电源/性能位:12月14日

改进的数字传感
来自伦敦帝国理工学院和慕尼黑工业大学的研究人员提出了一种技术，可以提高许多不同类型传感器的能力。该方法解决了电压限制模拟-数字转换器当输入信号超过这些限制时，饱和度会导致质量差。

“我们的新技术让我们在无数数字技术的例子中捕捉到更全面的刺激，应用范围从日常摄影和医疗扫描仪到地外探索、生物工程和监测自然灾害。这种硬件-软件协同设计方法为进一步研究开辟了新的科学前沿，”帝国理工大学电气与电子工程系的Ayush Bhandari说。

研究人员使用了使用“模”采样的adc来测试使用不同类型的电压(称为模)是否可以帮助传感器处理更大范围的信息。模数是指当信号的电压除以ADC的最大电压时产生的余数。

原型包括一种算法，一旦达到刺激极限，触发ADC切换到模电压，并将这些信号“折叠”成更小的信号。利用这种方法，研究人员能够将模量测量转换为现有传感器可以读取的更小的传统数字信号。

“今天，我们周围都是数字传感器，这是数字革命的重要组成部分。所有数字传感器都有其探测范围的最大值和最小值限制，但我们已经找到了一种突破上限的方法，没有理论最大值:天空就是极限，”帝国理工学院的本科生托马斯·波斯基特(Thomas Poskitt)说。

“通过对信号取模，我们可以将电压保持在限制范围内，并重建完整的信号，甚至不知道电压超过限制的次数。这可以为任何传感器解锁高动态范围，例如，让摄像头看到人类看不到的东西。”

班达里补充说:“通过结合新的算法和新的硬件，我们解决了一个常见的问题，这可能意味着我们的数字传感器可以感知人类所能感知的东西，甚至超越人类。”

来自TUM的Felix Krahmer教授说:“我们方法的关键特征是，如果信号的电压超过阈值，硬件就会将信号从电压转换为模，本质上是重新设置，让更大范围的信号进入。当前论文的新颖之处在于，它提出了第一个统一的方法，既具有适应重建方法计算特征的硬件原型，又具有成功解决电路实现挑战的恢复方案。”

快速油藏计算
俄亥俄州立大学和克拉克森大学的研究人员发现了一种更快更有效的方法预测复杂系统的行为通过改进一种称为储层计算的人工神经网络模型。

储层计算最初在21世纪初发展起来，可用于预测动力系统，如天气，一个小的变化可以随着时间的推移产生很大的影响。“蝴蝶效应”就是一个著名的例子，蝴蝶扇动翅膀就会引发风暴。

在储层计算中，动态网络上的数据被输入网络中随机连接的人工神经元的“储层”。网络产生有用的输出，科学家可以解释并反馈到网络中，建立一个越来越准确的预测系统将如何在未来发展。

对于更复杂的情况和更准确的预测，需要更多的人工神经元和更多的计算时间和资源。该团队的目标是简化系统。“我们让数学家研究这些网络，并问，‘在多大程度上，机器中的所有这些部件都是真正需要的?’”俄亥俄州立大学物理学教授丹尼尔·戈捷说。

他们在一项涉及爱德华·洛伦兹开发的天气系统的预测任务中测试了他们的概念。在台式电脑上进行的一项相对简单的模拟中，新系统比现有模型快33到163倍。

但当目标是提高预测的准确性时，下一代油藏计算速度要快100万倍左右。Gauthier说，新一代计算只需要28个神经元就能达到同样的精度，而当前模型需要4000个神经元。

Gauthier说:“与目前的油藏计算相比，我们可以用更少的计算机资源，在很短的时间内完成非常复杂的信息处理任务。”油藏计算已经在以前的基础上有了重大改进。”

提高速度的一个重要因素是需要更少的训练数据和时间。

Gauthier说:“对于我们的下一代油藏计算，几乎不需要升温时间。“目前，科学家们必须输入1000或10000个数据点或更多的数据来加热它。这就是所有丢失的数据，实际工作中不需要的数据。我们只需要输入一个、两个或三个数据点。”

在预测方面，也需要更少的数据。在洛伦兹预测任务中，研究人员可以使用400个数据点得到与当前一代使用5000个数据点或更多得出的结果相同的结果，这取决于所需的准确性。

该团队计划将这项工作扩展到解决其他困难的计算问题，例如预测流体动力学。

越近越酷
科罗拉多大学博尔德分校的研究人员调查了一些超小热源的原因更快降温当它们挤得更紧时。

“通常，在设计电子产品时，热量是一个具有挑战性的考虑因素。你制造了一个设备，然后发现它的加热速度比预期的要快，”JILA的博士后研究助理Joshua Knobloch说，JILA是CU博尔德分校和美国国家标准与技术研究所(NIST)的联合研究所。“我们的目标是了解其中的基本物理原理，这样我们就可以设计出未来的设备，有效地管理热量流动。”

在之前的实验中，物理学家发现，在硅基上紧密放置的纳米级金属棒在加热时比分开时冷却得更快。“他们的行为非常违反直觉，”诺布洛赫说。“这些纳米级热源通常不能有效散热。但如果你把它们挤在一起，它们冷却得更快。”

为了找出原因，研究小组使用计算机模拟模拟了一系列硅棒，像火车轨道上的板条一样并排放置，并将它们加热。模拟的细节水平允许他们观察模型中每个原子的行为。诺布洛赫补充说:“我们真的在挑战科罗拉多大学博尔德分校的Summit超级计算机的内存极限。”

研究人员发现，当硅棒被隔开时，热量以一种可预测的方式逸出，从硅棒泄漏到下面的材料，并向各个方向消散。

但当这些铁条放在一起时，奇怪的行为就出现了。当热量分散时，它有效地迫使能量更强烈地从源头流出。研究小组将这种现象称为“定向热通道”。

Knobloch说:“这种现象增加了热量向下传输到基材并远离热源。”

“热流涉及非常复杂的过程，很难控制，”Knobloch补充道。“但如果我们能够了解声子在小尺度上的表现，那么我们就可以定制它们的传输方式，使我们能够建造更高效的设备。”