基于Amdahl定律的异构多核密码处理器能效模型研究

边缘计算安全的资源受限特征及各种新型密码技术的应用,对多核密码处理器的高能效、异构性提出需求,但当前尚缺乏相关的异构多核能效模型研究.本文基于扩展Amdahl定律,引入密码串并特征、异构多核结构、数据准备时间、动态电压频率调节等因素,将核划分空闲、活跃状态,建立异构多核密码处理器的能效模型.MATLAB仿真结果表明,数据准备时间占比小于10%时,对能效的负面影响大幅下降;固定电压,频率缩放会影响能效值大小;处理器核空闲/活跃能耗比例越小,能效值越大.架构上,固定异构核,同构核数量与密码任务最大并行度相等时能效值最大,最佳异构核数可由模型变化参数仿真得到;多任务调度执行上,流水与并发执行有利于能效值的进一步提升.多核密码处理器芯片板级测试结果表明,仿真结果与实测数据相关系数接近1,芯片实测的数据准备时间、电压频率缩放等因素的影响与仿真分析基本一致,验证了所提能效模型的有效性.该文重点从影响能效变化趋势因素上,为多核密码处理器异构、高能效设计提供一定的理论分析基础与建议.

贫数据中基于模型自训练的空气处理设备故障诊断

针对空气处理设备(AHU)故障贫数据,基于深度置信网络(DBN)模型对4种特征选择算法进行对比研究,结果表明最大相关最小冗余算法的特征子集在诊断准确率及子集元素稳定性上表现最优。提出将DBN嵌入自训练框架的故障诊断模型,发现DBN自训练的诊断准确率较单纯DBN最高可提升19.5%。提出均匀抽样及按比例抽样2种自训练伪标签抽样策略,二者的诊断准确率均随抽样数减小而增大,在不同抽样数中的最大差异为3.42%;在所有贫数据样本中,均匀抽样策略始终优于按比例抽样,诊断准确率最大相差1.39%,表明在故障标签匮乏时,采用均匀抽样策略及较小的抽样数有利于提升DBN自训练的诊断性能。

灸法预处理减轻脑缺血再灌注模型大鼠氧化应激损伤的机制

背景:艾灸预处理属于中医治未病的范畴,在前驱症状出现时给予艾灸预处理在多种疾病发病过程中可明显减轻发病症状,延缓发病进程,但其具体起效机制仍待研究。目的:探讨SIRT1/FoxO3通路在灸法预处理改善脑缺血再灌注模型大鼠氧化应激损伤的作用机制。方法:将48只SD大鼠随机分为假手术组、模型组、灸法预处理组、灸法预处理+EX527(SIRT1抑制剂)组,每组各12只。灸法预处理组在造模前给予百会、大椎、足三里麦粒灸,每穴灸3壮,每日1次,共治疗7 d;灸法预处理+EX527组在每次艾灸前30 min给予腹腔注射SIRT1抑制剂EX527(15 mg/kg)。在末次艾灸30 min后,除假手术组外,其他各组采用大脑中动脉线栓法制备大脑中动脉栓塞大鼠模型,脑缺血处理2 h后,拔除中动脉线栓,再灌注12 h;假手术组仅给予颈总动脉、颈内动脉、颈外动脉剥离,而并不插入线栓。再灌注12 h后对大鼠进行神经功能缺损评分,采用TTC染色法计算各组大鼠脑梗死体积,试剂盒检测梗死组织中氧化应激因子水平,Western-blot法检测大脑皮质缺血区中SIRT1、FoxO3、p-FoxO3、脑源性神经营养因子的蛋白表达。结果与结论:①缺血再灌注12 h后,大鼠神经行为学评分模型组明显高于假手术组(P<0.01),灸法预处理组明显低于模型组(P<0.01),灸法预处理组低于灸法预处理+EX527组(P<0.05)。②假手术组大鼠脑组织未见明显梗死灶,模型组大鼠右侧脑组织可见明显缺血灶(P<0.01),灸法预处理组大鼠右侧梗死体积较模型组明显减少(P<0.01),灸法预处理+EX527组大鼠右侧梗死体积较灸法预处理组变大(P<0.01)。③再灌注12 h后,与假手术组比较,模型组丙二醛表达明显升高(P<0.01),超氧化物歧化酶表达明显降低(P<0.01);与模型组和灸法预处理+EX527组相比,灸法预处理组丙二醛表达明显降低(P<0.01,P<0.05),超氧化物歧化酶表达明显升高(P<0.01,P<0.05)。④与假手术组比较,模型组SIRT1、FoxO3、p-FoxO3、脑源性神经营养因子蛋白表达均明显升高(P<0.01);与模型组比较,灸法预处理组SIRT1、FoxO3、脑源性神经营养因子明显升高(P<0.01),p-FoxO3表达明显降低(P<0.01);与灸法预处理+EX527组相比,灸法预处理组SIRT1、FoxO3、脑源性神经营养因子升高(P<0.05),p-FoxO3表达差异无显著性意义(P>0.05)。⑤结论:灸法预处理可显著改善脑缺血再灌注后大鼠的神经功能,其机制可能与激活SIRT1/FoxO3通路减轻脑缺血再灌注模型大鼠氧化应激损伤有关。

