更多的汽车传感器;引导指令;初始化结构;神经网络标签。
Synopsys对此的克里斯•克拉克考虑到汽车传感器数量的增长，以及边缘计算能力、传感器融合、传感器退化、监控和软件在车辆寿命周期内的维护之间的成本/性能权衡。
抑扬顿挫的保罗McLellan检查加载引导程序到内存的过程在过去几年里是如何变化的，从手动输入二进制交换机到现代服务器。
西门子EDA的科林墙解释如何使用C来初始化结构和复杂的对象，如数组。
手臂的阿克塞尔伯格探讨了为什么使用多个标签或神经网络学习是有优势的，特别是当问题不完全适合分类或回归类别时。
Ansys的斯科特·尼伯格了解埃因霍温理工大学的土木工程教授如何使用流体模拟来评估和改善室内健身房和运动设施的安全性。
应用材料的Ortal Yesodi他认为，当使用先进的光学检测系统时，要跟上分离噪声和缺陷的日益增长的挑战，方法是收集和分析尽可能多的数据。
半的Gity Samadi检查了四个将柔性电子设备用于可穿戴设备、医疗设备和精准农业的项目。
在半导体的丹尼雅伯展示了“毅力”号火星探测器如何使用商用现成的相机图像传感器，帮助它自主确定着陆地点。
硅实验室的伊曼纽尔Sambuis考虑了围绕互联医疗设备的安全和隐私挑战，以及BLE中的新安全功能、信任根源和无线更新如何提供帮助。
另外，看看最新的低功耗高性能时事通讯中强调的博客:
Ansys的Marc同化深入探讨3D设计将如何迫使IC设计团队面对新的物理领域和挑战。
手臂的切特Babla展望了未来几年值得关注的一些主要趋势——从综合处理能力到更智能的电池。
英飞凌的彼得·弗里德里希检验碳化硅和硅之间的异同。
西门子EDA的库尔特豆类演示如何确保功率域之间的数据传输不受亚稳态破坏。
Synopsys对此的Aveek Sarkar认为不断增加的复杂性意味着包含模拟和数字组件的设计需要作为一个系统来分析。
抑扬顿挫的保罗McLellan集中讨论在连接小芯片时使用哪种类型的高速接口。
Rambus的弗兰克铁观察到2.5D内存提供了人工智能训练所需的带宽、容量和电源效率，但也增加了复杂性。
口径的简•威利斯指向关于使用曲线形状来增加高级内存的进程窗口的更新。
Valtrix系统Shubhodeep Roy Choudhury和Imperas的Lee Moore解释了RISC-V验证生态系统如何支持定制处理器设计的灵活性。
|
|
|
|
|
|
|
|
留下回复