中文 英语

EDA中ML的障碍


EDA是利用机器学习(ml)的合适空间吗?答案取决于许多因素,包括究竟在应用程序,从行业中有多少支撑,以及是否存在明显的优势。究竟何地在哪里发挥作用尚未决定。例如,用机器学习取代现有启发式,需要一个行业范围......“ 阅读更多

权衡提高性能,较低的力量


竞争市场不再可接受通用芯片,随着设计变得越来越多的工作量和针对特定工作负载和应用,趋势正在增长。从边缘到云端,包括从车辆,智能手机到商业和工业机械的所有趋势,潮流越来越多地利用最少量的能量来最大化性能。这 ...“ 阅读更多

AI系统可靠性的另一面


在无处不在的电子产品中加入智能会带来一些后果,但不一定是大多数人所期望的。如今,几乎所有电子产品都内置或添加了某种“智能”功能。这可以像烟雾警报器一样简单,当电池电量不足时提醒你,一个家庭助理了解你的时间表并调节温度,或一个r…“ 阅读更多

确保AI / ML在测试系统中工作


人工智能/机器学习正被越来越多地用于寻找芯片制造和测试中的模式和异常数据,从而提高终端设备的整体良率和可靠性。但由于存在太多的变量和未知数,仅使用人工智能无法可靠地预测芯片在该领域的表现。如今,每一个人工智能用例——无论是自动驾驶汽车还是工业产品……“ 阅读更多

ai / ml设备真正显示的反馈循环是什么?


如今,人工智能/人工智能正被设计进越来越多的芯片和系统中,但预测它们进入该领域后的表现至多只是一个不错的猜测。通常,系统的验证、验证和测试是在设备到达市场之前完成的,在可靠性可能是任务或安全标准的系统中,现场数据分析的数量越来越多。“ 阅读更多

隐藏的成本更快,低功耗AI系统


芯片制造商正在为智能设备构建性能和能源效率更高的数量级产品,但为了实现这些目标,他们也在进行权衡,这将产生深远、持久的影响,在某些情况下还会产生未知的影响。很多这种活动都是将智力推到边缘的直接结果,在这一边缘,智力需要处理、分类和管理大量增长的数据……“ 阅读更多

机器学习的电源模型


AI和机器学习正在设计成几乎所有内容,但芯片行业缺乏足够的工具来规格算法在特定硬件平台上运行时使用多少功率和能量。缺失的信息是能敏设备的严重限制器。随着旧的格言,您无法优化您无法衡量的内容。今天,焦点在功能上......“ 阅读更多

用机器学习改变视觉检测


汽车制造商如何应用ML和AI算法,以增强其工厂地板上的图像分析,并确保产品质量更高?在我们的新案例研究中发现下一代视觉检查。在这种情况下,您将了解:制造业图像检查的当前局限性。o +端到端解决方案,它带来了机器学习和......“ 阅读更多

用矢量指令加速AI


在整个行业进行搜索,以找到加速机器学习应用的最佳方法,并优化矢量指令的硬件正在获得牵引力作为该努力的关键元素。矢量指令是一类使得能够并行处理数据集的指令。在单个操作中处理整数的整数或浮点数阵列,ELIM ...“ 阅读更多

专注于生物计算


人工尖峰神经网络需要复制兴奋性和抑制性生物神经元,以便在生物脑中仿真神经激活模式。由于所需的电路占地面积大,以基于CMOS的设计为基于CMOS的设计进行了具有挑战性的。但是,惠普实验室的研究人员观察到一个生物学卓越的模型,Hodgkins-Huxley Model,是数学......“ 阅读更多

←更老的帖子