城市污水处理厂的“水-能-碳”协调调度模型

城市污水处理厂面临能量密集、碳排量大、运行成本高的突出问题。污水厂优化调度是实现“节能降碳增效”的重要途径,但现有调度方法还存在对处理设备控制特性利用不足、对处理过程的温室气体排放缺乏全面管控等局限。为此,该文提出一种面向污水厂“水-能-碳”协调调度的新模型。所提模型利用鼓风机启停/沼气池温度控制来挖掘节能空间、计入碳排放成本来提升低碳水平、引入污水分级处理与回用来促进资源回收利用,在满足污水处理工艺流程和各种设备运行约束及水质处理要求的条件下,实现污水厂的低碳经济运行。以某中小型城市污水厂为算例,验证了所提调度模型的有效性以及各调度要素对污水厂“节能降碳增效”的积极作用。

面向国产深度学习平台的自然语言处理模型迁移研究

深度学习平台在新一代人工智能的发展中扮演着重要的角色。近年来,以昇腾平台为代表的国产人工智能软硬件系统快速发展,为国产深度学习平台的发展开辟出了新的道路。与此同时,为了发现并解决昇腾系统存在的潜在漏洞,昇腾平台积极开展常用深度学习模型的迁移工作。从自然语言处理算法角度切入,针对机器阅读理解、神经机器翻译、序列标注和文本分类四大自然语言处理任务,以昇腾平台的高性能硬件芯片为基础,探究迁移ALBERT,RNNSearch,BERT-CRF和TextING这4类典型的自然语言处理模型。基于以上迁移研究,发现和整理了昇腾平台架构设计在自然语言处理研究与业务上的主要不足,即计算图节点动态空间的分配特性、资源算子下沉设备侧、图算融合以及混合精度训练4个方面的问题,并为以上问题提出了相应的解决方案,并进行了实验验证。最后,为国产深度学习平台的发展提出未来优化的方向和相关建议。

一种模型微处理器的汇编器设计与应用

“微机原理”课程是大多数理工科高校学生的必修课程,当前“微机原理”教学常常被限制在x86指令集架构及其典型芯片的框架内,针对教学缺乏灵活性的问题,课程组在x86的基础上开发了一种模型微处理器,为了配合模型微处理器开展“微机原理”教学,通过设计并实现了一种模型微处理器的汇编器,具有源程序输入、编辑、汇编、调试及仿真等功能,可以顺利地将模型微处理器应用于“微机原理”教学中。通过教师的教学应用和学生上机编程练习,证明了模型机汇编器设计方案的有效性,极大地推动了“微机原理”课程教学改革的实施。

