XiaoMi-AI文件搜索系统
World File Search System门阵列
基于现场编程的门阵列...
摘要 - 离散傅里叶变形（DFT）的数字实施是对记录的生物电势评估的特征评估，尤其是在量化神经系统疾病状态的生物标志物中用于自适应深脑刺激。快速傅立叶变换（FFT）算法和体系结构在可植入的医疗设备中的机载电池中呈现了巨大的功率需求，因此需要在资源约束环境中开发超低功率傅立叶变换方法。许多FFT架构旨在通过计算效率优化功率和资源需求；但是，优先考虑以其他计算为代价减少逻辑复合物可能是平等或更有效的。本文引入了最小的体系结构单延迟反馈离散傅立叶变换（MSDF-DFT），用于超低功率字段可编程的门阵列应用程序，并显示了对先进的FFT方法的能量和功率改进。与最先进的FFT算法相比，我们观察到动态功率降低了33％，在神经传感应用中降低了4％的资源利用率。虽然设计用于闭环深脑刺激和医疗设备实现，但MSDF-DFT也很容易扩展到任何超低功率嵌入式应用程序。
ASIC 技术手册门阵列、单元基、Co
ARM、ARM7TDMI-S、ARM926EJ-S、ARM946E-S、ARM966E-S、ARM11 和 ARM Cortex 是 ARM Ltd. 的商标。4KEc、24KEm、24KEc、24KEf 和 74Kf 是 MIPS Technolgies 的商标。本手册中使用的所有其他产品、品牌或商品名称均为其各自所有者的商标或注册商标。
DL1720/DL1740 数字示波器服务手册
注意 横河仪器的设计方式是，用户可以按组件（模块）更换电子部件。横河仪器的设计方式还使用户可以轻松快速地排除故障并更换任何故障组件。因此，横河强烈建议更换整个组件，而不是更换组件内的零件或组件。原因如下： • 仪器使用高性能微处理器、大规模 CMOS 门阵列和表面贴装组件来提供最先进的性能和功能。 • 只能由经过专门培训和合格的维护人员使用特殊的高精度工具（包括昂贵的工具）来维修组件。 • 考虑到仪器的使用寿命和成本，更换组件使用户可以更有效、更经济地使用横河仪器，同时将停机时间降到最低。
分析将引发下一次战争的燃料
键盘和雷达处理器单元）的安装和维护成本大大降低。 Furuno 的 FR2105BB 系列提供可靠且适航的 FR2105 雷达系列的所有流行功能和选项，例如：12kW、25kW 或 50kW X 波段 T/R Up 和 30kW S 波段配置；多色多级目标检测；可选的 40 目标自动目标绘图仪；可选的雷达图表绘图仪利用 Furuno 的独家图表和雷达叠加功能；电子全功能远程切换； Furuno 成熟的商业 USCG 级天线设计；以及具有高速、高密度门阵列和软件的新型微处理技术。
用于量子信息处理的通用可编程光子结构
我们提出了一种量子可编程门阵列 (QPGA) 的光子集成电路架构，该架构能够准备任意量子态和算子。该架构由相位调制的 Mach-Zehnder 干涉仪晶格组成，该干涉仪对路径编码的光子量子比特进行旋转，并嵌入量子发射器，使用双光子散射过程在相邻量子比特之间实现确定性的受控 σz 操作。通过适当设置晶格内的相移，可以对设备进行编程以实现任何量子电路，而无需修改硬件。我们提供了在设备上精确准备任意量子态和算子的算法，并表明基于梯度的优化可以训练模拟 QPGA，以自动实现对重要量子电路的高度紧凑近似，并具有近乎统一的保真度。
数字硬件的高效储层计算
摘要 — 我们提出了一种回声状态网络 (ESN) 的近似方法，该方法可以基于超维计算数学在数字硬件上有效实现。所提出的整数 ESN (intESN) 的储存器是一个仅包含 n 位整数的向量（其中 n < 8 通常足以获得令人满意的性能）。循环矩阵乘法被高效的循环移位运算取代。所提出的 intESN 方法已通过储存器计算中的典型任务进行验证：记忆输入序列、对时间序列进行分类以及学习动态过程。这种架构可显著提高内存占用和计算效率，同时将性能损失降至最低。在现场可编程门阵列上的实验证实，所提出的 intESN 方法比传统 ESN 更节能。
适用于 FPGA 平台的 Hex Itoh-Tsujii 逆算法
摘要 Itoh-Tsujii 逆算法在椭圆曲线密码等密码应用中寻找逆元方面做出了重要贡献。本文提出了一种新的 Hex Itoh-Tsujii 逆算法，用于在现场可编程门阵列 (FPGA) 平台上高效计算由 NIST 推荐的不可约三项式生成的二进制域的乘法逆元。基于 Hex Itoh Tsujii 逆算法的所提架构由十六进制电路和四重加法链构成。这种组合提高了资源利用率。实验结果表明，与现有实现相比，所提出的工作具有更好的面积时间性能。关键词：现场可编程门阵列 (FPGA)、Itoh-Tsujii 逆算法 (ITA)、查找表 (LUT)、有限域 (FF) 分类：集成电路（存储器、逻辑、模拟、射频、传感器）
脉冲神经网络加速器：在脑科学领域...
摘要：脑机接口 (BMI) 代表着一种变革性技术，可实现人脑与外部设备之间的直接交互。在各种 BMI 方法中，脉冲神经网络 (SNN) 因其能够有效模仿大脑的脉冲行为而脱颖而出。本文介绍了一种先进硬件架构的设计和实现，该架构能够在现场可编程门阵列 (FPGA) 上执行与脑电图 (EEG) 采集系统集成的 SNN 计算。首先使用四层将数据预处理成数组以进行特征提取。该模型在软件中训练，存储权重和参数，然后用于创建硬件模型并生成比特流文件。Python 覆盖连接软件和硬件，允许输出模拟以进行精度计算。
人工智能信号识别系统的FPGA实现
心脏病是全球最常见的死亡原因。因此，检测和分类心电图 (ECG) 信号对于延长预期寿命至关重要。在本研究中，我们旨在在现场可编程门阵列 (FPGA) 中实现人工智能信号识别系统，该系统可以在需要电池的边缘设备中识别生物信号模式，例如 ECG。尽管分类准确度有所提高，但深度学习模型需要大量的计算资源和功率，这使得深度神经网络的映射速度变慢，并且在可穿戴设备上的实现具有挑战性。为了克服这些限制，已经应用了脉冲神经网络 (SNN)。SNN 是受生物启发的事件驱动神经网络，使用离散脉冲计算和传输信息，这需要更少的操作和更简单的硬件资源。因此，与其他人工神经网络算法相比，它们更节能。
用于电子靶向脑刺激的多点经颅磁刺激系统
方法：我们设计并制造了一个平面 5 线圈 mTMS 换能器，以便控制直径约为 30 毫米的皮质区域内感应电场的最大值。我们开发了电子设备，其设计由独立控制的 H 桥电路组成，可驱动多达六个 TMS 线圈。为了控制硬件，我们编写了在现场可编程门阵列和计算机上运行的软件。为了在皮质中感应所需的电场，我们开发了一种优化方法来计算线圈中所需的电流。我们对 mTMS 系统进行了描述，并对一名健康志愿者进行了概念验证运动映射实验。在运动映射中，我们保持换能器位置固定，同时以电子方式移动中央前回上的电场最大值并测量对侧手的肌电图。