最新設(shè)計資源

基于虛實交互場景的綜合演訓(xùn)平臺研究與實現(xiàn)[其他][其他]

近年來隨著現(xiàn)場科學(xué)技術(shù)的迅速發(fā)展并廣泛應(yīng)用于軍事領(lǐng)域，相關(guān)業(yè)務(wù)訓(xùn)練必將進行相應(yīng)的改革，對專業(yè)知識化、新技術(shù)平臺化、系統(tǒng)集成化等應(yīng)用領(lǐng)域的要求亦將大大提高。由于訓(xùn)練內(nèi)容日益增加，出現(xiàn)了訓(xùn)練內(nèi)容加大及訓(xùn)練難度強化的必然趨勢。實際場景下，由于受場地、設(shè)備、器械等原因無法開展相關(guān)業(yè)務(wù)的訓(xùn)練及全過程全要素的演練，故需要采用全新的科學(xué)技術(shù)手段，通過虛擬與實際相結(jié)合、演訓(xùn)與考核相結(jié)合等不斷改革專業(yè)訓(xùn)練方法。通過虛實交互技術(shù)使訓(xùn)練方式的操作靈活性、便利性及易用性顯而易見，也為新技術(shù)新設(shè)備的研發(fā)測試帶來更安全更可靠的技術(shù)支撐。本演訓(xùn)平臺充分運用模擬訓(xùn)練部署、模擬業(yè)務(wù)部署等方式通過網(wǎng)絡(luò)、控制、仿真、光電等技術(shù)實現(xiàn)軍事業(yè)務(wù)訓(xùn)練演練全過程要素應(yīng)用，實現(xiàn)規(guī)范訓(xùn)練內(nèi)容、提高訓(xùn)練質(zhì)量、強化訓(xùn)練效果、衡量訓(xùn)練水平及檢驗訓(xùn)練成果等目的。

發(fā)表于：8/9/2022

從RTL到GDS的功耗優(yōu)化全流程[人工智能][工業(yè)自動化]

功耗作為大型SoC芯片的性能功耗面積(PPA)三要素之一，已經(jīng)變得越來越重要。尤其是當(dāng)主流設(shè)計平臺已經(jīng)發(fā)展到了7 nm以下。AI芯片一般會有多個核心并行執(zhí)行高性能計算任務(wù)。這種行為會產(chǎn)生巨大的功耗。因此在AI芯片的設(shè)計過程中，功耗優(yōu)化變得尤為重要。利用一個典型的功耗用例波形或者一組波形，可以從RTL進來開始功耗優(yōu)化?；镜姆绞绞墙柚鶭oules-replay實現(xiàn)基于RTL波形產(chǎn)生相對應(yīng)的網(wǎng)表波形。在Genus的syn-gen、syn-map、syn-opt三個綜合階段，都可以加入Joules-replay，并且產(chǎn)生和綜合網(wǎng)表相對應(yīng)的波形，用于Innovus PR階段進一步地進行功耗優(yōu)化。在Innovus中實現(xiàn)Place和Routing也分為3個階段：place_opt、cts_opt和route_opt。同樣每一步都可以引入Joules-replay來生成功耗優(yōu)化所需的網(wǎng)表波形。最終在Tempus timing signoff的環(huán)境中，再次引入波形進行功耗優(yōu)化?；谏厦娴囊幌盗懈鱾€節(jié)點的精確功耗優(yōu)化該設(shè)計可以獲得10%以上的功耗節(jié)省。此時再結(jié)合multi-bit技術(shù)，最終可以獲得21%的功耗節(jié)省。

發(fā)表于：8/9/2022