面向强后处理场景的图像篡改定位模型

针对微信、微博等社交平台对图像进行的压缩、尺度拉伸等有损操作带来的篡改痕迹模糊或被破坏的挑战,提出了一种对抗强后处理的图像篡改定位模型。该模型选用了基于Transformer的金字塔视觉转换器作为编码器,用于提取图像的篡改特征。同时,设计了一个类UNet结构的端到端编码器-解码器架构。金字塔视觉转换器的金字塔结构和注意力机制可以灵活关注图像的各个区块,结合类UNet结构能够多尺度地提取图像上下文间的关联信息,对强后处理的图像有着较好的鲁棒性。实验结果表明,所提模型在对抗JPEG压缩、高斯模糊等常见的后处理操作以及在不同社交媒体传播场景的数据集上的定位性能上明显优于目前主流的篡改定位模型,展现出了优异的鲁棒性。

强震损伤格栅墙处理地基抗液化性能离心模型试验研究

水泥土格栅墙能有效减缓被围束土体在地震作用下的剪切荷载及变形,已广泛应用为一种高效的抗液化对策。针对其长期服役过程,开展了两组超重力离心模型试验以研究强振历史对水泥土格栅墙内被围束土体液化响应的影响。两组模型均由15 m厚的易液化含黏粒砂土和2.5 m厚的粗砂层组成。其中,一组模型采用水泥土格栅墙对易液化层进行加固;另一组模型则未进行处理,作为自由场地对照组。两组模型均经历振幅为0.15g的振动事件,且在0.15g振动事件前,对两组模型施加振幅为0.4g的振动事件作为强振历史。试验结果表明,格栅墙在强振下主要的损伤模式表现为竖向贯穿型裂缝,并部分伴随有局部斜向裂缝,且外侧格室对于中心格室表现出类似于群桩基础的“遮蔽效应”。强振历史后,格栅墙中心格室内被围束土体的超静孔压显著低于自由场地,损伤后格栅墙仍具有良好的抗液化效果。同时,格栅墙由于强振后整体刚度的削弱,其与下卧粗砂层间的剪切变形显著减小。

基于模型定义的光学遥感卫星星上处理系统设计

本文提出了一种基于模型定义的光学遥感卫星星上处理系统设计方法,构建了“硬件资源-算子模块-通用处理核-典型应用”的星上处理任务行为模型范式。在硬件层面,采用星上异构嵌入式计算平台,将多处理器一体化设计,通过标准化高速数据互连,完成高速信号传输和数据处理;通过网络拓扑实现良好的扩展性,支持设备规模及数据处理复杂性的变化;在软件层面,针对星上智能处理任务中频繁数据读写操作、大量重复计算操作、卷积神经网络的通用计算与加速等需求,设计了星上平台指令集、星上算法通用算子和星上智能网络组件组成的可配置算子模块,并基于该模块可快速实现特定算法的硬件IP核。经仿真试验验证,本文方法可根据卫星平台和星上处理任务需求,按需适配最佳软硬件解决方案,并有效提高了计算资源利用率;提出的结合云检测的实时流水压缩编码方案,显著提升了压缩性能;设计的轻量化目标检测识别方法,计算资源效率达到91.5%;以高分一号、高分七号原始数据率为例进行分析,相比常规方案整体计算资源利用率分别提高了16.51%、17.77%。实现了星上处理系统研制过程模型化、工作模式可定义、逻辑资源共享化,是适应卫星小型化、快速部署的一种合理优化选择。

干法后处理熔盐电解精炼过程数学模型研究

熔盐电解精炼是乏燃料干法后处理的核心工艺单元,通过数学模型探索高温熔盐电解精炼过程的化学与电化学变化,可为电解精炼工艺优化和设备设计提供参考依据。本文基于电化学热力学及物质传递公式建立了乏燃料熔盐电解精炼过程的数学模型,以铀钚锆三元合金燃料为研究对象,计算了燃料中关键元素的电极电势、分电流及物料分布随时间的变化。采用向后差分法对物料分布变化方程进行离散,通过文献实验数据对建立的数学模型进行了准确性验证。结果表明,模拟计算所得阴极沉积铀产品与实验数据的相对误差为2.80%,所建数学模型具有较好的拟合性。同时采用所建模型模拟计算了电流强度对乏燃料电解精炼过程的影响,结果表明电解速率与电流强度呈正比,不改变钚铀锆的溶解和沉积顺序。

