文章综述:汽车级ATPG,混合信号验证,人工智能加速器,基于机器学习的AV验证和图书馆特性

跟随导师
专家见解

专家见解

12月6日邮寄,二千零一十八
  1. Mentor扩展Tessend用于调试和自动模式生成
  2. 纳米级SoC混合信号验证?你要打电话给谁??
  3. 是什么造就了一个好的人工智能加速器
  4. 88亿英里待核实
  5. 利用机器学习提高图书馆特色!!


Mentor扩展Tessend用于调试和自动模式生成
技术设计论坛

汽车集成电路符合ISO 26262功能安全标准的严格要求,要求每百万件零缺陷零件。来自Mentor的汽车级ATPG新技术瞄准晶体管和互连级的缺陷,以帮助汽车芯片制造商实现这一目标。此外,Mentor的新ATE-Connect在测试平台和DFT平台之间创建了一个标准接口,以改进硅引出过程。


纳米级SoC混合信号验证?你要打电话给谁??
EE网络

混合信号芯片在物联网中起着关键作用,因此越来越受欢迎,通信,汽车,数据中心,还有更多。验证混合信号芯片一直是困难的,但是随着设计转移到前沿工艺节点,要求越来越高。Mentor的新的交响乐混合信号平台为纳米级混合信号集成电路提供了快速和准确的验证,以应对这些设计的挑战。


是什么造就了一个好的人工智能加速器
半工程


人工智能和机器学习的兴起促使许多公司开发硬件加速器,可以对特定类型的数据进行优化。加速器缺乏标准化,他们的设计依赖于什么正在加速,软件比硬件发展更快这一事实给试图加入金宝博滚球专家加速竞赛的公司带来了挑战。本文研究了这些挑战,并预测了加速器市场在不久的将来可能如何变化。


88亿英里待核实
技术设计论坛

自主车辆将需要彻底的验证和测试,以确保其安全,性能,以及送往市场前的功能。制造商将需要创造出用于虚拟测试的自主车辆的数字双胞胎,以达到所需的数十亿测试里程,在数以百万计的潜在情况下。除了西门子更广泛的系统基础设施之外,Mentor的EDA产品还支持自主车辆所需的综合虚拟测试。


利用机器学习提高图书馆特色!!
半维基

SoC库的特征化可能成为设计过程中的一个重要障碍,因为创建可用的库可能需要高达1亿次模拟运行。机器学习可以通过将通过蛮力模拟产生的角的数目减少30%到70%来改进库特征,除了其他好处。其结果是减少了生成标准单元或存储器的库所需的时间,不牺牲准确性。

更多博客帖子

评论

没有人对这篇文章发表评论。首先在下面发表评论。

添加您的评论

请填写以下资料以作评论或登录.

您的电子邮件将不会发布

档案室


闲聊γ 接触