中文 英语

神经结构与硬件加速器协同设计框架(普林斯顿/斯坦福)


普林斯顿大学和斯坦福大学的研究人员发表了一篇名为“CODEBench: A Neural Architecture and Hardware Accelerator Co-Design Framework”的新技术论文。“最近,机器学习(ML)模型和加速器架构的自动协同设计引起了业界和学术界的极大关注。然而,大多数协同设计框架要么……»阅读更多

芯片推理中的复杂权衡


设计AI/ML推理芯片正成为一个巨大的挑战,因为应用程序的多样性以及每种应用程序的高度特定的功耗和性能需求。简单地说,一种尺寸不适合所有情况,并且不是所有应用程序都能负担得起定制设计。例如,在零售店跟踪中,经过某一通道的顾客有5%或10%的误差是可以接受的……»阅读更多

FP8: AI训练和推断的跨行业硬件规范(Arm, Intel, Nvidia)


Arm、英特尔和英伟达提出了一种8位浮点(FP8)格式的规范,可以提供一种通用的可互换格式,适用于AI训练和推理,并允许AI模型在硬件平台上一致地运行和执行。在这里找到题为“FP8格式用于深度学习”的技术论文。2022年9月出版。摘要:FP8是一种天然的p…»阅读更多

利用机器学习提高产量


机器学习在半导体制造业中正变得越来越有价值,它被用于提高良率和吞吐量。这在数据集有噪声的过程控制中尤其重要。神经网络可以识别超出人类能力的模式,或者更快地进行分类。因此,它们被部署在各种制造过程中……»阅读更多

面向民主化IC设计和定制化计算


集成电路(IC)设计通常被认为是一种“黑魔法”,只局限于那些拥有高等学位或多年电气工程培训的人。鉴于半导体行业正在努力扩大其劳动力,IC设计必须更容易获得。定制计算的好处通用计算机被广泛使用,但它们的性能提高了…»阅读更多

技术论文综述:6月14日


新的技术论文增加到半导体工程图书馆本周。[table id=33 /]半导体工程正在建立这个研究论文库。请发送建议(通过下面的评论部分),告诉我们你还想加入什么。如果你有研究论文,你试图推广,我们将审查他们,看看他们是否适合…»阅读更多

深度学习在材料科学中的应用:方法,最新进展


新技术论文题为“深度学习方法在材料科学中的最新进展和应用”,来自NIST、UCSD、劳伦斯伯克利国家实验室、卡内基梅隆大学、西北大学和哥伦比亚大学的研究人员。“深度学习(DL)是材料数据科学中发展最快的主题之一,快速涌现的应用领域横跨……»阅读更多

晶圆级忆阻器阵列的可扩展制造方法


新加坡国立大学和新加坡高性能计算研究所的研究人员发表了题为“用于基于内存计算的晶圆级解决方案处理的2D材料模拟电阻存储器阵列”的新技术论文。基于二维半导体的高密度、可靠的电阻随机存取存储器的实现是二维半导体发展的关键。»阅读更多

面向ADAS实时部署的多任务网络剪枝与嵌入式优化


摘要:“基于摄像头的深度学习算法越来越多地用于自动驾驶系统的感知。然而,来自汽车行业的限制,通过将有限的计算资源强加于嵌入式系统,挑战了cnn的部署。在本文中,我们提出了一种将多任务CNN网络嵌入到商业样机上的方法。»阅读更多

基于内存计算的卷积神经网络加速推理


摘要:“内存计算(IMC)是一种非冯·诺依曼范式,最近已成为一种有前途的方法,用于深度学习应用的节能、高吞吐量硬件。IMC的一个突出应用是在(1)时间复杂度中通过将神经网络层的突触权值映射到一个节点的设备来执行矩阵向量乘法。»阅读更多

←老帖子
Baidu