XiaoMi-AI文件搜索系统
World File Search System重构
论文 用于可重构量子网络的 GHz 脉冲纠缠光子源
摘要 纠缠是量子网络中的通用资源，但纠缠光子源通常是为特定用例定制的。多功能性（包括状态调制和光子时间特性的可调谐性）是灵活网络架构和加密原语的关键，这些原语超越了量子密钥分发。本文，我们报告了一种灵活的源设计，可在连续波和 GHz 速率脉冲操作模式下产生高质量纠缠。利用现成的光学元件，我们的方法使用基于光纤的 Sagnac 环以高效率和高于 0.99 的保真度在电信波长下产生偏振纠缠光子。在产生纠缠态之前，高达 GHz 的相位调制也是可能的，以实现快速纠缠态切换。我们展示了 100 MHz 的相位调制，平均保真度为 0.95。此外，源 60 nm 光谱带宽与完全可重构的波长复用量子网络完全兼容。
考虑网络重构的城市电网储能系统多阶段双层规划模型
可再生能源 (RES) 的大规模接入和负荷的快速发展导致城市电网 (UPG) 频繁出现输电拥塞。输电系统运营商通常执行高压配电网 (HVDN) 重构以缓解输电拥塞。然而，由于负荷和可再生能源变化很快，HVDN 重构可能会频繁进行。这可能会造成严重的安全问题。储能系统 (ESS) 为缓解输电拥塞提供了一种有效的方法。如果储能系统安装和操作得当，只需进行少量的 HVDN 重构即可缓解 UPG 的输电拥塞。因此，本研究提出了一个用于储能系统优化配置的多阶段双层规划模型。上层模型旨在最大化 HVDN 的年综合收益，下层模型则侧重于最小化运营成本。在实际测试系统上进行的仿真结果验证了所提出的方法在缓解传输拥塞的同时具有降低投资和运营成本的巨大潜力。
类风湿关节炎患者诱发疼痛过程中时间分辨脑网络重构的多空间尺度映射
功能性脑网络和疼痛感知会随时间波动。然而，功能性脑网络的时间依赖性重构如何导致慢性疼痛在很大程度上仍未得到解释。本文，我们探讨了 28 名类风湿性关节炎 (RA) 患者与 22 名健康对照者 (HC) 相比，在疼痛期间，患病区域 (关节) 与中性部位 (拇指) 的脑网络整合和分离随时间的变化。在功能性磁共振成像期间，所有受试者均接受单独校准的疼痛压力，对应于关节和拇指处 50 毫米的视觉模拟标尺。我们实施了一种新方法来跟踪基于任务的网络连接随时间的变化。在此框架内，我们量化了整合 (参与系数，PC) 和分离 (模块内程度 z 分数) 的度量。通过在单个节点（大脑区域）和社区（节点簇）层面的多个空间尺度上使用这些网络测量值，我们发现，在发炎关节和 HC 中相应部位受到疼痛压力期间和之后，RA 患者的社区水平 PC 通常高于 HC。这表明，在对与疾病相关的身体部位进行疼痛刺激后的时间点，RA 患者的所有大脑社区整合程度都高于 HC。然而，患者中观察到的社区相关整合度升高似乎不仅与发炎关节的疼痛刺激有关，也与中性拇指有关，因为社区水平的整合和分离在患者的身体部位之间没有差异。此外，没有
用于量子计算系统的基于 FPGA 的可重构信道化，使用多相滤波器组
摘要。最近提出的量子系统使用频率复用量子比特技术来读取电子器件，而不是模拟电路，以提高系统的成本效益。为了恢复单个通道以供进一步处理，这些系统需要一种解复用或通道化方法，该方法可以低延迟处理高数据速率，并且使用很少的硬件资源。本文介绍了一种使用多相滤波器组 (PFB) 信号处理算法的低延迟、适应性强的基于 FPGA 的通道器。由于只需设计一个原型低通滤波器来处理所有通道，因此 PFB 可以轻松适应不同的要求，并进一步简化滤波器设计。由于每个通道都重复使用相同的滤波器，与传统的数字下变频方法相比，它们还降低了硬件资源利用率。实现的系统架构具有广泛的通用性，允许用户从不同数量的通道、采样位宽度和吞吐量规格中进行选择。对于使用 28 系数转置滤波器和 4 个输出通道的测试设置，所提出的架构可产生 12.8 Gb/s 的吞吐量和 7 个时钟周期的延迟。
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
可重构智能表面在非...中的应用
摘要 — 下一代通信技术将通过地面网络与由高空平台站和卫星组成的非地面网络 (NTN) 之间的合作成为可能。此外，随着人类踏上在其他星球上建立新栖息地的漫长道路，NTN 和深空网络 (DSN) 之间的合作将是必要的。在这方面，我们建议使用可重构智能表面 (RIS) 来改善这些网络之间的协调，因为 RIS 完全符合在太空中运行的尺寸、重量和功率限制。提出了一个全面的 RIS 辅助非地面和行星际通信框架，指出了挑战、用例和未解决的问题。此外，根据模拟结果讨论了 RIS 辅助 NTN 在太阳闪烁和卫星阻力等环境影响下的性能。
飞秒激光分层表面重构用于下一代神经接口电极和微电极阵列
