XiaoMi-AI文件搜索系统
World File Search System阿卡德
卢卡·卡洛尼
[C125] G. Eichler、B. Seyoum、K.-L. Chiu 和 L. P. Carloni。MindCrypt：大脑作为基于 SoC 的脑机接口的随机数生成器。在国际计算机设计会议 (ICCD) 论文集，第 70-77 页，2023 年 11 月。[C124] G. Tombesi、J. Zuckerman、P. Mantovani、D. Giri、M. Cassel Dos Santos、T. Jia、David Brooks、G.-Y。Wei 和 L. P. Carloni。SoCProbe：基于异构 NoC 的 SoC 的组合后硅验证。在国际片上网络研讨会 (NOCS) 论文集，第 1:1–1:6 页，2023 年 9 月。[C123] B. Stitic、L. Urbinati、G. Di Guglielmo、L. Carloni 和 M.R.Casu。增强的机器学习流程，用于微波传感系统检测食品中的污染物。在 IEEE 农业食品电子会议 (CAFE) 上，2023 年 9 月。[C122] N. Zeng、T. Jung、M. Sharma、G. Eichler、J. Fabbri、R. J.Cotton、E. Spinazzi、B. Youngerman、L. Carloni 和 K. L. Shepard。一种无线、机械柔性、25 µ m 厚、65,536 通道硬膜下表面记录和刺激微电极阵列，带有集成天线。在 VLSI 电路研讨会上，第 1-2 页，2023 年 6 月。[C121] F. Gao, T.-J.Chang, A. Li, M. Orenes-Vera, D. Giri, P. Jackson, A. Ning, G. Tziantzioulis, J. Zuckerman, J. Tu, K. Xu, G. Chirkov, G. Tombesi, J. Balkind, M. Martonosi, L. Carloni 和 D. Wentzlaffi。DECADES：67mm2、1.46TOPS、55 Giga 缓存一致的 64 位 RISC-V 指令/秒、异构多核 SoC，包含 109 个图块，包括加速器、智能存储和 12nm FinFET 中的 eF-PGA。在论文集定制集成电路会议 (CICC) 中，第 1-2 页，2023 年 4 月。[C120] K.-L. Chiu、G. Eichler、B. Seyoum 和 L. P. Carloni。EigenEdge：使用 risc-v 和硬件加速器在边缘实时执行软件。在网络物理系统和物联网周刊中，第 1-6 页，2023 年 5 月。[C119] B. Seyoum、D. Giri、K.-L. Chiu、B. Natter 和 L. P. Carloni。PR-ESP：用于设计和编程部分可重构 SoC 的开源平台。在欧洲设计、自动化和测试会议 (DATE) 的论文集，第 1-6 页，2023 年 3 月。[C118] T. Tambe、J. Zhang、C. Hooper、T. Jia、P. N. Whatmough、J. Zuckerman、M. Cassel、E. J. Loscalzo、D. Giri、K. L. Shepard、L. P. Carloni、A. M. Rush、D. Brooks 和 G.-Y。魏。在 ISSCC 技术论文摘要中，第 342-343 页，2023 年。魏，12nm 18.1TFLOPs/W 稀疏变换器处理器，具有基于熵的早期退出、混合精度预测和细粒度电源管理。[C117] B. Seyoum、D. Giri、K.-L. Chiu 和 L. P. Carloni。用于设计和编程部分可重构异构 SoC 的开源平台。嵌入式系统编译器、架构和综合国际会议记录 (CASES)，第 25-26 页，2022 年 10 月。[C116] T. Jia、P. Mantovani、M. Cassel Dos Santos、D. Giri、J. Zuckerman、E. J. Loscalzo、M. Cochet、K. Swaminathan、G. Tombesi、J. J. Zhang、N. Chandramoorthy、J.-D. Wellman，K. Tien，L.P. Carloni，K. Shepard，D. Brooks，G.-Y。
本扎伊德，查菲卡； Taleb、Tarik 5G 后网络人工智能
5G 及更高级别的网络有望实现超低延迟、超高吞吐量、超高可靠性、超低能耗和大规模连接。实现这些承诺将为一系列新应用铺平道路，包括自动驾驶、工业 4.0、增强现实和虚拟现实、协作游戏、近实时远程手术和远程传送。然而，未来网络中设想的服务/应用的多样性和不断增长的联网设备数量将带来新的、越来越广泛的网络威胁，带来安全和隐私风险 [1]。因此，必须建立有效和可持续的安全措施，以应对 5G 及其后续技术中不断变化的威胁形势和安全要求，以便充分利用它们的好处。考虑到漏洞数量不断增加、网络威胁日益复杂、流量巨大以及将塑造下一代无线网络的多样化技术（例如 SDN、NFV）和服务，对传统安全管理方法的依赖可能已不够，需要重新考虑以应对这一充满挑战的环境。一个有希望的方向是采用人工智能 (AI) 来实现智能、自适应和自主的安全管理，从而能够及时且经济高效地检测和缓解安全威胁。事实上，人工智能有可能从大量随时间变化的多维数据中发现隐藏的模式，并提供更快、更准确的决策。为了响应将人工智能（尤其是机器学习 (ML)）集成到电信网络中的趋势，ITU-T 未来网络机器学习焦点组 1 包括
基于 iPSC 技术生成首个人类麦卡德尔病体外模型
1 马德里 12 de Octubre 健康研究中心 (imas12) iPS 细胞转化研究组，28041 马德里，西班牙 2 马德里自治大学医学院生物化学系，“Alberto Sols”生物医学研究所 (UAM-CSIC)，28029 马德里，西班牙 3 马德里 12 de Octubre 健康研究中心 (imas12) 遗传学服务中心，28041 马德里，西班牙 4 马德里 12 de Octubre 健康研究中心 (imas12) 线粒体和神经肌肉疾病实验室，28041 马德里，西班牙 5 生物医学研究中心罕见疾病网络 (CIBERER) 提示，28029 马德里，西班牙 6 艾克斯-马赛大学，INSERM，MMG，13385 马赛，法国 7 分子、细胞和基因组生物医学研究组，健康研究所 La Fe (IIS La Fe)，46029 瓦伦西亚，西班牙 * 通讯地址：egallardo.imas12@h12o.es
伊萨卡
背景和目标：神经反馈 (NF) 是一种允许用户自我调节大脑活动模式的范例。它采用闭环脑机接口 (BCI) 系统实现，该系统实时分析用户的大脑活动并提供持续反馈。该范例具有极大的兴趣，因为它有可能成为治疗非退行性脑部疾病的非药物和非侵入性替代方法。然而，目前可用的 NF 框架有几个局限性，例如缺乏各种实时分析指标或过于简单的训练场景可能会对用户表现产生负面影响。为了克服这些限制，这项工作提出了 ITACA：一种用于设计、实施和评估 NF 训练范例的新型开源框架。方法：ITACA 的设计易于使用、灵活且具有吸引力。具体而言，ITACA 包括三种不同的游戏化训练场景，可选择五种大脑活动指标作为实时反馈。其中，基于功能连接和网络理论的新型指标脱颖而出。它与五种不同的计算机化版本的广泛认知评估测试相辅相成。为了验证所提出的框架，进行了计算效率分析和侧重于额叶内侧 θ 调制的 NF 训练协议。结果：效率分析证明，所有实施的指标都允许以最佳反馈更新率进行 NF 会话。此外，实施的 NF 协议产生了支持在 NF 研究中使用 ITACA 的结果。结论：ITACA 实施了多种功能来设计、开展和评估 NF 研究，目的是帮助研究人员扩展当前最先进的 NF 培训。
