頭條 東京大學研發摻鎵氧化銦晶體取代硅材料 6月29日消息，據scitechdaily報道，在2025 年 VLSI 技術和電路研討會上，東京大學工業科學研究所的研究人員發布了一篇題為《通過InGaOx的選擇性結晶實現環繞柵極的納米片氧化物半導體晶體管，以提高性能和可靠性》的論文，宣布開發一種革命性的新型的摻鎵氧化銦（InGaOx）的晶體材料，有望取代現有的硅材料，大幅提升在AI 與大數據領域應用的性能，并在后硅時代延續摩爾定律的生命力。 最新資訊 中國科學院研制出超高并行光計算集成芯片流星一號 6 月 18 日消息，光計算以光子作為載體，實現信息傳遞、交互與計算，具有低功耗、低時延、高并行的天然優勢，是后摩爾時代建設新質算力基礎設施的有效途徑，為人工智能、科學計算、多模態融合感知、超大規模數據交換等“算力密集 + 能耗敏感”場景提供硬件加速。 發表于：6/19/2025 平衡AI投資支出 微軟計劃再裁員數千人 6月19日消息，據媒體報道，微軟（MSFT.US）正計劃進行新一輪大規模裁員，預計將影響數千個工作崗位，其中銷售部門將成為重災區。此舉是微軟為控制員工規模采取的最新措施，主要動因在于該公司在人工智能領域投入巨大，需要平衡整體開支。 據知情人士透露，裁員計劃預計在本月底前（微軟財年結束之際）正式公布。雖然主要針對銷售團隊，但具體裁員規模和最終時間仍存在變數。這將是繼今年5月裁員約6000人（主要涉及產品和工程崗位）后的又一次人員縮減。 值得注意的是，微軟4月份已向員工透露，將借助第三方公司拓展對中小客戶的軟件銷售業務，這為此次銷售團隊調整埋下了伏筆。 微軟表示，公司會定期評估組織架構，以確保投資聚焦于增長領域。由于在服務器和數據中心等AI基礎設施上投入了數百億美元，微軟高管已向華爾街承諾并將向員工強調，需要嚴格控制其他方面的成本。 截至2024年6月底，微軟全球員工總數約為22.8萬人，其中從事銷售和市場營銷工作的員工達4.5萬人。微軟通常在6月底財年結束前后進行團隊重組和業務調整。 發表于：6/19/2025 微軟宣布與AMD達成多年戰略合作 6月18日消息，微軟在最新的視頻中宣布與AMD達成多年戰略合作，雙方將共同設計包括下一代Xbox主機在內的多款設備芯片。 微軟Xbox部門總裁莎拉·邦德在視頻中表示，微軟與AMD的合作將涵蓋多種設備，包括次世代Xbox主機和掌機。 發表于：6/19/2025 華為：未來五年5G車聯網占比將提升至95% 6月18日消息，今日，在2025MWC上海期間，華為輪值董事長徐直軍表示：“2025年中國乘用車銷量中5G車聯網占比達30%，2026-2030年將逐步提升至95%。” 發表于：6/19/2025 電力系統較大波動數據條目自適應檢索方法研究 針對電力系統數據具有復雜性、多樣性特點，導致檢索難度過高的問題，設計了電力系統較大波動數據條目自適應檢索方法。依據電力系統出力變化率，選取二分量一維混合高斯模型，構建電力系統波動概率分布模型。對比概率分布模型模擬的電力系統波動數據與量測數據，依據判定閾值辨識電力系統較大波動數據條目，構建數據條目檢索庫。利用哈希函數獲取檢索庫內較大波動數據條目的哈希特征，生成二值碼。較大波動數據條目檢索時，生成用戶檢索詞的二值編碼，計算檢索詞二值碼與檢索庫內條目二值碼的漢明距離，并對其加權處理，利用加權漢明距離排序數據條目，獲取較大波動數據條目的自適應檢索結果。實驗結果表明，該方法能夠依據用戶輸入的檢索詞，自適應檢索電力系統較大波動數據條目，檢索結果的歸一化折損累積增益均高于0.9，檢索時間低于500 ms。 