澳门久久精品,国产日韩欧美一区儿二区三区

基于PKS体系的终端功能场景验证方法研究[通信与网络][信创产业]

目前国产终端正逐渐成为中国终端市场的主流，而基于PKS（飞腾Phytium+麒麟Kylin+安全Security）体系的终端产品作为国产主力军，承担着更重要的使命，迫切需要加快优化的速度，满足国内各行业用户群体日益增长的需求。在功能单点验证方法的基础上从用户的角度出发，预测用户功能使用场景，创新性地提出了基于PKS体系的终端功能场景验证方法，通过对比分析两种方法对3种国产终端的验证数据，证明功能场景验证方法发现问题的效率和价值都比传统的功能单点验证方法更优，能促进国产终端的持续优化，为国产终端验证体系提供新的思路。

發(fā)表于：2023/8/25

一种基于Quantus-reduce加速模拟仿真验证分析的解决方案[电子元件][其他]

随着半导体技术的进步，芯片的设计规模不断扩大，这使得电路设计需要考虑的寄生效应更加复杂，电路的后仿真工作也变得更加繁重。介绍了如何应用Cadence公司的寄生抽取工具Quantus进行post-layout寄生抽取，利用Quantus的Standalone Reduction （简称Qreduce）功能对后仿网表进行精简，以达到缩减网表的规模，提高仿真速度的目的。Cadence的Qreduce功能是通过数学的运算，将RC网络进行等效运算，以减少节点，从而达到缩减网表的规模，但同时保证了不会对精度造成比较大的损失。从后仿网表的缩减程度、仿真精度的影响、仿真速度以及内存消耗等方面进行论述，给出关键对比指标。

發(fā)表于：2023/8/25

使用Xcelium Machine Learning技术加速验证覆盖率收敛[电子元件][消费电子]

随着设计越来越复杂，受约束的随机化验证方法已成为验证的主流方法。一般地，验证激励做到不违反spec描述条件下尽量随机，这样验证能跑到的空间才更充分。但是，这给功能覆盖率收敛带来极大挑战，为解决这一难题，Cadence率先推出了仿真器的机器学习功能——Xcelium Machine Learning，采用机器学习技术让功能覆盖率快速收敛，大大提高验证仿真效率。介绍了Xcelium Machine Learning的使用流程，并给出在相同模拟（simulation）验证环境下应用Machine Learning前后情况对比。最后Machine Learning在模拟（simulation）验证中的应用前景进行了展望。

發(fā)表于：2023/8/25

基于Cadence Integrity 3D-IC的异构集成封装系统级LVS检查[电子元件][消费电子]

随着硅工艺尺寸发展到单纳米水平，摩尔定律的延续越来越困难。2D Flip-Chip、2.5D、3D等异构集成的先进封装解决方案将继续满足小型化、高性能、低成本的市场需求，成为延续摩尔定律的主要方向。但它也提出了新的挑战，特别是对于系统级的LVS检查。采用Cadence Integrity 3D-IC平台工具，针对不同类型的先进封装，进行了系统级LVS检查验证，充分验证了该工具的有效性和实用性，保证了异构集成封装系统解决方案的可靠性。

發(fā)表于：2023/8/25

Concurrent Multi-die Optimization物理实现方案的应用[电子元件][其他]

随着芯片制造工艺不断接近物理极限，使用多die堆叠的3DIC Chiplets设计已经成为延续摩尔定律的最佳途径之一。Integrity 3D-IC平台将设计规划、物理实现和系统分析统一集成于单个管理界面中，为3D设计提供了系统完善的解决方案。其中传统的die-by-die流程在3D结构建立后分别对两个die进行2D物理实现，同时工具也开发了多die协同（concurrent multidie）的物理实现流程，并行式进行多颗die的布局布线。此工作在实际项目中，使用Cadence Integrity 3D-IC 工具，针对性地建立concurrent multidie的流程，将两颗die在同一个设计中实现并行摆放、3D结构单元（Hybrid Bonding bump）的位置优化、时钟树综合和绕线。协同优化的3D物理实现方案相比于die-by-die方案在设计整体结果上有更好的表现。

發(fā)表于：2023/8/25

DDR5仿真精度研究及在内存升级中的应用[电子元件][消费电子]

使用Cadence公司的SystemSI对DDR信号通道进行整体仿真，同时，借助一博科技自研的Interposer夹具进行测试，经过多次的仿真测试拟合，所介绍的DDR仿真测试方法可以达到较高的精度。随着对内存带宽的需求不断提升，作为当前主流的DDR4局限性日益明显，通过具体案例说明了DDR5信号完整性提升的具体技术，并通过仿真对比，展示了DDR5在内存升级过程中的优势。

發(fā)表于：2023/8/25

基于FCM flow的小规模数字电路芯片测试[测试测量][消费电子]

随着芯片工艺的不断演进，数字芯片的规模急剧增加，测试成本进一步增加。目前先进的DFT技术已应用于大规模SoC芯片的测试，包括扫描路径设计、JTAG、ATPG（自动测试向量生成）等。但对于一些小规模集成电路，插入扫描链等测试电路会增加芯片面积并增加额外的功耗。对于这种芯片，功能case生成的pattern可用于检测制造缺陷和故障。因此，需要一些方法来验证覆盖率是否达到了目标。Verisium manager工具依靠Xcelium的故障仿真引擎和Jasper功能安全验证应用程序（FSV）可以解决这个问题。它为 ATE（自动测试设备）pattern的覆盖率分析提供了一个新的思路。

發(fā)表于：2023/8/25

基于点云补全的三维目标检测[人工智能][其他]

