西门子数字行业软件(Siemens Digital Industries Software)近日宣布,与Calibre nmPlatform合作为设计人员提供最新的硅光子学平台。
GlobalFoundries的下一代单片平台GF Fotonix是业内首个把具有差异化的300mm光子和RF-CMOS功能结合在一个硅晶片上的平台,可以大规模地提供一流的性能水平。
GF Fotonix工艺设计套件(PDK)包括西门子用于设计规则检查(DRC)的Calibre nmDRC软件,以及用于布局与原理图(LVS)验证的Calibre nmLVS软件。这两款Calibre工具都已经获得GlobalFoundries的全面认证,因此那些针对该GF Fotonix新平台展开设计的共同客户,可以像此前产品一样继续使用这个可信的Calibre nmPlatform用于硅光子器件。
Calibre设计解决方案产品管理副总裁Michael Buehler-Garcia表示:“很高兴EDA将我们与GlobalFoundries的共同解决方案扩展到新兴的硅光子市场。虽然硅光子设计以及多模片产品引入这种设计,会带来新的验证复杂性,但这些复杂性在Calibre硅光子设计套件中得到了解决,无需改变设计人员传统上使用Calibre的方式。”
GF Fotonix通过把光子系统、射频(RF)组件和高性能互补性的CMOS逻辑组合在一个硅芯片上,把以前分布在多个芯片上的复杂工艺整合到了一个芯片上。
GlobalFoundries客户设计支持高级副总裁Mike Cadigan表示:“我们与西门子EDA的合作是一个很好的例子,展示了GlobalFoundries如何与行业领导者展开合作,为我们的客户提供创新的、及时面市的解决方案。西门子用于设计验证和流片后操作的Calibre工具,与GF Fotonix解决方案相结合,可以帮助设计人员有效地打造下一代数据中心、计算和传感应用所需强大的、灵活的和节能的解决方案。”
硅光子让企业能够将光纤直接引入集成电路中,但是硅光子器件包含了很多弯曲的布局,而不是传统CMOS设计中的线性曼哈顿网格。把传统CMOS DRC应用于硅光子布局中会产生大量误报错误,设计团队往往要花费数周的时间对这些问题进行追踪。为了应对这一挑战,GlobalFoundries采用西门子Calibre eqDRC软件,该软件允许规则检查使用方程式来代替或补充线性测量,从而有助于获得更准确的结果,显着减少错误,帮助设计团队减少在调试设计上花费的时间和资源。
类似地,光子结构的曲线特性,加上普遍缺乏光学源网表,在执行LVS检查时也会遇到挑战。传统的IC LVS技术从主流电子结构中提取物理测量值,并将其与源网表中的相应元素进行比较。然而,对于弯曲结构——就算不是完全不可能——也很难辨别一个结构是从哪里开始的,另一个结构是在哪里结束的。而GF Fotonix PDK with Calibre LVS则可以克服这个障碍,通过使用文本和标记层来识别感兴趣的区域。
硅光子器件通常部署在某个特定工艺节点上的单个模片上,然后使用先进的异构封装技术与多个模片中其余的设计组件堆叠和封装,通过使用完整的核心Calibre产品,可以大大缩短总验证周期时间。
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。