确保AI/ML在测试系统中工作


人工智能/机器学习正在越来越多地用于发现芯片制造和测试中的模式和异常值数据,提高终端设备的整体良率和可靠性。但有太多的变量和未知因素,无法仅使用人工智能就可靠地预测芯片在现场的表现。如今,每一个人工智能用例——无论是自动驾驶汽车还是工业应用……»阅读更多

AI/ML设备的反馈循环真正显示了什么?


如今,AI/ML正被设计到越来越多的芯片和系统中,但预测它们一旦投入使用将如何表现,充其量只是一个很好的猜测。通常情况下,系统的验证、验证和测试都是在设备进入市场之前完成的,对于可靠性可能是任务或安全关键的系统,越来越多的现场数据分析。»阅读更多

更快、低功耗人工智能系统的隐藏成本


芯片制造商正在为智能设备打造更好的性能和能源效率数量级的产品,但为了实现这些目标,他们也在做出权衡,这些权衡将产生深远、持久、在某些情况下未知的影响。这种活动在很大程度上是将情报推到边缘的直接结果,在那里需要处理、分类和管理大量增加的数据。»阅读更多

机器学习的功率模型


人工智能和机器学习正在被设计到几乎所有东西中,但芯片行业缺乏足够的工具来衡量一个算法在特定硬件平台上运行时使用了多少功率和能量。缺少的信息对能源敏感设备来说是一个严重的限制因素。正如老话所说,你无法优化你无法衡量的东西。今天,重点是功能…»阅读更多

用机器学习改造视觉检测


汽车制造商如何应用ML和AI算法来增强工厂的图像分析,并确保更高的产品质量?在我们的新案例研究中发现下一代视觉检查。在本案例研究中,您将了解到:目前制造业中图像检测的局限性。O+端到端解决方案,带来机器学习和…»阅读更多

用矢量指令加速AI


整个行业正在寻找加速机器学习应用程序的最佳方法,而优化矢量指令的硬件正在成为这一努力的关键要素。向量指令是一类能够并行处理数据集的指令。整个整数或浮点数数组在一个操作中被处理,elim…»阅读更多

聚焦生物计算


人工尖峰神经网络需要复制兴奋性和抑制性生物神经元,以模拟生物大脑中看到的神经激活模式。使用基于cmos的设计实现这一点具有挑战性,因为所需的电路占地面积很大。然而,惠普实验室的研究人员观察到,一个生物学上合理的模型,霍奇金斯-赫胥黎模型,是数学……»阅读更多

自动驾驶汽车还有很长的路要走


完全自动驾驶汽车上路可能还需要很长时间。即使是半自动驾驶汽车也表现不佳。美国汽车协会(American Automobile Association)驾驶配备主动驾驶辅助系统的汽车行驶了4000英里,平均每8英里就会出现问题。AAA列举了一系列问题,包括驾驶时离其他汽车或护栏太近,刹车太猛,自动转向会使汽车和汽车相撞。»阅读更多

处理器扩展性到底有多重要?


虽然扩展处理器的能力并不是什么新鲜事,但市场动态正迫使越来越多的业内人士将其视为产品创新的必要组成部分。从小型物联网功能到大规模数据中心和人工智能,需要创建一个优化的处理平台,这往往是在硅领域获得更高性能或更低功耗的唯一途径……»阅读更多

机器学习在晶圆厂可以做什么


《半导体工程》杂志与Imec先进光刻项目主管Kurt Ronse坐下来讨论了机器学习在半导体制造中的问题和挑战;Onto Innovation市场营销高级总监郝宇东;Mycronic的数据科学家Romain Roux;以及D2S首席执行官藤村昭。以下是那次谈话的节选。唐森:…»阅读更多

←老帖子 更新帖子→
Baidu