多维曲面成形运动规划中三维模型数据处理研究

多维曲面成形过程中三维模型读取和空间目标点的求解效率对提高成形速度具有重要影响作用。随着STL模型复杂度提升,三角面片数量相应增加,计算复杂度大幅增长,求解效率降低,运动规划和图案映射过程计算难度也随之增加。针对上述问题基于深度学习方法提出一种三维模型数据处理及运动规划方法,并与传统的计算规划方法进行对比。实验结果表明,所提方法能有效提升曲面打印中模型数据点定位速度2倍以上,定位速度随求解点数据量增加而提升,且对模型顶点数增加具有鲁棒性,大大提升运动规划速度,为多维曲面成形运动规划求解提供新思路,适用于大规模数据计算且可被用于直接交互现实的生产制造任务。

GPT系列大语言模型在自然语言处理任务中的鲁棒性

大语言模型(large language models,LLMs)所展现的处理各种自然语言处理(natural language processing,NLP)任务的能力引发了广泛关注.然而,它们在处理现实中各种复杂场景时的鲁棒性尚未得到充分探索,这对于评估模型的稳定性和可靠性尤为重要.因此,使用涵盖了9个常见NLP任务的15个数据集(约147000个原始测试样本)和来自TextFlint的61种鲁棒的文本变形方法分析GPT-3和GPT-3.5系列模型在原始数据集上的性能,以及其在不同任务和文本变形级别(字符、词和句子)上的鲁棒性.研究结果表明,GPT模型虽然在情感分析、语义匹配等分类任务和阅读理解任务中表现出良好的性能,但其处理信息抽取任务的能力仍较为欠缺,比如其对关系抽取任务中各种关系类型存在严重混淆,甚至出现“幻觉”现象.在鲁棒性评估实验中,GPT模型在任务层面和变形层面的鲁棒性都较弱,其中,在分类任务和句子级别的变形中鲁棒性缺乏更为显著.此外,探究了模型迭代过程中性能和鲁棒性的变化,以及提示中的演示数量和演示内容对模型性能和鲁棒性的影响.结果表明,随着模型的迭代以及上下文学习的加入,模型的性能稳步提升,但是鲁棒性依然亟待提升.这些发现从任务类型、变形种类、提示内容等方面揭示了GPT模型还无法完全胜任常见的NLP任务,并且模型存在的鲁棒性问题难以通过提升模型性能或改变提示内容等方式解决.通过对gpt-3.5-turbo的更新版本、gpt-4模型,以及开源模型LLaMA2-7B和LLaMA2-13B的性能和鲁棒性表现进行对比,进一步验证了实验结论.鉴于此,未来的大模型研究应当提升模型在信息提取以及语义理解等方面的能力,并且应当在模型训练或微调阶段考虑提升其鲁棒性.

基于Revit的设计模型差异比较自动处理的技术应用

BIM设计过程中,其交互文件信息量大、内容变动多、信息交换频繁,往往会导致模型信息在传递过程中出现缺失、丢失甚至不完整的情况,进而影响设计工作效率。针对以上问题,本文以窗体数据库和模型元素集为切入点,结合Revit API函数二次开发方式,深入探讨了构件重叠清理、模型的拆分与合并,以及管线综合比较等方法,提出了一种完整的BIM模型处理技术路线,同时运用遗传算法优化管线的设计。通过自动化的差异比较和审查设计成果,在较高程度上提高了三维设计的工作效率和设计质量。

