Phân tích Tổn hao Năng lượng Hệ thống Thủy lực: Cảm biến Áp suất-Nhiệt độ Dầu và Machine Learning Phát hiện Lỗi Bơm-Van
Dùng AI để cảnh báo sớm từ data IoT
Dùng AI để cảnh báo sớm từ data IoT
Phân tích Trade-offs Latency – Durability: Độ bền PCB, Chipset Thiết bị AI dưới Chu kỳ Nhiệt/Điện Cao
Tối ưu Vật liệu PCB cho IoT: Giảm Carbon Footprint với FR-4, Polyimide và Tái chế
Kỹ thuật Xử lý Băng thông Rộng (Broadband Processing) RF bằng AI: CNN Spectrum Sensing, Quản lý Nhiễu – Bảo mật Mạng
Giám sát Sức khỏe Vật liệu (Material Health Monitoring) Bằng Cảm biến Siêu âm và Sợi Quang: Phát hiện Nứt, Ăn mòn Sớm
Thiết kế Cơ sở Dữ liệu Edge Tối ưu cho Học máy: Time-Series Databases với Nén Dữ liệu, Partitioning và Truy vấn Dự đoán
Vai trò IoT trong Tối ưu Khử Muối (Desalination): Cảm biến Độ Mặn, AI và Reverse Osmosis
Phân tích TDP Mô hình Lượng tử hóa: Giảm công suất FP32 sang INT8 trên cùng Chipset – Thách thức hiệu chuẩn điện
Thiết kế Hệ thống Giám sát – Điều khiển Độ ẩm Tối ưu Với AI Cho Nhà kính Và Kho: Giảm Tiêu thụ Năng lượng
Tối ưu Buffer Management Luồng Dữ liệu Cảm biến AI: Circular Buffer Hiệu quả – Giảm Data Copying
Phân Tích Công Suất UCIe/SerDes: Năng Lượng Truyền 1 Bit Và Tối Ưu Buffer-Tần Số
Kỹ thuật Học tập Liên tục (Continual Learning) trên Thiết bị IoT Lâu dài: Cập nhật Mô hình Không Quên Kiến thức Cũ và Quản lý Bộ nhớ – Năng lượng
Tối ưu hóa Sản xuất Giấy Bột Giấy bằng IoT: Giảm Nước với Cảm biến Độ ẩm, Lưu lượng và Machine Learning
Edge Caching: Tối ưu Tốc độ Truyền Mô hình AI qua Lưu trữ Gateway và OTA Giảm Trễ
Giám sát và Tối ưu Hiệu suất Máy Bơm (Pump) Lớn: Cảm biến Rung động, Áp suất và Operating Point
Phân tích Chuyên sâu Emulation Chip AI: Sử dụng FPGA Mô phỏng Kiến trúc Mới và Đánh giá GFLOPS/Watt Trước ASIC
Vai trò IoT trong Tối ưu Năng lượng Mặt trời On-site: Dự đoán Sản lượng bằng AI và Cảm biến Thời tiết
Tối ưu hóa K-means, Autoencoders tại Edge cho Anomaly Detection: Cân bằng độ nhạy và cảnh báo sai
Thiết kế Hệ thống Giám sát Năng lượng Cấp Độ Linh Kiện (Component-Level Energy Monitoring)
GenAI và LLM: Tự động Hóa Gán Nhãn Dữ Liệu Cảm Biến Phi Cấu Trúc – Giảm Chi Phí, Độ Trễ
Phân tích RL trong Tối ưu Năng lượng Tòa Nhà: Đèn, HVAC, Rèm & Giảm Tải Đỉnh
Kỹ Thuật Mô Phỏng Nhiệt (Thermal Simulation) Cho Chip AI Phân Tán Bằng FEM: Dự Đoán Hot Spot Và Tối Ưu Vias Tản Nhiệt Trên PCB
Tối ưu Hiệu suất Heat Exchanger bằng Cảm biến và AI: Phát hiện Fouling, Lịch Vệ Sinh
Thiết kế Chip-to-Software Interface cho AI Accelerator: Driver, API Cấp Thấp và Tối Ưu Overhead CPU-AI