LiDAR技术的发展为自动驾驶提供了丰富的3D数据。然而，由于遮挡和某些反射材料的原因引起信号丢失，LiDAR点云实际上是不完整的2.5D数据，这对 3D 感知提出了根本性挑战。针对这一问题，提出对原始数据进行三维补全的方法。根据大多数物体形状对称且重复率高的特点，通过学习先验对象形状的方法估计点云中遮挡部分的完整形状。该方法首先识别被遮挡和信号缺失影响的区域，在这些区域中预测区域所包含对象形状的占用概率。针对物体间遮挡的情况，通过形状的占用概率和共享同类形状形态进行三维补全。对自身遮挡的物体，通过自身镜像进行恢复。最后通过点云目标检测网络进行学习。结果表明，通过该方法能有效地提高生成点云3D边框的mAP（mean Average Precision）。

發(fā)表于：2023/8/25

电磁干扰（EMI）如何协助消费者在选择汽车应用中的开关转换器时做出明智的决策[电源技术][汽车电子]

　　在多种市场产品所使用的快速开关电源转换器中，电磁干扰（EMI）是个特别的问题。一台能在一个系统中达到法规要求的转换器不一定可以自动符合另一个系统的要求。此外，系统也可能需要 EMI 滤波措施来达成法规要求，但这可能占用大量的整体系统空间、体积和成本，因此了解适用于不同产品应用的标准至关重要。本文首先回顾开关转换器中 EMI 的来源和类型，接着说明工业和汽车市场产品监管标准之间的差异。最后，本文展示 Diodes 公司使用的技术，使其 DC-DC 开关转换器能够符合严格的汽车标准。

發(fā)表于：2023/8/24

核电行业网络安全应急演练模式研究[其他][其他]

针对核电行业网络安全应急演练问题进行研究，首先分析了相关网络安全威胁，依此设计可能存在的应急场景，基于核电工控系统实验室网络环境研究应急演练模式，并通过开展应急演练对其效果进行评价。通过定期进行应急演练，可以提升核电行业应急队伍的安全事件监测、响应、处置和防护能力，不断完善网络安全应急演练制度建设。

發(fā)表于：2023/8/24

基于白兔时间同步协议的加速器节点时钟同步系统[其他][其他]

提出了一种基于白兔时间同步协议，利用SPARTAN6系列现场可编程门阵列(FieldProgrammable Gate Array,FPGA)实现多节点亚纳秒级别时间同步，并通过测量触发信号到达时间，根据设置的延迟进行恢复，从而实现高于120 ps时间分辨率。该方法能够精确控制多节点信号发生的绝对时间，具有广泛的应用前景。特别地，该方法可应用于同步辐射加速器中，提高实验数据的准确性和稳定性，有望在材料科学、生物学和化学等领域中得到广泛应用。该研究成果为同步辐射加速器的研究和实验提供了新的解决方案，有望推动同步辐射技术的发展，为科学研究和工程应用提供更多可能。

發(fā)表于：2023/8/24

数据驱动的工业元宇宙系统研究[人工智能][物联网]

物联网、大数据及新一代信息技术的发展，对传统制造业带来前所未有的冲击，基于数据关键生产要素的工业元宇宙建设得到越来越多的关注，为传统制造业带来了机遇，也带来了挑战。分析讨论了工业元宇宙的背景、现状、关键支撑技术，并以某企业智造元宇宙平台的AR/VR虚拟仿真实训系统为例，初

發(fā)表于：2023/8/24

基于TextCNN-Bert融合模型的不良信息识别技术[人工智能][其他]

敏感领域的不良信息具有极强的迷惑性和欺骗性，腐蚀人们的思想，影响人们的价值观和判断能力，危害社会安全，研究敏感领域不良信息的识别技术具有深远意义。通用的识别技术忽略了背景知识和隐喻问题，直接应用于敏感领域不良信息识别效果较差。提出一种基于TextCNNBert的融合模型，通过敏感领域主题识别和情感隐喻识别，实现对敏感领域不良信息的文本识别。实验结果表明，该模型在准确率、F1评分等指标方面取得了良好的结果，相较于现有模型有显著提高。

發(fā)表于：2023/8/24

基于图像降噪的集成对抗防御模型研究[模拟设计][工业自动化]

深度学习的快速发展使其在图像识别、自然语言处理等诸多领域广泛应用。但是，学者发现深度神经网络容易受到对抗样本的欺骗，使其以较高置信度输出错误结果。对抗样本的出现给对安全性要求严格的系统带来很大威胁。研究了在低层特征（LowLevel Feature）和高层特征（HighLevel Feature）对图像进行降噪以提升模型防御性能。在低层训练一个降噪自动编码器，并采用集成学习的思路将自动编码器、高斯扰动和图像掩码重构等多种方式结合；高层对ResNet18作微小改动加入均值滤波。实验显示，所提出的方法在多个数据集的分类任务上有较好的防御性能。

發(fā)表于：2023/8/24

基于因果关系和特征对齐的图像分类域泛化模型[人工智能][其他]

针对现有域泛化方法性能较差或缺乏理论可解释性的缺点，提出了一种基于因果关系和特征对齐的图像分类域泛化模型，并证明了该模型的可识别性。该模型利用域泛化中的因果关系来学习含有不同信息的特征，将域泛化问题转化为特征相关分布的偏移，再利用特征对齐消除偏移。为提高模型的性能，采用对抗训练进一步优化学到的特征。在公共数据集上的实验结果表明，新提出的模型与目前最优的方法性能相当，表明该模型具有理论可解释性的同时，还有不俗的实际性能表现。

發(fā)表于：2023/8/24