Apache Flink流式计算模型在数据处理中的应用与性能优化研究

文章旨在研究Apache Flink流式计算模型在数据处理中的应用与性能优化。先从可扩展性、容错性和数据并行处理能力三个方面对Apache Flink流式计算框架技术特点进行论述,再对Apache Flink流式计算框架核心思想与工作流程进行研究,并提出一套执行数据处理任务的Java源码,再从并行计算、数据存储和传输、算法参数、系统配置、资源管理与调度、检查点和容错机制、编码和序列化等方面就如何进行Apache Flink性能优化进行分析,最后通过实验手段就优化性能进行分析。实验结果表明,优化后的平均响应时间显著减少,吞吐量相应增加,调整并行度和内存分配等参数可显著提升系统性能,但还需要考虑任务调度和资源分配等方面的综合因素,因此,Apache Flink流式计算框架调优策略具有一定的应用价值。

智慧图书馆用户画像图像处理算法模型设计与实现

针对当前无法对智慧图书馆物联网空间系统中用户图像画像数据进行计算、处理并进行深层次数据挖掘的现状,研究和设计了一种用以画像图像处理的点操作算法模型。模型的底层算法采用适用于空间域增强过程的灰度变换算法。搭建包含算法转换、近似计算、增量更新、查找表和浮点计算等组成计算单元的模型的核心算子。对点操作算法模型的核心算子IP计算单元进行设计,实现了对计算单元的加速设计与实现,计算单元加速效果良好,算法模型合理有效,核心算子的简单像素流水数据能够实时得到流水像素结果输出。

一类污水处理数学模型的定性分析

污水处理是环境保护的主要内容之一,通过机理分析为污水处理提供理论依据是非常重要的.基于经典微生物和底物的物料守恒的数学模型,通过计算该数学模型的雅可比矩阵,分析了模型平衡点的存在性和动力学性质,给出了模型平衡点稳定的充分性条件,用数值模拟的方法对分析结果进行了有效验证,从数学分析的角度对污水处理过程中参数的设置提出了一些建议,以提升污水处理效果,并用数值模拟验证建议的正确性.

学科大概念统领下发展模型认知的单元教学实践——以“水处理过程的化学”主题为例

以学科大概念为统领,以“水处理过程的化学”为例开展主题教学,整体考虑水的净化、硬水软化、含铬污水处理3个情境任务,引导学生自主建构并应用拓展“水处理”认知模型,促进学科知识结构化,发展解决问题的能力,提升化学学科核心素养。

基于运维知识图谱与机器学习的故障处理决策模型研究

随着互联网和大数据技术的快速发展,数据中心IT设备规模和复杂度不断增加,故障处理成为运维工作中的重要挑战。传统的故障处理方法往往依赖于运维人员的经验和技能,存在效率低、成本高的问题。为了解决这些问题,本文首先构建了一个运维知识图谱,以整理和存储各种运维知识。然后,利用机器学习算法对历史故障数据进行分析和建模,从而生成故障处理的决策模型。

基于大语言模型的复杂任务自主规划处理框架

随着深度学习和自然语言处理技术的进步,大语言模型(Large language models, LLMs)展现出巨大潜力.尽管如此,它们在处理复杂任务时仍存在局限性,特别是在任务需要结合规划及外部工具调用的场合.面向这一挑战,提出国内首个以军事游戏为背景的中文的复杂任务规划与执行数据集(Complex task planning and execution dataset, CTPaE),以及一个基于LLMs的自主复杂任务规划(Complex task planning, CTP)处理框架AutoPlan.该框架可以对复杂任务进行自主规划得到元任务序列,并使用递进式ReAct提示(Progressive ReAct prompting, PRP)方法对已规划的元任务逐步执行.该框架的有效性通过在CTPaE上的实验及与其他经典算法的比较分析得到了验证.项目地址:https://github.com/LDLINGLINGLING/AutoPlan.

太阳能光伏发电预测模型的数据处理与特征选取策略分析

太阳能光伏发电作为清洁能源的重要组成部分,其发电效率的预测对于提高能源利用效率至关重要。文章围绕太阳能光伏发电预测模型的数据处理与特征选取策略展开研究,旨在深入分析和探讨相关技术及方法的应用。通过对机器学习算法的预测模型、数据处理策略以及特征选取策略的详细讨论,研究结果为太阳能光伏发电预测提供了全面而深入的研究视角。