欧美FREESEX黑人又粗又大,无码专区自慰系列,久久多多屋影院三级

Optimality在多個場景的時域仿真中高效性的深度研究[模擬設計][工業(yè)自動化]

隨著產品的速率及復雜性越來越高，針對仿真而言，除了要求仿真本身具有非常高的精度外，還對仿真的效率提出了很高的要求。具體到不同的信號模塊，如DDR系統(tǒng)或者高速串行信號上，基于速率越來越高，越來越希望仿真給能出“最優(yōu)解”的配置，例如DDR5顆粒的ODT的最優(yōu)配置，高速信號芯片的加重均衡的最優(yōu)配置等參數。那么如何在成百上千種組合的參數中選擇相對最優(yōu)的參數呢？傳統(tǒng)的軟件只能通過大量的掃描來進行篩選，在仿真時間和工程師的精力兩方面都有比較大的耗費。使用Optimality軟件，通過分享一些具體的仿真案例，展現軟件的智能性，幫助使用者更快速挑選出最優(yōu)的參數，使DDR及高速串行的仿真工作變得更加輕松，充分體現出Optimality軟件的高效性。

發(fā)表于：9/4/2024 2:14:34 PM

基于AI加速的可復用FPV平臺庫[人工智能][汽車電子]

形式驗證FPV可將DUT抽象為狀態(tài)空間進行遍歷，針對動態(tài)仿真難以隨機到的邊界場景、異常場景和復雜組合場景可提高收斂速度，增強驗證質量。但高質量Property開發(fā)對驗證人員能力有較高的要求。面對該挑戰(zhàn)，基于Cadence公司Jaspergold ABVIP提出了一種可復用FPV平臺庫解決方案，可在不同模塊之間重用，降低FPV驗證平臺搭建時間，提升Property質量，同時借助其AI工具Proof Master生成加速Proven效率的database。FPV平臺庫+AI Database已在中興微電子某車規(guī)項目落地并復用，發(fā)現動態(tài)仿真遺漏的4個故障。Proof Master可應用于項目全周期內，回歸效率平均提升80.17%，FPV平臺庫+AI database可提升FPV 初次Proven效率44.96%。與此同時對生成式大模型提升Property編寫效率做了一定探討。

發(fā)表于：9/4/2024 2:03:07 PM

使用Cadence AI技術加速驗證效率提升[EDA與制造][消費電子]

隨著硬件設計規(guī)模和復雜程度的不斷增加，驗證收斂的挑戰(zhàn)難度不斷增大，單純依靠增加 CPU 核數量并行測試的方法治標不治本。如何在投片前做到驗證關鍵指標收斂，是驗證工程師面對的難題。為解決這一難題，提出了采用人工智能驅動的驗證EDA工具和生成式大模型兩種提效方案，其中EDA工具有Cadence利用人工智能驅動的Verisium apps和采用機器學習技術Xcelium ML，前者用來提升驗證故障定位效率，包括Verisium AutoTriage、Verisium SemanticDiff、Verisium WaveMiner等，后者可用來提升驗證覆蓋率收斂效率。生成式大模型可輔助智能debug和自動生成驗證用例，主要介紹各實現方案，并給出了項目實驗提升結果。

發(fā)表于：9/4/2024 1:52:25 PM

Virtuoso iQuantus Insight及Quantus Insight流程在FINFET先進工藝項目中加速后仿迭代的應用[模擬設計][工業(yè)自動化]

發(fā)表于：9/4/2024 1:41:00 PM

基于Cerebrus的Genus+Innovus流程的功耗面積優(yōu)化[模擬設計][消費電子]

對于性能功耗面積（PPA）的追求已成為IC芯片設計的共識，尤其是發(fā)展到先進工藝節(jié)點，PPA已成為IC設計綜合性能的重要指標，尤其是對于大型SoC芯片中clone很多次的模塊，對于PPA的追求變得更加極致。介紹了基于Cadence公司的Genus工具和Cerebrus 工具，通過綜合階段與后端PR各個階段的優(yōu)化，共同提升PPA的優(yōu)化方案。最終結果顯示，在時序及DRC基本收斂的情況下，使用Cerebrus工具相比Innovus可以使功耗降低3.5%，面積降低3.1%，使用Genus+Innovus流程可以使功耗降低6.4%，面積降低8.5%，極大地降低了芯片的面積及功耗。

發(fā)表于：9/4/2024 1:31:51 PM

Conformal ECO寄存器新增的掃描鏈自動化接入方案[模擬設計][工業(yè)自動化]

