数据和ML验证;模拟自动驾驶汽车;化合物半导体。
西门子EDA的于丹发现高质量、连接良好的大量数据对于成功应用机器学习进行验证至关重要，并建议团队转向以数据为中心的工作流程。
Synopsys对此的Shankar Krishnamoorthy表明部署人工智能驱动的芯片设计和验证可以将团队从迭代工作中解放出来，让他们专注于产品差异化和PPA增强。
在一段视频中，凯蒂丝的Neha Joshi解释如何在包装单元插入期间对插入的时钟门进行克隆和重布线。
Ansys的金·伍德汉姆和劳拉·卡特值得注意的是，要让汽车达到高度的自动驾驶，它们需要结合先进的传感器技术、精确确定车辆位置、最新的地图信息、对其他车辆和行人的局部感知以及规划和决策。
半的阿黄随着电源设计工程师试图找到新的方法，在提高设备性能和降低成本的同时，将更多的功率装入更小的空间，化合物半导体的知名度不断上升。
瑞萨的格雷姆•克拉克介绍了异步通用定时器，一个向下计数器，可用于脉冲输出，外部脉冲宽度或周期测量，并在低功耗设计中计算外部事件。
手臂的彼得森Quadros考虑用于汽车开发的软件工具的功能安全认证要求。
记忆专家罗恩·尼尔探索了ULTRARAM，一种由兰开斯特大学开发的三势障谐振隧道(TBRT)非易失性存储器，并建议它可以将外围存储器技术从硅转向基于新型复合材料的集成电路的全新方向。
Nvidia的里克•梅里特解释机密计算如何在可信的执行环境(通常在远程边缘或公共云服务器内)中处理数据，并证明没有人查看或更改工作。
光刻技术专家克里斯·麦克分享来自SPIE高级光刻和制版研讨会的更多亮点，包括第一个商业投影光刻工具。
不要错过最新一期的专题博客低功耗高性能通讯：
Rambus的卢Ternullo着眼于在cpu和加速器之间共享内存资源。
Synopsys对此的杰瑞·洛托建议找到速度最佳点，以保持边缘部署的价格可控。
抑扬顿挫的保罗McLellan探索了将电力输送网络从信号布线中分离出来，以利用从减少红外下降到芯片面积缩放等好处。
西门子珍妮花油深入探讨如何在时间上做出一点牺牲，就可以重新获得电力指标。
手臂的Masoud Koleini建议优化参数，以实现所需的性能，同时优化使用可用资源。
Ansys的格拉茨阿尔维斯展示了工业物联网和运营数据如何实现更大规模的模拟。
Quadric.io的Jon彩旗以推理为中心的基准测试可能会分散SoC设计人员的注意力，无法优化端到端AI应用程序的性能。
|
|
|
|
|
|
|
|
|
留下回复