最新精品视频在线观看,欧美xxxxx性开放,办公室的呻吟k8经典网

面向臺區智能終端的高強度商用密碼安全管理方法研究[測試測量][智能電網]

低壓配電臺區智能融合終端安全業務的處理集中在安全芯片中，包括密鑰的存儲與使用、與云側端側的身份認證、數據的加解密等。針對智能融合終端安全業務集中轉發方案硬件成本過高、密鑰管理復雜的問題，通過協議結構化設計和狀態機輪詢，提出了數據中斷方式緩存與業務排隊分發處理的方法，實現在一顆安全模塊上多種安全業務的融合，融合方案充分利用了安全模塊的空閑時間片，統一了不同業務的密鑰管理，并通過功能和壓力測試驗證該方法的可行性和可靠性。達到了降本增效的目的，證明了配電臺區智能融合終端安全業務融合技術上可行，經濟上節約，業務上必要。

發表于：9/4/2024 2:36:15 PM

雙模態穩態誘發腦電刺激系統設計[測試測量][醫療電子]

穩態誘發腦電具有頻率標簽特性，在大腦的感知和認知研究中具有廣泛應用。利用雙模態刺激可以探索兩類感知功能之間的相互影響。為此，設計一個集成視覺和聽覺模態的周期性感覺刺激系統。系統以STM32F103RC為核心，控制AD9959輸出兩路正弦信號，輸出信號經過七階低通濾波電路和十倍放大電路處理，再控制LED燈和蜂鳴器產生視覺和聽覺刺激。系統輸出的正弦信號參數的平均誤差分別為0.03%（頻率）、1.10%（幅度）、0%（相位）。進一步，開展腦電采集實驗。實驗結果表明系統輸出的視覺和聽覺刺激能產生穩態誘發腦電。該系統在視聽感知功能研究方面具有應用價值。

發表于：9/4/2024 2:25:30 PM

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“最優解”的配置，例如DDR5顆粒的ODT的最優配置，高速信號芯片的加重均衡的最優配置等參數。那么如何在成百上千種組合的參數中選擇相對最優的參數呢？傳統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抽象為狀態空間進行遍歷，針對動態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開發對驗證人員能力有較高的要求。面對該挑戰，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項目落地并復用，發現動態仿真遺漏的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]

隨著硬件設計規模和復雜程度的不斷增加，驗證收斂的挑戰難度不斷增大，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][工業自動化]

隨著工藝演進，尺寸進一步縮小帶來了更多寄生通路和更大的寄生電阻，后仿結果和前仿相去甚遠。如何快速縮小前后仿之間的差距成為重要課題。傳統設計中只能通過Quantus Extracted View相對直觀地對寄生進行分析，無法更詳細地進行分析，這成為設計者們面臨的艱巨挑戰。同時，后仿發現問題，只能通過“修改電路-版圖迭代-再次后仿”反復優化，迭代周期長，如何降低時間成本成為各公司關注的重點。Virtuoso iQuantus Insight （ViQI）/Quantus Insight （QI）可基于寄生網表文件進行寄生分析及結果可視化。工程師可借此對寄生進行準確的分析及假設，無需版圖迭代，即可進行設計優化。討論了如何通過ViQI/QI工具在FINFET先進工藝項目中實現快速的后仿迭代，大幅提高工作效率。

發表于：9/4/2024 1:41:00 PM

基于Cerebrus的Genus+Innovus流程的功耗面積優化[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，尤其是發展到先進工藝節點，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各個階段的優化，共同提升PPA的優化方案。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][工業自動化]

隨著芯片規模的增加，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化函數，采用局部搜索機制改進的量子遺傳算法對其作優化求解。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、執行效率更高、GDT-TS（Geothermal Development and Testing Tool Suite）評價指標值更大。

發表于：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]

喬木在維持生態平衡、保護生物多樣性以及調節氣候和改善空氣質量等方面發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的樹種識別提供了新思路和新方法。

發表于：9/4/2024 1:01:00 PM