数据中心转移模式;与MDAO优化设计;DDR设计规则;电池管理。
Synopsys对此的迈克Gianfagna数据中心如何范式已经在过去十年的数据量成倍增加要求存储依靠分布式网络的新方法。
抑扬顿挫的弗兰克Schirrmeister解释了多学科分析和优化设计,或MDAO,以及它如何被结合机器学习模型来提高经典启发式和指导设计实现优化设计。
西门子EDA的蒂姆拉舍尔指向正确的重要性在DDR和其他高速电路中使用设计规则。
Ansys的阿巴斯El胡特发现模拟如何帮助设计一个电池管理系统满足效率、安全性和可靠性的要求。
在一个博客的手臂,Vivotek约瑟夫•陈建议零售商可以利用监控录像已经被抓获,分析数据,提高植入式广告,和其他方法来连接,使更多的安全摄像机镜头的使用。
NXP公司的阿扬Leeuwenburgh检查出植物微生物燃料电池可以用于小型电子产品,通过合作,创建了一个传感器网络,可以跑的细菌在土壤监测水位等环境的品质。
在一篇博客为半,通用电气的研究Radislav Potyrailo,博世Ryotaro Sakauchi, TDK的Sreeni Rao,瑞萨的基督教Meye探索日益增长的市场普遍的气体监测,气体传感器的用户正在寻找什么,和常见的痛点,传感器制造商需要解决。
从阅读,看一些最新的视频:
Co-Packaged光学数据中心可以帮助减少能源和提高性能随着以太网的速度增加。
深度学习在工业检查有利于发现缺陷。
注意事项和修复需要对硬件攻击保护电路不受特定的威胁。
将人工智能模型加速器芯片说明了为什么浮点数据需要转换成整数点数据。
减少数据泡沫在特定领域的设计零暗硅。
提高打印在什么光掩模的准确性,同时加速过程,在半导体制造中使用gpu。
加快人工智能算法通过处理推测边缘的挑战。
如何提高视频分辨率性能影响最小的更好的视频压缩。
没有硬件防弹,但潜在的弱点可以帮助理解,这是什么常见的弱点枚举着手做的事。
越来越多的移动数据是低效的,这也就是为什么设计师移动智能边缘。
|
|
|
|
|
|
|
|
留下一个回复