西门子推出了IC(集成电路)设计与验证解决方案,作为AI路线图的一部分,帮助设计团队满足并超越日益严苛的功耗、性能、良率和可靠性要求,同时缩短产品上市时间。
该公司新开发的Solido Design Environment软件可以帮助电路设计人员应对挑战,满足无线、汽车、高性能计算和物联网(IoT)等应用更高设计复杂性的要求。这款新的软件提供了一个单一、全面的座舱,可以处理标称分析和变异感知分析,包括SPICE级电路仿真设置、测量和回归,以及波形和统计结果分析。
利用人工智能技术,Solido可以帮助用户确定优化路径,以提高电路功率、性能和面积,并执行精确的生产良率统计分析,而运行时间只需要之前暴力方法的一小部分。它还采用了新的附加学习技术,可帮助设计和验证团队大幅提升性能,利用原有的人工智能模型做出更智能、更快速的人工智能决策分析。凭借着这些先进的功能,该软件可以帮助实现高达六西格玛的验证精度和更高的良率,速度比暴力蒙特卡洛方法快好几个数量级,同时还有助于显著提高覆盖率和精度。
在接受embedded.com采访时,西门子数字工业软件公司定制集成电路验证部门副总裁兼总经理Amit Gupta解释了EDA中的人工智能路径图,EDA中的人工智能在不同的准备阶段对自适应人工智能、附加型人工智能和辅助型人工智能做出了不同程度的贡献。他表示:“多年来,我们了解到EDA中人工智能有五个关键属性:可验证性、可用性、通用性、稳健性和准确性。可用性是指不需要算法方面的专业知识,通用性指的是它可以在任何系统中使用,稳健性指的是如果出现故障,人工智能具有恢复能力。”
他补充表示,工程团队必须适应更高的设计复杂性和不断增加的变异效应,同时满足功耗、性能、面积和良率目标。他表示:“Solido Design Environment软件将用于签收变异分析的尖端人工智能技术无缝集成到适用于云的设计环境中,为定制集成电路设计带来了突破,为标准单元、存储器和模拟IP设计团队提供了颠覆性的优势。”
Gupta表示,Solido已经拥有数千名用户,早期客户已经获得了显著的效益。例如,高级存储器和传感器技术供应商SK hynix公司表示,Solido显著缩短了从初始设计到生产所需的时间。SK hynix计算机辅助工程主管Do Chang-Ho先生表示:“在我们创造下一代内存技术的过程中,验证精度和周转时间是我们设计流程中的关键因素。”“西门子的Solido Design Environment软件提供了穷举变异分析以及强大易用的设计优化,大大缩短了我们从初始设计到生产的时间。”
Forza Silicon(AMETEK 公司)美国设计服务总监 Sam Bagwell 表示:“我们的设计人员在定制设计最先进的低噪声、高分辨率、超高速CMOS图像传感器时,使用Solido Design Environment软件作为他们的仿真环境,这些传感器应用广泛,包括电影摄影、机器视觉、汽车、AR/VR 等。该解决方案可提高设计工作流程的效率,实现直观的结果可视化,并提供出色的用户支持,因此给我们带来了卓越的体验。”
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。