新葡京娱乐场-大陆娱乐场开户注册

現階段所設計的存算一體器件單元結構如圖 1 所示： 器件的基本結構由波導和功能層（由下到上分為加熱層、電極層、保護層、相變材料（硫系化合物）層）所構成。擬通過在當前流行的絕緣層上硅(SOI)光子平臺上集成四氮化三硅光波導的方式實現器件的光學讀取功能，即在非常厚的硅襯底層上生長一層絕緣層二氧化硅和波導層，然后在基片上通過光刻、顯影、刻蝕等工藝制備四氮化三硅波導。功能層主要用于實現器件的電學寫入功能。加熱器層的主要用途是與相變材料層形成電接觸，通過較小的接觸面積使接觸處的熱量集中，從而可以在較小的電壓或電流下使相變材料發生相變。因此需要加熱器層具備較好的導熱和導電性能，同時在近 C 波段具有較低的光損耗，可采用石墨烯。電極層可用于提供相變材料器件單元所需要的編程電脈沖。當前擬采用硒摻雜的相變材料合金（如 GSST）作為器件的核心功能層的相變材料。該材料在通信/非通信波段顯示了極低的光損耗和更高的品質因數，且相變前后在通信 C 波段具有足夠大的光學常數反差，可在更惡劣的高溫環境下進行操作，適用于硅基光子器件應用。 采用的主要技術手段包括： ① 依托于相變材料的電致和光致相變特性，通過電學編程、光學讀取的方法實現器件的存儲、算術運算和邏輯運算功能：  存儲功能的實現：擬利用相變材料晶態低透過率和非晶態高透過率分別代表二進制中的‘1’和‘0’，實現數據存儲（編程）功能。例如在電極兩端施加合適的電脈沖，所產生電流流經加熱層時，生成的熱量主要集中在加熱層和相變材料層接觸處，使得接觸處的相變材料發生相變，實現存儲功能。在完成上述編程操作后，從器件波導輸入端輸入讀取連續光。由于相變材料功能層對光強的吸收能力在編程和非編程區域間存在著顯著的差異，因此當輸入光經過波導后，其能量會因為相變材料編程區域的吸收而發生改變，進而顯著改變輸出光強能量。所以通過測量輸入輸出光強的能量之比（即透過率），可實現對先前編程區域的讀取。  算術和邏輯功能的實現：通過調整編程電脈沖的幅度和寬度可以動態調控相變材料的相變程度，使得器件的中間透過率值可用于代表不同的數值，實現多級存儲功能。所以擬采用輸入脈沖數量對應加數的方法實現標量加法計算。同時由于所設計器件的讀取連續光輸出功率可視為讀取連續光輸入功率和器件透過率的乘積，因此可采用將輸入功率和透過率作為被乘數和乘數的方法實現基本乘法運算。除此之外還可以將器件功能層的初始狀態設置為非晶相，把晶化脈沖幅值和不足以產生晶化的脈沖幅值分別作為輸入邏輯‘1’和‘0’；同時設定一個判定閾值并與編程后器件透過率的變化率進行對比，把高于和低于閾值的透過率變化率分別作為輸出邏輯 ‘1’和‘0’；通過合理選擇編程脈沖有望實現各種邏輯功能輸出。 ② 基于器件透射率可調特性驗證其實現神經突觸的可行性。并依托所設計人工突觸構建人工神經網絡芯片，實現圖像、語音和文本識別功能：  突觸可塑性是大腦記憶和學習的神經生物學基礎，也是人工類腦器件需要實現的首要功能。為實現突觸可塑性，擬把相變材料和波導之間的耦合區域視為仿生神經突觸，左右兩端電極分別代表突觸前和突觸后，分別施加在兩端電極上的電脈沖則作為突觸前和突觸后刺激。通過調節從左右兩端電極輸入耦合區域的電脈沖時間差對耦合區域的光透過率進行連續調控，進而依托于上述存算理論模型和實物器件仿真和實驗實現仿生神經突觸的脈沖時序依賴可塑性（Spike-Timing-Dependent-Plasticity, STDP)。  將不同波長的光脈沖序列輸入所設計的突觸單元, 經過相變材料的作用，脈沖強度發生變化，對應于乘法器。進而借助于微環結構，將不同波長的脈沖導入進同一波導中，該功能類似加法器。相加后的脈沖光強較小時，讀取光與微環發生共振，在輸出端口沒有光強輸出。當光強達到一定的閾值后，讀取信號不再和微環發生共振，而是傳播到輸出端口。這一過程類似神經元脈沖信號的激發，實現了非線性激活函數的功能。利用上述的單個神經元結構，驗證其監督式機器學習和非監督式機器學習。對于監督式機器學習，權重的數值通過外部管理器設置；對于非監督式機器學習，不再需要外部管理器來設置權重值，而是通過輸出光脈沖進行反饋控制，調整權重值。在單個神經元結構的基礎上，更復雜的光學脈沖神經網絡結構，證明該結構的可擴展性。擬設計的神經網絡中的每一層結構包括三個功能單元，即收集器、分發器和神經突觸結構。收集器將上一層不同波長的光脈沖信號收集到同一根波導中，分發器將光脈沖分發給多個神經元，神經突觸結構則產生光脈沖信號，輸入給下一層結構?；谏鲜鼋Y構實現圖片、語音和文本的識別。 創新性分析：①首次研究了一款基于“電學編程、光學讀取”模式的光電混合存算一體化器件。與傳統電學存算一體化器件相比,擬研發的器件可以進行長距離的信息傳輸，具有傳輸帶寬高、信號間延遲低、損耗低、抗干擾、集成密度高等優點。②采用硒(Se)摻雜的相變材料作為存算一體化器件的核心功能材料。與采用其他相變材料的存算一體器件相比，以硒參雜的相變材料作為功能材料的存算一體器件有望展現出極低的光損耗。③提出了一種基于“電學脈沖刺激、光學權重調節”的人工神經突觸。該突觸器件有望成為未來通用型人工神經突觸，填補了光電混合型人工突觸的技術空白。 先進性分析：①所提出的光電混合工作模式使得該存算一體化器件不但具有傳統集成電路的高密度特性，且兼具光通信技術的寬頻帶、低延遲、抗干擾的優越性能。②所采用硒參雜的相變材料不但繼承了傳統材料具有的快速相變轉化速度、低功耗和穩定性強等特性，且本身在通信波段非晶態透明的同時還保持了相變前后足夠大的光學性能差異的特點。③所設計的突觸繼承了人工電子突觸和全光突觸的優點，具有高集成度、低功耗、超快響應時間、穩定性強等優點。 獨占性分析：根據已取得成果正在撰寫專利，以獲得該關鍵技術的獨有權。 

