2023年10月30日,新思科技宣布携手是德科技(Keysight)、Ansys共同推出面向台积公司业界领先N4PRF工艺(4纳米射频FinFET工艺)的全新参考流程。该参考流程基于新思科技的定制设计系列产品,为追求更高预测精度和生产率的开放式射频设计环境的客户提供完整的射频设计解决方案。它为开发者提供了经过验证的是德科技的射频集成电路(RFIC)设计和交互式电磁(EM)分析工具,以及Ansys电磁建模和签核电源完整性解决方案等一系列业界领先的解决方案。
新一代无线系统具有更高的带宽、更多的互联设备、更低的时延和更广泛的网络覆盖范围。用于无线数据传输的射频芯片(如收发器和射频前端组件),其设计复杂性也与日俱增。更高的电路频率、更小的特征尺寸和复杂的版图依赖效应,让高速电路设计的物理实现过程极具挑战性性,需要更准确、更全面的建模和仿真技术来实现更高的性能和稳健的产品可靠性。
台积公司N4PRF设计参考流程在新思科技Custom Compiler™设计和版图环境中,实现了低噪声放大器(LNAs)和LC调频压控振荡器(LC VCOs)等关键设计组件的全流程设计和严格验证,并提高了设计周转时间和版图生产率。该设计参考流程集成了业界领先的芯片设计工具,可实现高效的无源器件合成、电磁模型提取、热感知电迁移分析(可扩展至器件金属),以及正确处理电感器下电路(CUI)结构的版图后提取。
除了新思科技Custom Compiler设计平台之外,该领先的开放式设计参考流程还包括:
新思科技PrimeSim™仿真工具和PrimeSim™可靠性环境提供了具有黄金签核精度的电路仿真性能,同时,新思科技IC Validator™和StarRC™可提供物理验证签核和提取解决方案。
Ansys Totem™可提供热感知签核电迁移验证和电源完整性分析(EM/IR)。RaptorX™和Exalto™可提供电磁建模,其独特的CUI功能可显著缩小尺寸。VeloceRF™则可为多层螺旋电感、平衡-不平衡变换器(Baluns)/变压器(transformer)和传输线等电磁器件提供全自动芯片布局综合。
是德科技PathWave ADS RFPro提供了快速、交互式的电磁-电路协同仿真和分析,助力开发者在开发周期早期及时发现并解决版图依赖效应。PathWave RFIC设计(GoldenGate)则支持开发者在早期芯片设计和验证过程中的谐波平衡仿真。
是德科技副总裁兼 EDA 事业部总经理 Niels Faché 表示:“是德科技、新思科技和 Ansys 与台积公司进一步扩大了战略技术合作,为台积公司先进的 4 纳米射频技术提供更高水平的射频设计。我们看到了射频开发者在采用传统解决方案和流程时遇到了诸多挑战,因为这些解决方案和流程不适用于当前的 WiFi-7 系统级芯片和射频子系统设计。新的版图依赖效应让开发者必须进行详细的仿真和建模,才能确保签核的准确性。然而,目前市场上的其他商业工具和工作流程并不总是能满足代工厂的新需求,通常无法对具有数百个耦合信号端口的现代模拟设计进行建模。”
新思科技EDA事业部战略和产品管理副总裁 Sanjay Bali 表示:“新思科技、Ansys和是德科技均在定制模拟、射频和多物理场设计方面拥有数十年的专业能力和实践经验,能够帮助我们的共同客户降低设计风险并加速实现设计成功。我们与 Ansys 、是德科技携手合作,开发出了支持台积公司先进 N4P 工艺节点的全新射频设计参考流程,可提供一个开放式的优化流程,为先进的 WiFi-7 系统带来全球领先的设计质量。”
Ansys副总裁兼电子、半导体和光学事业部总经理John Lee表示:“随着射频频率攀升至毫米波和亚太赫兹范围,我们的客户在优化功耗、尺寸、可靠性和性能等方面面临着全新的多物理场挑战。客户能否实现首次成功,取决于是否在整个设计流程中应用同类最佳的解决方案。建立在和新思科技、是德科技的深入合作伙伴关系之上,我们与台积公司密切合作,在定制设计流程中提供我们行业领先的电源完整性和电磁建模技术,以满足高速电路开发者的需求。”
好文章,需要你的鼓励
卢森堡大学研究团队开发的RLDP框架首次将强化学习应用于差分隐私优化,创造性地解决了AI训练中隐私保护与模型效果的矛盾。该方法如同智能教练,能动态调整隐私保护策略,在四种语言模型上实现平均5.6%的性能提升和71%的训练时间缩短,同时增强了抗隐私攻击能力,为敏感数据的AI应用开辟了新路径。
这项由北京大学人工智能研究院完成的研究,首次从数据压缩理论角度揭示了大型语言模型存在"弹性"现象——即使经过精心安全对齐,模型仍倾向于保持预训练时的行为分布。
腾讯混元团队联合北京大学提出MixGRPO技术,通过混合ODE-SDE采样策略和滑动窗口机制,将AI图像生成训练效率提升50%-71%,同时在多项人类偏好评估指标上超越现有方法。该技术采用"从难到易"的渐进优化策略,专注于图像生成早期阶段的重点优化,并引入高阶求解器进一步加速训练过程,为AI图像生成的产业化应用提供了更高效可行的解决方案。