MétaCan
Menu
Retour à la cohorte
Enregistrement W4409725008 · doi:10.1109/icipnp62754.2023.00043

Design and Implementation of Series-Parallel Connectable Memristor Simulators Based on Combination of Virtuality and Reality

2023· article· en· W4409725008 sur OpenAlexaff
Yijia Chen, Penghao Liu, Michel Kadoch

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Memory and Neural Computing
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésVirtuality (gaming)Computer scienceSeries (stratigraphy)MemristorComputer graphics (images)Operating systemEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Research into the application of memristors is limited by nanotechnology and stringent experimental conditions and is still not able to move beyond the laboratory. Therefore, in order to analyze and study memristors in greater depth, it is necessary to develop equivalent models of memristors to describe their actual physical properties. This process is necessary for the analysis and study of memristors and is the key to overcoming the existing limitations. The “Lab of Electronics Innovation” (LEI) allows realistic manipulation of hardware such as oscilloscopes, signal sources, power supplies, etc. by combining it with the A+D Lab, a portable intelligent laboratory instrumentation hardware, using an instrumentation operator panel similar to that of a traditional laboratory instrument. The main focus of this paper is on the implementation of memristor simulation circuits in multisim circuit simulation software, the verification of the memristor characteristics, and the real circuit implementation of memristor circuit models based on the “Lab of Electronics Innovation”, which combines instruments and real devices in a non-laboratory environment with a virtual operator interface. Finally, the characteristics of the series-parallel connection between the memristor simulators were tested.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,331
Score d'incertitude au seuil0,243

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,031
Tête enseignante GPT0,295
Écart entre enseignants0,264 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Memory and Neural ComputingTravaux en français237 207