本發明公開了一種空間多自由度定位裝置及其空間位置解算方法。所述裝置包括底板平臺、第一三維轉臺、第二三維轉臺、第一轉臺底座、第二轉臺底座、伺服電機、絲杠和導軌，導軌鋪設在底板平臺上，第一三維轉臺安設在第一轉臺底座上，第一轉臺底座固定在底板平臺的一端，第二三維轉臺安設在第二轉臺底座上，第二轉臺底座可以沿導軌做靠近或遠離第一轉臺底座的運動，兩個目標物體分別固定在第一三維轉臺和第二三維轉臺上。所述空間位置解算方法根據本發明裝置的機械結構特點，通過固定在夾具上兩物體間期望的空間位置姿態關系解算出裝置上每個運動部件的運動量。本發明能夠實現空間中兩個物體之間的復雜相對位置姿態的定位。

本發明屬于光纖通信技術領域，并公開了一種基于多通道并行 光信號的分光監測裝置，包括光信號發射模塊、分光模塊、耦合透鏡 陣列、光信號接收傳輸模塊和光信號檢測單元，其中光信號發射模塊 用于發射并行的多路光信號，并對其執行準直處理后輸送至分光模塊； 分光模塊將各路光信號執行分光，由此獲得沿著不同方向輸送的兩類 并行多路光信號：其中一類繼續發射至光信號檢測單元，并在此執行 狀態檢測；另外一類依次經過耦合透鏡陣列和光信號接收傳

