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
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。