在验证数据和毫升;模拟自动车辆;化合物半导体。
西门子EDA的于丹发现高质量、人脉广泛的质量数据是至关重要的成功应用机器学习来验证和建议团队主以数据为中心的工作流。
Synopsys对此的Shankar Krishnamoorthy表明部署AI-driven芯片设计和验证可以自由团队从迭代的工作,让他们专注在产品差异化和PPA增强。
在一个视频中,节奏的Neha Joshi解释如何做克隆并重新插入时钟盖茨在包装细胞插入。
Ansys的金Woodham和劳拉·卡特注意汽车达到高水平的自主权,他们需要结合先进的传感器技术,精确determinization车辆位置,最新的映射信息,当地对其他车辆和行人,规划和决策。
半的阿黄看着不断上升的的化合物半导体电源设计工程师试图找到新的方法来包装成更小空间,同时增加设备性能和降低成本。
瑞萨的格雷姆•克拉克解释了异步通用定时器,计数器,可以用于脉冲输出,外部脉冲宽度或周期测量,和外部事件计数低功耗设计。
手臂的彼得森Quadros考虑了功能安全认证要求软件工具用于汽车的发展。
记忆专家罗恩·尼尔探索ULTRARAM,三重障碍共振隧穿兰开斯特大学(TBRT)正在开发的非易失性内存,并建议可能需要外围存储器技术在一个激进的新方向从硅转向新的集成电路为基础的复合材料。
Nvidia的里克•梅里特解释了如何计算使处理机密数据在可信执行环境中,通常在一个远程边缘或公共云服务器,并证明没有人查看或修改工作。
光刻技术专家克里斯·麦克股票从方法相比更强调先进光刻技术和模式研讨会,包括第一个商用投影光刻工具。
不要错过最新的博客了低Power-High性能通讯:
Rambus的卢Ternullo看着在cpu和内存资源共享加速器。
Synopsys对此的杰瑞·洛托建议寻找甜蜜点速度保持边缘的价格点部署可控的。
抑扬顿挫的保罗McLellan探索分离信号的功率输出网络布线杠杆利益从减少IR降至芯片面积比例。
西门子珍妮花油深入一点时间牺牲如何回收能力指标。
手臂的Masoud Koleini提出了优化参数来实现所需的性能,同时优化使用可用的资源。
Ansys的格拉茨阿尔维斯表明IIoT和操作数据使仿真规模更大。
Quadric.io的Jon彩旗警告说,inference-focused基准可以分散SoC设计优化端到端人工智能应用程序的性能。
|
|
|
|
|
|
|
|
|
留下一个回复