本發明提出一種新型的適合于快速成型技術的并行多工位式 3D 打印機，包括計算機、支架、3D 打印機組、輸送帶系統。其中 3D 打 印機組是根據需要并排放置多個工位的 3D 打印機，由計算機進行打印 任務調控，實現并行式流水線打印。進行單件小批量式生產時，能夠 保證所有工位上的打印機任務能夠平均分配，并且能夠使工人能夠對 打印完成的零部件進行平均有序的后處理。本發明改變了傳統的間歇 式作業方式，提高了生產效率、降低了生

本發明公開了一種超大規模 RDF 圖數據的劃分與并行分布處理 方法，包括：對原始的 RDF 圖數據進行預處理，生成對應的哈希字典 文件和整形三列表數據，并將整形三列表數據轉換成關聯矩陣 M；建 立關聯矩陣 M 的超圖模型，在該超圖模型中，M 的主語、謂詞和賓語 即為超邊，與超邊相關的數據即為超邊數據；判斷該 RDF 圖數據是連 通圖還是非連通圖，如果是非連通圖，則將該非連通圖劃分為多個連 通圖；基于超圖模型，并發的廣

本發明公開了一種基于遙感影像的特征函數空間濾值回歸模型并行化方法，本發明針對遙感影像數 據回歸建模過程中變量空間自相關性對模型的影響，提出采用特征函數空間濾值方法，通過將影像進行 分塊，利用搭建的并行計算集群進行分布式計算，最后將分塊計算的結果返回給主節點匯總，通過對比 串行和并行分別得到的回歸模型擬合評價參數 MSE、RMSE、R2、Adj.R2 以及并行加速比 S，驗證基于 遙感影像的特征函數空間濾值并行方法在空間統計回歸建模中能夠消除空間

加快科學工程計算領域中并行計算算法研究及流體力學中復雜流動機理研究，為機械流體工程上流體力學領域中無法模擬的商業軟件的開發提供基礎理論支持

本發明公開了一種虛擬化環境下面向任務并行編程模型的優化 方法；在位于客戶虛擬機的前端監控部分獲取任務并行編程模型中失 敗的竊取操作；在位于虛擬機監控器的后端加速部分根據加速發起者 和被加速候選者的運行狀態和所在物理 CPU 的信息，做出是否執行加 速的決策。若執行加速，將加速發起者的剩余時間片提供給被加速候 選者，當被加速候選者被虛擬機監控器搶占(時間片耗盡或被阻塞)時， 若被加速候選者處于可運行狀態，恢復其原本的調

本發明提供一種可多臺并行工作的多維運動學數據測量裝置，屬于運動數據采集技術領域。裝置包括多個數據采集單元、路由器和上位機，數據采集單元、路由器和上位機構成一個無線局域網；所述數據處理模塊用于將角度信息、磁場強度和方向、加速度、角速度通過數據通信模塊傳送給上位機。本發明多個數據采集單元并行采集工作，實時傳送給上位機顯示，相比傳統的單線采集，效率倍增；通過卡爾曼濾波，融合加速度計和陀螺儀數據可以有效抑制因積分和漂移

本發明公開了一種動平臺對地固定目標異構并行自動目標識別器，所述目標識別器包括：交換式網絡與至少一個處理部件，所述處理部件與所述交換式網絡之間通過輸入 FIFO 接口、同步存儲器輸出接口以及控制線連接，所述交換式網絡用于動態鏈接不同的所述輸入FIFO 接口和所述同步存儲器輸出接口，所述處理部件用于完成自動目標識別過程中所需的各種算法功能，所述輸入 FIFO 用于緩存輸入的待處理圖像數據，所述同步存儲器輸出接口用于緩存待