哈佛研究人员创建了一个可编程的芯片如何基于嵌入式FPGA为物联网应用程序。
深入学习算法存在一个令人兴奋的机会对于高效的VLSI实现由于几个有用的属性:(1)一个尴尬的并行数据流图,(2)明显稀疏模型参数和中间结果,和(3)弹性的计算和存储。利用这些特征可以显著提高性能和能源效率。我们已经贴了两个出类拔萃,一个在28 nm散装,一个在16 nm FinFET。外围设备,这些芯片包含cpu,内存芯片和自定义加速器允许我们调整和深度学习算法的效率和弹性特征定制的硅。
点击阅读更多在这里。
评论*
的名字*(注意:这个名字会显示公开)
电子邮件*(这将不公开显示)
Δ
开源处理器核心开始出现在异构soc和包。
少低精度等于权力,但标准要求做这项工作。
开源本身并不能保证安全。它仍然可以归结为设计的基本原理。
确保你的产品包含最佳RISC-V处理器内核不是一个容易的决定,和目前的工具不胜任这一任务。
EDA社区是如何准备应对即将到来的挑战还不清楚。
先进的腐蚀nanosheet持有关键场效应晶体管;为未来的节点进化路径。
细节逾500美元的新投资,近50家公司;疯狂扩张背后是什么,为什么现在,和挑战。
从具体设计团队技能,组织和经济影响,移动定制硅摇晃。
新的记忆方法和挑战缩放CMOS指出彻底改变在半导体设计——和潜在的巨大改进。
留下一个回复