智能芯片之三维内存 概念

Chapter 1  智能芯片的三维内存  

    三维内存（即：3DM）的构想是一个附加组件；专门用于仿真演示，模拟自然界万物变化、以及能够产生创造性思维的一种设备，也是对传统计算机架构的补充，目的为了构成智能计算机（简称：AIC）。  

    三维内存是由许多个的单个存储单元经过串联并联构成立方体的电路系统，内部每个存储单元都有上下左右前后六条连线，使每个存储单元可以相互传递电荷。（猜想复杂的内部结构应该是每个存储单元除了上下左右前后以外，还有上前、上中、上后、上左前、上中前、上右前等等，一共26条线路）  

    如果每个存储单元有8个bit（可256不同物质在一个场景中）生成表示参加仿真演示的物质类型的链表。这个表对应的参数和坐标在传统内存中，供CPU计算使用。  

    我们把自然变化的大体特征分三类：分开，合并、变质；另一个重要的特例是对原始线条（如直线、曲线、多边形、圆、椭圆以及对应的不规则图形等等）的研究。计算各种线条中曲率，然后根据曲率推算各种线条的相似度。  

工作原理是：  

    当摄像机扑捉一段画面时，CPU计算出关注物体的轮廓的的顶点数，多条3DM控制线程同时多点处释放电荷就从3DM内部一端存储器传递到另一处。这样设计依据了大自然运动，既无规则的运动是大部分的，也少部分有规律。把每个顶点的运动做成在3DM中的沿时间轴波形图。再由初电荷跑到3D内存末端，而后从末端再绕道初端（非初始位置）周而复始地构成了动态坐标系。  

    电荷的运动方向是单一的、有感光约束的优化问题，其现象解为，或是说感光/认识为对流输送。鉴于神经网络是单向传递，在每个存储单元之间的连线是断开的，只有接受触发信号，线路才是闭合的。闭合电路触发是受摄像机当下扑捉的画面决定的。（是选项下一个较近的节点，还是较远一点的，或是同一平面上的，还是不同平面，还有延续之前节点的角度，还是选择较大差异率的相邻节点，等等。--实践出真知）  

    神经网络的实质变分推论，是推进每个存储单元之间都有一个用于添加或者消除电荷的控制阀。从整体的3DM工作层面上看，显示l同一系统的单向延迟、无序列化的、并记录着流向过程。其实，无向图形模型是一种结构化的概率矩阵运算，更是人工智能深度学习的核心技术。需要实践来检验完成。  

    智能计算机构建了一个或者多个坐标系是对多重现象的导入，目的实现数据与传统计算机重载，记录，对比，发掘，调整，创新，改造。  

    记录数据并用于下一次虚拟现实的再造分析，值得强调的是，AI计算机首先需要还原仿真的自然现象。根据数据调整参演的物理化学属性。  

    信息传递的提取系统将此运动互为约束，互为合作的作为输入输出，用可以互为可逆的计算机语言来表示自然界的运动现象。我们就可以通过链接得到重要性来权重电荷的通过线路。  

    这样机器学习就变得简单了，比较各个现象的第一阶段，电荷位置，总量上统计被提取过的现象中值得关注的对象。  

    我们可以通过把瞬子链接在一起得到整合感知度。之后机器利用学过的“经验”进入更高的一个境界——机器创新。它也是在自主的情况下实现的。观察的形象多，锤炼的时间长，自然会产生打破常规的认识，实现自我升级。因此，机器懂得了现象既需要被感知，也需要被理解。

chapter 2 智能链表算法导论

       作为基数交换的选择或传递过程的智慧树。只需知道电子路径（路径规则 goal driven for principle of neural network flows.）就实现了从描述，跟踪，模仿，理解，调整，尝试，创新全方位的智能。

       利用3维空间结合时间轴这个纬度，构建的智能体是这样呈现的，The chief reason to use transmitting is that evaluation can be done. 首先，摄像机先捕获信息加载到3DM中，让我们开始工作：

      如果3DM有一点，经直穿过内存的初始端到末端，其内部路由表是经过每一个内存单元都以前一内存单元平面的法线垂直依次移动出来，这定义为空间中一点物体在一段时间里静止不动。（这里提到的内存单元，就是类似于78ls1383路输入控制8路输出的选择芯片，因为智慧的本质是选择）

同理，如果3DM有两个点同步垂直移动出来，这定义为空间中有一条直线在一段时间里静止不动。（这里一条直线是一个概念范畴，两个点相距很近可以划分为一个大一点的物体，若两个点相距稍远一些，可以划分为相像于直线的物体，如果两个点相距甚远，可以归为直线）

