西门子数字工业软件公司正在扩大与亚马逊网络服务(AWS)的战略合作协议(SCA)。目标主要是帮助双方共同的集成电路 (IC)和电子设计客户利用AWS先进的云服务来缩短设计周期、优化工程资源并使用西门子当前和即将推出的EDA产品提高验证覆盖率。SCA的这次扩展建立在两家公司为客户提供其需要的敏捷性、灵活性和适应性的优良记录之上。
高性能云计算为集成电路和系统开发人员提供了解决设计复杂性、计算能力需求以及分布式跨组织协作的方法。
西门子和 AWS 正在合作开发云飞行计划(Cloud Flight Plans),这是一种著名的方法(BKM)和技术,可以在客户的AWS环境中运行西门子的EDA。云飞行计划的目标客户是希望自我管理其 AWS环境的客户。
西门子数字工业软件公司EDA云解决方案副总裁 Craig Johnson 表示:“集成电路开发是一个计算密集型过程,因此能够随时获得额外的容量和替代系统配置对我们的客户来说极具价值。”“部署的复杂性历来是一大挑战。我们与 AWS 合作拓展的重点是将我们对电子设计的精通和AWS的基础设施、咨询和云部署协助结合起来,加快我们共同客户的产出。”
AWS工程副总裁 Bill Vass表示:“AWS为最先进的EDA解决方案提供弹性、高性能计算 (HPC),从而提高了集成电路和电子设计工作负载的性能。”“我们与西门子的战略合作使双方共同的客户能够在云中创建创新的新产品,现在还包含了西门子 EDA 的重大半导体创新。”
好文章,需要你的鼓励
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
本文提出一种评估人工智能风险的新方法,借鉴生态学与演化论视角,从理论生态模型中推导出三项风险指标,涵盖种群模型与生态系统模型。研究旨在为AI治理策略提供量化工具,并对分析局限性及政策改进方向进行了深入探讨,为构建更科学的AI风险评估体系提供参考框架。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。