混合忆阻晶体管技术用于减少芯片操作中的漏电。本发明描述了一种3D CBRAM忆阻器,其与CMOS晶体管结合以构建基本逻辑电路元件(NOT、NAND、NOR等)。忆阻器连接到晶体管的源极/漏极,并在高电阻状态和低电阻状态之间提供陡峭的过渡。这种电压控制阈值开关是无滞后的,因此,无论之前的电压值如何,都具有一致的输入-输出电压关系。通过减小开关矩阵的面积来最小化漏电流。此外,引入了一个带有3D尖端的电极(见上图中的Ag层),将漏电流限制在3D尖端的顶点。使用建议的混合电路方法,发现工作频率高达100kHz时功率显著降低。预计1 kHz运行时功率将降低80%左右。这使得该方法非常适合低功耗和低频应用。
我们的发明包括一种基于新型柔性外壳机构的便携式手部训练器。最重要的是通过科学研究和模拟优化的灵活性/阻力分布。该设备安全、直观,可用于各种手部尺寸。我们强调康复的安全性、可用性和有效性,通过采用灵活的外壳结构实现符合人体工程学的力量抓握。重要的是,该设备通过触觉渲染提供丰富的感官反馈,允许执行各种已被证明对神经康复需求有效的任务。该装置的圆形底部可用于训练旋前运动。手部训练师目前还配有康复游戏,我们利用互动式有形游戏元素提供体感训练并促进康复。显然可以想象更多的游戏任务。
这种用于互联网通信的跟踪方法能够通过共享和归因链跟踪数字通信渠道上的内容共享。所有信息都是在没有可识别数据的情况下收集的,并符合当前的数据保护法规。这种新开发的方法能够使用一种新型的动态推荐标识符来观察多个联系人的此类访问和相关共享链。主要的创新是能够收集初始接触之外的共享和访问的结构性信息。这些附加信息允许量化和利用迄今为止不可用的数据流量的各种特征,例如,它允许建立每次访问的共享权限。这样做,在流程的任何阶段都不需要与特定用户进行直接交互。因此,共享和分发内容的用户的个人权利保持不变。
这种零功率传感器将振动转化为电信号。它使用触发事件的能量激活已完全关闭的智能设备。因此,具有零功率传感器的智能设备在休眠状态下可以节省能源,同时为相关触发做好准备。示例包括:语音激活手机、建筑物中的振动触发监测设备、车辆或步数计数器。该应用程序还扩展到偏远、难以接近的地方,如太空或放射性区域的设备,在这些地方充电设备具有挑战性。
走向一个数十亿设备连接到互联网的世界,集中处理成为一个日益严峻的挑战。通过模拟大脑的动态和可塑性,我们能够以前所未有的速度实现节能的边缘处理,从而降低成本并提高隐私。本发明认识到,传统的计算机体系结构不太适合处理原始感官数据,这些数据通常是嘈杂的,在空间和时间上稀疏的。从可以说是最强大的已知计算系统哺乳动物大脑中获得灵感,我们开发了一种从原始感官数据中高效提取信息的新方法。由于大脑是一个物理系统,其基本原理最适合在定制硅中实现。此外,我们的方法将处理和学习紧密结合在一起,创造了自优化边缘处理设备的可能性。
现代经济中越来越多的部分由通常根据合同或服务水平协议(SLA)提供的服务组成,这些协议规定了要提供的服务类型和质量(QoS),以及如果不满足这些要求的处罚。利用当前的技术,可靠地监控通信服务的质量需要与中立的第三方进行持续的通信,而且成本几乎与提供服务本身一样高。这种监测的成本仍然是更广泛地采用服务型经济的主要障碍。本发明涉及一种用于准确监测实际交付的服务质量同时最小化成本的系统和方法。
大多数人机界面,如操纵杆和遥控器,在远程操作过程中都需要注意力和熟练的技能。可穿戴界面可以更自然、更直观地控制无人机,这将使更多的用户能够使用这项技术。这项专利保护了一种柔软的外骨骼,即所谓的FlyJacket,专为想要以直观的方式用上身手势控制无人机的新手用户而设计。外骨骼包括一个用于监测身体运动的运动跟踪装置、一个用于防止疲劳的手臂支撑系统,并与护目镜相连,用于从无人机的角度进行第一人称观察。
立体定向神经外科结合神经刺激是植入深部脑刺激(DBS)电极的一种广泛手术。目前很难在手术干预的清醒阶段测试患者的行为和认知,也很难在围手术期(清醒但立体定向固定)提供分心。虚拟现实(VR)技术以能够让患者沉浸在生态有效的模拟环境中,并测试各种神经系统疾病的情绪、冲动、对刺激的反应和行为而闻名。该技术提供了一种附加设备,可以安装立体定向装置,并允许在神经外科干预的围手术期或清醒阶段与患者一起使用VR。
尽管抗癫痫药物最近取得了进展,但三分之一的癫痫患者仍会持续发作。e-Glass是一种用于实时大脑活动监测的新型可穿戴系统,利用边缘计算来考虑多种生物医学应用,包括非侵入性癫痫监测。通过采用先进的系统设计和机器学习技术,e-Glass可以在单次电池充电后连续24小时以上可靠地监测大脑活动。
消费者和第三方服务提供商几乎普遍使用互联网,这突显了适当的数据存储和隐私政策的重要性。这些隐私政策冗长而复杂,经常充斥着技术和法律术语,这使得消费者更难理解。如今,无数公司及其服务已成为大多数消费者的标准,这意味着他们必须阅读和理解数十种不同的隐私政策。简化这一过程的努力没有可扩展性,由于相关政策的数量及其随时间的演变,这是这一领域的关键障碍。例如,监管机构提出的将政策要素简化为网格的倡议并没有被许多服务提供商采纳。大众服务的众包解决方案也不可扩展,因为它依赖于志愿者。该技术通过引入自动化框架来解决这些可扩展性问题。它建立在神经网络分类器的层次结构之上,允许对自然语言隐私政策进行可扩展、动态和多维的查询。Polisis由两个分别支持结构化和自由形式查询的应用程序组成。