       同理，如果3DM有三个点同步垂直移动出来，可定义为空间中有一个三角形在一段时间里静止不动。以此类推，四边形、多边形、不规则曲线、规则样条线等等。（这里强调的是如何多个物体同时静止摆放的现象是怎么表达？在设计3DM物理特性上，内部的脉冲信号可以任意一个节点上由计算机控制进行添加或者消失，但不能由计算机控制静止不动，脉冲信号是向前传递。在3DM中区分物体是根据了运动轨迹，以及统计顶点之间的斜率，这样我们能够把基础学科知识、公式、理论成果、甚至感性认识，交给计算机进行虚拟演练。 然后智能计算机从中得出经验，实现自我发现，自我学习，自我提升和自我创新）

     动态轨迹分为规则运动轨迹和无规律运动轨迹两大类。

    规则运动轨迹

    无规律运动轨迹

碰撞检测

设计原理，3DM的工作原理还是比较抽象的，好处是就一个突出的，运行速度非常快，甚至光脑都可以运用这个理论。在当前很多科学技术、生产装备、包括人的合作能力，发展到一定的高度时，都会遇到一个瓶颈。正所谓天下武功，唯快不破；我们需要有新的生产力脱颖而出，解决现有的迫切需要解决的问题。再比如征服火星，建造外太空基地…。

chapter 3 真正意义上的智能计算机体系架构，才有完全自主的创造模式，才能快速提高民族的生产力。可以摆脱了那些编程式的人工智能，教什么才会什么尴尬境地。人工智能之三维内存:给出了一种检验一个解是否是完全随机推理改进的方法。由于对智能感知世界的初始化的要求，一个灵感可能比一个来自脉冲波多吗?好像智能就是来自于多次选择，然后计算权重，最终得出的最优序列集合。这些发现在本质上具有高度启发性。

        这是一个集成电路如何在网络电路中引入脉冲的设计。3D架构寄存器可用于跟踪变量。闪烁指标的结果反映了一些活动框架网络的全新踪迹。

实际上，一个脉冲不一定要选择更频繁的方向，最好是在单传播模式下进行计算。

因此，我们期待这一智能功能出现在新的存储电路中。

       一个专门的电路优化技术已经开发出了真相AI技术。它的执行仍然处于我们现实基础的边界。每个单元连接通过相邻路径的每个地址。有许多隐藏的潜在意识将会形成。因此我们不需要过多的程序来事先对我们的AI系统进行进一步的初始化，这种动机对于机器自学习输入的特性是明示的规定。1. 在垂直于流形的方向上连续读取数据的是三维轮廓。

2. 转换和保存浮动脉冲信号。

3.利用计算机分析大量的数据传输和操作流程。

4. 以丰富的值编辑序列轨迹使神经具有创造性。

5. 实时执行适当评估的模拟。

6. 立即调整静态优化的部分。

7. 显式地构造跟踪映射。

8. 进行递归脉冲产生，这种重复产生到透视图。

9. 通常对应于捕获的视频链的变化。

10. 最后一步是评估不同小部件的性能。  

chapter 4 神经电路内核概略设计  

1、 神经电路内核将一定会在每一个路由节点更新xtime变量。  

2、 神经电路内核有时需要在不间断读取（流经过点坐标），并且不禁用中断请求的情况下，可延续传递脉冲信号的功能。  

3、 神经电路内核需要存储逻辑地址的段选择器组件，记录路由信息，这等价于记忆事物变化的经验。  

4、 神经电路内核执行从异常条件恢复所需的所有步骤，都是单向传递，并且可重复载入然后演练，当然其结果是有一定的出入（变化范围）。  

5、 神经电路内核根据现象需要分叉脉冲连路，应跳到need_resched标签。  

6、 神经电路内核可以包含非规则函数曲线和使用锁定跟随记录机制，以确保只有一个过程可以一次执行一个非规则的连路表达。  

7、 神经电路内核重要技术是包括观察许多机器学习算法，可以用大量示例之间的点积来实现自我学习。  

8、 神经电路内核在打开新文件到加载文件，再到演练文件，最后记录文件；虚拟描述现象过程时检查该体系的定义规则(Give a method for testing whether multi-vertexes polygon are totally contrast)。

Chapter 5 结束语

    由于对智能感知世界的初始化的要求，一个灵感可能比一个来自脉冲波多吗?好像智能就是来自于多次选择，然后计算权重，最终得出的最优序列集合。这些发现在本质上具有高度启发性。

对于创造性思维，我们想知道是否有其他重要的未来的想法。提高生产力的一个方法是为国家做贡献。这个过程是基于找到革命性的人工智能引擎(AIE)结构的连接组件。

    如果说：“现象可以帮助人们以渐进的揭示来理解一个大知识家族的原理。这种对表征的依赖是神经网络中普遍存在的现象。一般认为，用零星梯度训练的神经网络会出现一种被称为灾难性遗忘的现象，但传导选择记忆往往只表现出轻度遗忘。” 因此，以上理论的最佳方式是独立创建。