单元作为 PUF 的主要熵源所需的脉冲数量的变化。所提出的 PUF 的主要特点是它几乎不需要额外成本就可以与任何 RRAM 架构集成。通过大量模拟,包括温度和电压变化的影响以及统计特性,我们证明了 LRR-PUF 表现出其他之前提出的基于 RRAM 的 PUF 所缺乏或难以实现的出色特性,包括高可靠性(几乎 100%),这对于加密密钥生成、可重构性、唯一性、成本和效率至关重要。此外,该设计成功通过了相关的 NIST 随机性测试。