优化预测的PCM模拟Computing-In-Memory推论(IBM)


一个新的技术论文题为“优化预测相变内存模拟内存计算推理”是在IBM的研究人员发表的。“电气等属性的系统研究抵抗值,内存窗,电阻漂移,读噪音,及其对大型神经网络的精度影响的各种类型和数千万魏……»阅读更多

模拟内存的性能计算成像问题


技术论文题为“使用新一代硬件加速AI:可能性和挑战,模拟内存计算”由隆德大学的研究人员发表和爱立信研究。抽象的“未来的一代又一代的计算系统需要继续提高处理速度和能源效率,以满足日益增长的工作负载需求下严格的在…»阅读更多

可以人工智能推理Compute-In-Memory带来新的利益?


Compute-in-memory (CIM)不一定是一个人工智能(AI)解决方案;相反,它是一个内存管理的解决方案。CIM能给人工智能处理带来优势加快人工智能模型的核心执行乘法操作。然而,要想成功,一个人工智能处理系统需要显式地使用CIM架构。改变需要一个转变……»阅读更多

层次和容易处理的混合信号验证方法第一代模拟人工智能处理器


人工智能(AI)现在的关键驱动力信息技术的进步,大数据和物联网(物联网)。这是一个技术发展迅速,特别是深度学习的领域。研究人员正在不断地创造新的变异的深度学习扩大机器学习的能力。但建筑系统th…»阅读更多

学习AMS电路表示从布局位置(UT奥斯汀/ NVIDIA)


最近的技术论文题为“标签:学习电路布局空间嵌入”是UT奥斯汀和NVIDIA的研究人员发表的。抽象的“模拟和混合信号(AMS)电路的设计仍然依靠人类的设计专业。机器学习已经被取代人类经验协助电路设计自动化和人工智能。介绍了标签,一个新的parad……»阅读更多

基于横杆的Compute-In-Memory合作设计视图


新评论篇题为“计算神经网络与非易失性内存元素:从合作设计的角度回顾”被阿贡国家实验室的研究人员发表,普渡大学,印度科技学院的马德拉斯。”一个总体合作设计的观点,本文基于评估使用横杆的CIM神经网络,连接材料适当的……»阅读更多

层次和容易处理的混合信号验证方法第一代模拟人工智能处理器


人工智能(AI)现在的关键驱动力信息技术的进步,大数据和物联网(物联网)。这是一个技术发展迅速,特别是深度学习的领域。研究人员正在不断地创造新的变异的深度学习扩大机器学习的能力。但建筑系统th…»阅读更多

异步并行优化方法分级模拟晶体管使用深层神经网络学习


一个新的技术论文题为“使徒:异步并行优化分级模拟晶体管使用款学习”研究人员发表的UT奥斯汀和模拟设备。抽象的“模拟电路规模是一个高成本的过程的手动工作投入和计算时间。迅速发展的技术和高市场需求,使自动化的年代……»阅读更多

安全、安全性和可靠性的人工智能汽车


专家们表:半导体工程坐下来谈安全,老化,在汽车智能系统和安全,和杰夫•泰特的首席执行官Flex Logix;首席执行官管理者Veerbhan Kheterpal二次曲面;首席执行官史蒂夫Teig感知;库尔特·布希,Syntiant的首席执行官。下面摘录的谈话,在现场观众面前举行DesignCon。本文的第一部分是他…»阅读更多

综合参数验证与模拟FastSPICE覆盖


集成电路设计是随着制造技术将加速。需要加入更多的功能导致密度死了,multi-die芯片堆叠3 d集成电路和先进的包装。此外,设计技术继续进展支持更高的数据速率来解决日益增长的需求和增强的连接。我们现在必须处理更多…»阅读更多

←旧的文章
Baidu