2023年11月1日,新思科技宣布,携手Arm扩大合作,为Arm Neoverse™ V2平台和Arm Neoverse计算子系统(CSS)等全新Arm®技术提供优化的IP和EDA解决方案。新思科技已加入“Arm全面设计”(Arm Total Design)生态系统,将充分利用其全球领先的技术和专业知识、Synopsys.ai™全栈式AI驱动型EDA全面解决方案,以及新思科技接口、安全和芯片生命周期管理IP,助力共同客户加快基于Arm CSS解决方案的开发。基于双方三十多年的紧密合作关系,新思科技与Arm进一步扩大合作范围,帮助共同客户能够以更低的成本、更小的风险和更快的上市时间快速开发专用芯片。
Arm高级副总裁兼基础设施事业部总经理Mohamed Awad表示:“‘通过‘Arm全面设计’生态系统, 我们的目标是在Arm Neoverse CSS系统上实现快速创新,并把关键的生态系统专业技术应用于SoC开发的每个阶段。我们与新思科技在提供预集成和验证的IP及EDA工具方面的深度技术合作,将帮助我们的共同客户更好地利用专业计算应对业界最复杂的计算挑战。”
新思科技EDA事业部总经理Shankar Krishnamoorthy表示:“Synopsys.ai全栈式AI驱动型EDA全面解决方案、领先的IP解决方案、虚拟原型设计和硬件辅助验证都适用于Arm架构的系统,同时我们也加入了‘Arm全面设计’生态系统,这些都进一步加强了我们与Arm的合作,从而能够帮助共同客户应对严峻的设计挑战。我们与Arm开展了广泛的协同优化工作,不断推动先进节点、多裸晶系统设计新时代的性能和能效发展。”
无缝互操作性和降低设计风险
除了加入“Arm全面设计”生态系统之外,新思科技还与Arm续签了协议,以优化采用了Arm处理器和新思科技接口、安全和芯片生命周期管理IP的系统的互操作性、性能和系统带宽。这意味着在流片前和片上测试IP和处理器的互操作性可提供详细的性能分析,从而降低设计风险。同时,这一协议的续签也确保了所有Arm处理器和子系统能够与新思科技IP无缝协作。
客户采用Synopsys.ai全栈式AI驱动型EDA解决方案后,可以用过AI的力量显著提升从系统架构到设计和制造全过程的产能。此外,将这项技术应用于Arm Neoverse V2内核开发,共同客户也能够充分利用AI来处理设计空间探索、验证覆盖率和回归分析以及测试程序生成等重复性任务,从而加速芯片的开发。
新思科技Fusion快速入门设计实现套件(QIK)适用于Arm Neoverse V2、Arm Cortex®、Arm Immortalis™和Arm Mali™处理器系列,包括提供实现脚本和参考指南,为客户的芯片开发提供一个经过优化的起点,助力他们加快上市速度并实现严苛的每瓦性能目标。QIK与新思科技Fusion Compiler和新思科技DSO.ai™工具相结合使用能够大幅提高工作效率,更快地获得更好的设计结果。
新思科技验证产品线为Arm Neoverse V2验证和软件开发提供了完整的工作流程。客户可以采用与Arm CMN互联性能模型集成的新思科技架构设计解决方案、与Arm Fast模型集成的虚拟原型设计、硬件辅助验证和验证IP,来更早地启动软件开发,加速软硬件调试,并将性能和功耗验证时间点左移。新思科技的综合解决方案为客户简化了Arm Neoverse V2平台的开发周期,从而将SoC和多晶芯片系统更快地推向市场。
好文章,需要你的鼓励
这项研究由德累斯顿工业大学等机构的研究团队完成,旨在解决主动学习未被广泛应用的问题。研究者构建了包含460万种超参数组合的实验网格,系统分析了各参数对主动学习性能的影响。研究发现,不同策略实现间存在显著差异,基于边缘的不确定性策略整体表现最佳,随机选择约4000个超参数组合即可获得可靠结果。这些发现为设计可重现、可信赖的主动学习实验提供了明确指导,有助于降低入门门槛,促进技术在实际应用中的普及。
这项由英国爱丁堡大学和上海人工智能实验室研究者共同完成的工作提出了LongBioBench,一种用于评估长文本语言模型的新型基准测试框架。通过使用人工生成的虚构人物传记作为测试环境,该框架在保持可控性的同时,提供了更真实的评估场景。研究对18个长文本模型的测试表明,即使最先进的模型在检索、推理和可信任性方面仍存在显著挑战,特别是上下文长度增加时。研究还揭示了现有合成基准测试的设计缺陷和长上下文预训练的局限性,为未来模型开发提供了重要指导。
SuperWriter是一项来自新加坡科技设计大学和清华大学的突破性研究,通过模仿人类"先思考后写作"的过程,彻底改良了AI长文生成能力。该研究团队开发的框架包含三个关键阶段:规划、写作和修改,使AI能像专业作家一样进行结构化思考。实验结果表明,经过训练的SuperWriter-LM模型不仅超越同等规模的所有AI模型,甚至在某些领域表现优于规模更大的顶级模型,为AI辅助写作开创了新的可能性。
香港大学与阿里巴巴达摩院合作开发的LayerFlow是一种突破性的层级视频生成技术,能同时生成透明前景、完整背景和混合场景视频。该技术通过创新的框架设计将不同视频层级作为子片段连接,并引入层级嵌入使模型区分各层级。面对高质量训练数据稀缺的挑战,研究团队设计了三阶段训练策略,结合Motion LoRA和Content LoRA,实现了图像和视频数据的联合训练。LayerFlow不仅支持多层视频生成,还能实现视频分解和条件层生成,为视频创作领域带来革命性变革。