隨著芯片規(guī)模的增加，ECO的需求和大小也隨之增加，其中當新增寄存器數量達到百位量級時，人工接入掃描鏈難度也將急劇上升。基于Cadence的Conformal和Innovus等工具，在綜合考量邏輯正確性和中后端物理實現可行性的基礎上，采用歸一思路下的“S”型連線和room值下的再分組等方法，實現了上述問題的自動化和高效化解決，在邏輯上確保了時鐘域一致性等問題，物理上同時兼顧了布局布線優(yōu)化和最大掃描鏈長度。并且其自動化的高效性，在項目實踐中能夠快速完成上百數量寄存器的掃描鏈接入。

發(fā)表于：9/4/2024 1:21:13 PM

基于云計算的蛋白質折疊空間結構預測[人工智能][其他]

構建基于云計算的蛋白質折疊空間結構預測框架，通過數據云存儲設備獲取蛋白質序列原始數據，采用HDFS（Hadoop Distributed File System）分布式存儲方式保存于云端。資源和隊列管理器RQM（Resource Queue Management）開啟云端虛擬機后，以之作為掃描節(jié)點（Sensor Node， SN），SN基于二維AB非格點模型建立最小蛋白質分子能量優(yōu)化函數，采用局部搜索機制改進的量子遺傳算法對其作優(yōu)化求解。利用云端GPU設備處理模型訓練數據，即可實現蛋白質折疊空間結構的自動化預測。實驗結果表明：蛋白質序列能量勢函數計算結果更小、執(zhí)行效率更高、GDT-TS（Geothermal Development and Testing Tool Suite）評價指標值更大。

發(fā)表于：9/4/2024 1:10:35 PM

基于多特征融合和知識蒸餾的亞熱帶常見喬木識別方法[人工智能][其他]

喬木在維持生態(tài)平衡、保護生物多樣性以及調節(jié)氣候和改善空氣質量等方面發(fā)揮著至關重要的作用。針對復雜背景下喬木識別準確率較低的問題，提出了一種基于樹木多特征融合和知識蒸餾的亞熱帶常見喬木識別模型MFFMN-KD-TA。該模型采用3個并行的MobileNetV3_Small主干網絡分別提取樹葉、樹干和樹木整體特征；并通過知識蒸餾和嵌入Triplet Attention模塊的方法優(yōu)化訓練。試驗結果表明，MFFMN-KD-TA模型在自建樹木測試集上的準確率、精確率和F1分數分別為0.960 9、0.962 1和0.960 8，較MFFMN模型分別提升了3.05%、2.83%和3.07%。與三分支融合模型3-ShuffleNetV2和3-MobileNetV2相比，提出的多特征融合模型MFFMN-KD-TA參數量較小且能夠較準確地識別喬木種類，為亞熱帶和其他地區(qū)的樹種識別提供了新思路和新方法。

發(fā)表于：9/4/2024 1:01:00 PM

個人信息侵權因果關系認定困境的紓解——以推定因果關系為進路[其他][信息安全]

在個人信息侵權案件中，受害人證明因果關系受證明能力不足、證明成本高、證明標準模糊、數人侵權案情復雜等而陷入困境。上述司法認定困境與因果關系理論爭議不無關系，條件說、類推說、相當因果關系說均存在理論缺陷與價值局限，基于蓋然性標準的理論支撐以及個人信息侵權解紛的現實需要，推定因果關系說具有適用的可行性與必要性。規(guī)則優(yōu)化方面，原告需在形式上對因果關系負證明責任，證明的程度達到一般程度以上；被告需證明因果關系不存在且該證明責任達到高度蓋然性方可否認侵權責任。

發(fā)表于：9/3/2024 3:50:15 PM

縣域數據安全治理體系建設與挑戰(zhàn)[其他][信息安全]

縣域數據逐漸成為地方治理和社會發(fā)展中不可或缺的要素。近年來，全國各縣級政府積極建設數據管理平臺并探索數據安全治理模式，但是，當前縣域數據安全工作仍然面臨合規(guī)性和新技術帶來的挑戰(zhàn)，無法滿足縣域信息系統(tǒng)的安全發(fā)展需求。對此，為確保縣域數據安全，推動數據資源的有序開發(fā)利用，構建了面向數據全生命周期安全處理的縣域數據安全治理體系，包括數據安全管理制度規(guī)范、數據安全技術防護、數據安全運營管理三大子體系。然而，數據安全治理過程是動態(tài)的，在當前數據要素化轉型的背景下，縣域數據安全治理能力亟需進一步提升。因此，為幫助縣級政府更好地應對未來數據安全風險，在基于數據要素化本質特征的基礎上，分析了數據分類分級自動化及精準化亟待解決的問題、數據安全治理過程中面臨的數據流動管控及追蹤溯源難以及用戶行為異常檢測誤報率高的挑戰(zhàn)，以期為縣域構建更完善的數據安全治理體系提供參考。

發(fā)表于：9/3/2024 3:35:37 PM