XiaoMi-AI文件搜索系统
World File Search System重构
多用途可重构训练系统 3D™
NAWCTSD 团队由 David Thomas、Darrell Conley、Bill Zeller、Khoa Vu 和 Christopher Freet 组成。 Thomas 先生是所有 MRTS 项目的首席项目经理。Conley 先生是 MRTS 3D VIRGINIA 鱼雷室和 MRTS 3D VIRGINIA EDG 的项目经理。Zeller 先生是 MRTS 3D VIRGINIA 鱼雷室的首席系统工程师，Vu 先生是 MRTS 3D VIRGINIA EDG 的首席系统工程师，Freet 先生是这两个项目的首席软件工程师。
覆盖层对基于 Sb2S3 的可重构材料的影响...
封盖层对于保护非挥发性光子技术中使用的相变材料 (PCM) 至关重要。这项工作展示了 (ZnS) 0.8 -(SiO 2 ) 0.2 封盖如何从根本上影响 Sb 2 S 3 和掺杂 Ag 的 Sb 2 S 3 集成光子器件的性能。我们发现至少需要 30 nm 的封盖材料来保护材料免受硫损失。然而，添加这个封盖会以不同的方式影响这两种 PCM 的结晶温度。Sb 2 S 3 和掺杂 Ag 的 Sb 2 S 3 的结晶温度分别升高和降低，这归因于界面能差异。制造并测量了封盖和未封盖的掺杂 Ag 的 Sb 2 S 3 微环谐振器 (MRR) 器件，以了解封盖如何影响器件性能。令人惊讶的是，对于封盖的 PCM，MRR 的谐振频率在结晶时表现出更大的红移。这种效应是由于封盖增加了与 PCM 层的模式重叠。因此，封盖可用于提供更大的单位长度光学相移，从而减少这些可编程设备的总占用空间。总的来说，我们得出结论，PCM 上的封盖不仅可用于稳定 PCM 层，还可用于调整 PCM 结晶温度并减少设备占用空间。此外，封盖层可用于增强光物质与 PCM 元件的相互作用。
当今数字时代的供应链重构
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。
夸克：量子应用重构内核
D-Wave 已经围绕其量子退火器提供了一个广泛的软件库，并且已经实现了几个转换步骤 [3]。我们不想与 D-Wave 的 API 竞争，而是希望以专注于原始问题的实例中心方法与之相伴。我们简化所提供功能的一个具体示例是处理次数大于 2 的多项式，这只能通过 D-Wave API 通过绕行获得，参见 [3]，这意味着用户需要了解结构差异。在 quark 中，不需要其他任何内容，只需要基类。随着从约束问题到无约束问题的步骤，引入了具有相应惩罚项的约简变量，从而自动降低多项式的次数。
网络重构与移动能源的协调……
主动配电网 (ADN) 能够主动控制网络拓扑、分布式发电 (DG) 输出和需求响应 (DR) 资源，因此在网络恢复服务中具有巨大应用潜力。然而，由于 DG 和 DR 资源在地理上的分散性，当应用于风暴、地震和洪水等自然灾害时，其效用可能会受到限制。此外，可再生能源的不断使用带来了波动和不确定性，阻碍了 ADN 在灾害期间实现可靠的能源调度。移动储能系统 (MESS) 机组可用于经济地为网络恢复服务提供灵活的应急电源。MESS 还可以对冲负载和 DG 输出预测风险。本文提出了一种新的协调网络重构和 MESS 机组调度模型，考虑了 DG 输出和负载预测的不确定性，以提高 ADN 在灾难后的恢复能力。MESS 行驶策略由扩展的运输延迟模型建模。然后，提出了一种新的确定性网络恢复模型，该模型结合了 MESS、固定储能系统、DG、DR 和网络重构，并使用混合整数线性规划进行编程。然后，采用椭圆不确定性集来描述负荷和 DG 输出预测的不确定性，并基于确定性网络恢复模型提出了一种鲁棒网络恢复模型。在中国 59 节点农村配电系统中验证了所提出的确定性和鲁棒性网络恢复模型。
夸克：量子应用重构内核
一般来说，首先要实现一个实例，即问题定义参数的容器，如图 2 中的单元格 2 所示。从该实例构建 ConstrainedObjective，它是一个处理实例数据以获取目标函数和约束集合的工厂，参见单元格 3。然后可以将后者自动转换为相应的惩罚目标项，这些惩罚目标项与实际目标函数一起包含在 ObjectiveTerms 中。目标项的加权和形成 Objective，即最终的 Ising/QUBO 问题。上述步骤均在单元格 5 中执行，从使用单元格 4 中定义的参数实例化具体实例开始。
基于 FPGA 的 YOLO 可重构 CNN 加速器
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。
可重构天线及其应用的概述和最新进展
摘要。可重构天线代表了现代无线通信的一项关键创新，可动态控制天线频率、辐射模式和极化等参数。这种适应性对于满足下一代通信系统日益增长的需求至关重要，包括 5G/6G 网络、认知无线电和物联网 (IoT)。通过集成 PIN 二极管、MEMS 和可调材料等技术，可重构天线可以适应不同的环境和操作条件，在带宽、效率和干扰缓解方面提供增强的性能。该领域的最新发展侧重于小型化、多频带操作以及与人工智能 (AI) 等先进技术的集成以实现智能重构。超材料和液晶等智能材料为实现天线设计的更大灵活性提供了新方法。可重构天线的应用正在扩展到各个领域，从航空航天和国防到医疗保健和可穿戴设备。尽管取得了重大进展，但在优化成本、功耗和可靠性方面仍然存在挑战。
基于石墨烯的可重构光学计算
激光。”激光物理字母9.1（2011）：54。42。Sun，Zhipei等。“石墨烯模式锁定的超快激光器。”ACS Nano 4.2（2010）：803-810。43。Lin，Jian等。 “来自商业聚合物的激光诱导的多孔石墨烯膜。” 自然Lin，Jian等。“来自商业聚合物的激光诱导的多孔石墨烯膜。”自然
类似乐高的可重构人工智能芯片
对实时低功耗传感信息处理能力的需求日益增长。然而，这需要开发和集成从传感器到处理器等不同类型的智能设备。传统的三维 (3D) 异构集成技术基于冯·诺依曼架构，依靠金属线通孔垂直连接传感器、处理器和存储器层 1 。在这样的系统中，这些不同功能层之间的硬连线连接一旦制造出来就固定了。因此，传统的 3D 异构集成技术在边缘智能应用中使用时效率低下，因为在边缘智能应用中，对传感和计算的需求随时间而变。华强吴、林鹏、Jeehwan Kim 和同事在《自然电子学》上撰文，报道了一种可重构异构集成技术，该技术基于可堆叠芯片，芯片中嵌入了光电器件阵列和忆阻横杆 2 。智能传感器和处理器之前已被开发用于图像预处理 3 – 5 和并行识别 6、7 。以前也曾探索过垂直架构的神经形态视觉芯片的概念，即通过线连接将基于范德华异质结构的神经形态传感器和忆阻交叉阵列联网 8 。来自美国、韩国和中国不同研究所的研究人员采用了不同的方法，创造了类似乐高的芯片，允许各种神经形态传感器和处理器通过芯片间光通信连接起来（图 1 ）。在这种 3D 集成技术中，各个芯片是可更换和可堆叠的，光电二极管/发光二极管 (LED) 阵列嵌入在各个独立的芯片层中，以提供相邻层之间的光通信。此外，忆阻交叉阵列可以植入