- 资讯公开站rss_arxiv_cs_ai
BioDyad：同步生物医学发现与机器学习工程
BioDyad: Synchronize Biomedical Discovery and Machine Learning Engineering
arXiv:2609.31939v1 公告类型：新 摘要：智能体生物医学机器学习（ML）依托生物医学证据获取与可执行程序搜索两方面的互补进展。现有系统连接了这些能力的部分方面，但在整个程序搜索过程中协调它们仍具挑战性。新证据必须指导候选构建，执行结果必须为后续发现与复用提供信息，验证需求必须契合搜索预算。我们提出 BioDyad，通过蒙特卡洛图搜索中的两个层级将生物医学发现与 ML 工程耦合。其科学层级将先验生物医学指导与迭代发现相结合…
- 资讯公开站rss_arxiv_cs_ai
面向昂贵进化优化的排名可靠教师引导适应度近似：一项TinyML架构搜索研究
Rank-Reliable Teacher-Guided Fitness Approximation for Expensive Evolutionary Optimization: A TinyML Architecture Search Study
arXiv:2609.30553v1 公告类型：新 摘要：昂贵的进化搜索并不总是需要对每个候选个体进行精确的适应度估计。它往往只需要对一个更简单的问题给出可靠答案：哪个候选个体更好？我们通过教师引导学习NSGA-II（TGL-NSGA-II）来满足这一需求，这是一个用于带约束的微型机器学习（TinyML）神经网络架构搜索的低保真框架。一个预训练教师将样本组织为由难度和类别共同定义的分层。随后，每个候选个体都要经过KD-Lite，即在紧凑…
- 资讯公开站iccircle_rss
【VISION GUIDE - 36】片上网络 NoC 大科普
【关键词】#前端 #NoC。【摘要】基于NoC的多处理器系统是一种使用网络互连的架构，将多核CPU、GPU、FPGA等处理器和加速器通过高带宽、低延迟的通信通道连接起来，实现高性能、可扩展的并行计算。它提供了灵活性、节能性和可靠性，适用于高性能计算、嵌入式系统等领域，加速图形处理、人工智能和机器学习等任务。
- 资讯公开站MIT Technology Review
五角大楼拟投3000万美元研发AI测谎仪
The Pentagon wants $30 million to build an AI-powered lie detector
摘要显示，美国国防部预算申请计划在未来五年投入3030万美元，用于改进测谎技术。该项目名为「Polygraph+」或「Polygraph Next」，重点研发基于人工智能与机器学习的评分算法，以及一种名为「远距离传感」的技术。摘要未披露该技术的具体应用场景与部署时间表。
意义：显示AI正被引入高敏感的国家安全与审讯场景，开发者需关注算法可信度、误判责任与伦理监管风险。
- 资讯公开站CNX Software
Soulart Station：面向VR与VTuber的无标记全身动作追踪器（众筹）
Soulart Station – A markerless full-body motion tracker for VR and VTubers (Crowdfunding)
韩国初创公司 Soulart 推出 Soulart Station，一款面向 VR、VTubing 与动作捕捉的无标记全身动捕设备。摘要显示，该设备采用 ToF 传感器与板载双核 NPU，在本地运行机器学习模型处理 3D 点云，无需 PC GPU 或云端算力，可输出 23 关节 6DoF 动作数据，官方宣称 ML 延迟低于 10 毫秒；仅传输动作数据以保护隐私，支持 Wi-Fi，ToF 模块为 940nm 红外，SoC 型号尚未公布。
意义：端侧 NPU 完成动捕推理，可降低 VR/VTuber 使用成本与隐私风险，反映边缘 AI 在实时感知设备中的落地趋势。
- 资讯公开站Semiconductor Engineering
检测综合后门级网表中的硬件木马（威斯康星大学麦迪逊分校、Marist）
Detecting Hardware Trojans in Synthesized Gate-Level Netlists (UW-Madison, Marist)
摘要显示，威斯康星大学麦迪逊分校与Marist大学的研究者发表论文《Demystifying Gate-Level Localization of RTL Trojans》，发现RTL木马在综合后呈现稳定的结构与信号流模式，可借助针对性启发式方法而非通用机器学习特征学习进行有效检测，并提出轻量级启发式方案LoRD。
意义：为芯片设计安全提供轻量级、可解释的硬件木马检测思路，降低对大规模ML训练的依赖。
- 资讯公开站Semiconductor Engineering
常关型p-GaN HEMT的预测性TCAD建模：动态导通电阻、漏电、击穿及机器学习辅助设计探索
Predictive TCAD Modeling of Normally-Off p-GaN HEMTs for Dynamic RDS(on), Leakage, Breakdown, and ML-Based Design Exploration
摘要显示，该工作提出一套常关型p-GaN HEMT的预测性仿真工作流，重点涵盖器件物理校准、漏电建模、动态导通电阻（RDS(on)）与击穿行为，并引入机器学习辅助的设计探索。原文未披露具体器件数据、模型精度或实验验证结果。
意义：为功率GaN器件的TCAD仿真与ML辅助设计提供可参考的方法框架，有助于缩短器件开发迭代周期。