飞秒激光分层表面重构用于下一代神经接口电极和微电极阵列 Shahram Amini * 1,2、Wesley Seche 1、Nicholas May 2、Hongbin Choi 2、Pouya Tavousi 3、Sina Shahbazmohamadi 2 1 Pulse Technologies Inc.，研究与开发，宾夕法尼亚州 Quakertown 18951 2 康涅狄格大学生物医学工程系，康涅狄格州斯托尔斯 06269 3 康涅狄格大学 UConn 科技园，康涅狄格州斯托尔斯 06269 * 通信地址为 SA（电子邮件：samini@pulsetechnologies.com）摘要 长期植入式神经接口设备能够通过神经刺激以及感知和记录往返于神经组织的电信号来诊断、监测和治疗许多心脏、神经、视网膜和听力疾病。为了提高这些设备的特异性、功能性和性能，电极和微电极阵列（大多数新兴设备的基础）必须进一步小型化，并且必须具有出色的电化学性能和与神经组织的电荷交换特性。在本报告中，我们首次表明可以调整飞秒激光分级重构电极的电化学性能，以产生前所未有的性能值，这些性能值大大超过文献中报道的性能值，例如，与未重构电极相比，电荷存储容量和比电容分别提高了两个数量级和 700 倍以上。此外，建立了激光参数、电化学性能和电极表面参数之间的相关性，虽然性能指标随着激光参数呈现出相对一致的增加行为，但表面参数往往遵循不太可预测的趋势，否定了这些表面参数与性能之间的直接关系。为了回答是什么推动了这种性能和可调性，以及广泛采用的增加表面积和电极粗糙化的原因是否是观察到的性能提升的关键因素，使用聚焦离子束对电极进行的横截面分析首次表明，存在可能有助于观察到的电化学性能增强的亚表面特征。本报告首次报道用于神经接口应用的飞秒激光分层重构电极的此类性能增强和可调性。简介人口老龄化和大量心脏 1,2 、神经 3-6 、视网膜 7,8 和听力障碍 9,10 的存在，这些疾病无法仅通过药物治愈，导致需要长期植入设备的患者数量显著增加。表 1 总结了这些设备及其广泛的应用范围。植入式设备通过将外部电信号从神经刺激器或植入式脉冲发生器 (IPG) 传输到植入式电极或微电极阵列，然后穿过神经细胞或组织 11 的膜，对活组织进行人工刺激。神经系统负责传输从大脑到肌肉以引起肌肉运动的电信号，反之亦然，从感觉器官到大脑（例如，感觉、听觉和视觉）。如果神经受伤，大脑与周围神经之间的交流中断，例如脊髓损伤 12-15 ，则有可能
用于人工智能的可重构钙钛矿镍酸盐电子器件
可重构设备提供了按需编程电子电路的能力。在这项工作中，我们展示了在后制造的钙钛矿 NdNiO 3 设备中按需创建人工神经元、突触和记忆电容器，这些设备可以通过单次电脉冲简单地重新配置为特定用途。钙钛矿镍酸盐的电子特性对氢离子局部分布的敏感性促成了这些结果。利用来自我们的记忆电容器的实验数据，储层计算框架的模拟结果显示出在数字识别和心电图心跳活动分类等任务中的出色性能。使用我们的可重构人工神经元和突触，模拟动态网络在增量学习场景中的表现优于静态网络。按需设计大脑启发计算机构建块的能力为自适应网络开辟了新的方向。C
新兴计算 用于人工智能的可重构钙钛矿镍酸盐电子器件
可重构设备提供了按需编程电子电路的能力。在这项工作中，我们展示了在后制造的钙钛矿 NdNiO 3 设备中按需创建人工神经元、突触和记忆电容器，这些设备可以通过单次电脉冲简单地重新配置为特定用途。钙钛矿镍酸盐的电子特性对氢离子局部分布的敏感性促成了这些结果。利用来自我们的记忆电容器的实验数据，储层计算框架的模拟结果显示出在数字识别和心电图心跳活动分类等任务中的出色性能。使用我们的可重构人工神经元和突触，模拟动态网络在增量学习场景中的表现优于静态网络。按需设计大脑启发计算机构建块的能力为自适应网络开辟了新的方向。C
可重构大规模神经形态系统的分层网络连接和分区
我们提出了一种高效且可扩展的分区方法，用于将具有局部密集和全局稀疏连接的大规模神经网络模型映射到可重构的神经形态硬件上。计算效率的可扩展性，即实际计算所花费的时间，在超大型网络中仍然是一个巨大的挑战。大多数分区算法还难以解决网络工作负载的可扩展性问题，即寻找全局最优分区并有效地映射到硬件上。由于通信被视为此类分布式处理中最耗能和最耗时的部分，因此分区框架针对计算平衡、内存高效的并行处理进行了优化，目标是低延迟执行和密集的突触存储，并尽量减少跨各个计算核心的路由。我们展示了高度可扩展且高效的分区，用于连接感知和分层地址事件路由资源优化的映射，与随机平衡分配相比，递归地显着减少了总通信量。我们展示了我们在具有不同稀疏度和扇出度的合成网络、小世界网络、前馈网络和果蝇大脑半脑连接组重建方面的成果。我们的方法和实际结果的结合表明，这是一条有希望扩展到超大规模网络和可扩展硬件感知分区的途径。