發表于：6/18/2025 基于機器閱讀理解的電力安全命名實體識別方法 為解決現有命名實體識別方法在電力安全規程等領域文本中識別效果不佳的問題，提出了一種基于機器閱讀理解的電力安全命名實體識別方法。首先，使用預訓練模型對待識別文本進行編碼處理得到文本向量表示。其次，利用層次化注意力機制捕捉嵌套實體間的層次關系，重新分配文本序列的注意力權重；在此基礎上，利用分類器預測文本中實體范圍，得到最終實體識別結果。將該方法在ACE 2005與OntoNotes 4.0公開數據集上進行驗證，對比主流方法其取得最優的識別效果，在電力安全領域實體識別場景下，該方法可達到89.3%的識別準確率，實現電力安全領域命名實體的精準識別。 發表于：6/18/2025 數據驅動的商業負荷集群動態聚合研究 商業負荷集群的動態聚合對提高電網的調度靈活性、優化需求側管理以及促進可再生能源消納具有重要意義。基于典型相關分析（CCA）選取商業負荷特征，并結合DBSCAN 和 K-means等聚類算法對負荷進行分類，以構建適用于不同場景的負荷集群。進一步，提出了三種負荷聚合標準，即基于調節速度、負荷穩定性和經濟性的標準，并分析不同標準下的商業負荷聚合特性、適用性及其在電力調度中的潛在應用。 發表于：6/18/2025 面向電氣設施火災早期檢測的多模態融合模型 高層建筑電氣火災難以預測，危害程度大。為此，提出了一種面向高層建筑電氣火災早期檢測的多模態數據融合模型，該模型融合了溫度、CO氣體濃度與煙霧三種不同模態傳感器的數據，利用了各模態間的互補優勢。首先使用gMLP捕捉三種模態數據的內在模式，完成特征提取。然后利用基于多頭注意力的融合方法，融合不同模態數據間的有效信息，完成特征融合，并識別出存在火情隱患的電氣設施。通過在無隱患與不同電氣設施存在火情隱患情況下的多模態數據集上進行實驗，證明了多模態數據融合模型的早期預測具有較高的準確率，表明了融合方法的優越性。 發表于：6/18/2025 AirGAN：空調機理模型增強生成對抗模型 為引導資源龐大、調控靈活的空調負荷參與需求響應實現“源荷互動”，保障電網的安全經濟運行，各大研究單位開展了樓宇空調需求響應實時控制仿真與實踐研究。然而，如何準確地估算空調的負荷，并對空調負荷進行預測是目前面臨的重要挑戰。當前主流方法包括模型驅動型、數據驅動型兩種方法體系。其中模型驅動型依賴對空調負荷的建模，難以實現對空調負荷復雜變化的模擬。數據驅動則是依賴大量數據進行模型訓練，但難以覆蓋空調負荷的各類特點。為此，擬從模型驅動及數據驅動相結合的角度進行空調負荷的智能擬合，以提升空調負荷生成預測的準確性和適應性。提出了一種基于機制模型與生成對抗網絡（GAN）相結合的負荷生成方法和模型AirGAN。該方法通過GAN生成器生成的虛擬數據，持續調整物理模型的超參數，以使其更好地符合實際空調負荷特性。同時，采用GAN判別器對機制模型預測的負荷進行判別，以此訓練機制模型，從而提升其預測精度。 發表于：6/18/2025 恩智浦完成對TTTech Auto的收購，加速向軟件定義汽車轉型 荷蘭埃因霍溫——2025年6月17日——恩智浦半導體（NXP Semiconductors N.V.，納斯達克股票代碼：NXPI）今日宣布，根據先前宣布的 2025 年 1 月生效的協議，正式完成對TTTech Auto的收購。TTTech Auto是一家專注于為軟件定義汽車（SDV）開發獨特的安全關鍵系統和中間件的領先企業。 發表于：6/18/2025 ?…45678910111213…?
