頭條 英偉達官宣：CUDA將全面支持RISC-V架構！ 早在2024年10月，英偉達在RISC-V北美峰會上透露，其在2015年就選定將RISC-V選定為其專有Falcon微控制器（MCU）的繼任架構。由于 MCU 內核是通用的，因此可以在英偉達的產品中廣泛使用。根據英偉達當時的預計，2024年英偉達將交付10億個內置于其 GPU、CPU、SoC 和其他產品中的 RISC-V 處理器，這也凸顯了定制 RISC-V 內核在英偉達硬件中的普遍性和重要性。 在此次RISC-V中國峰會上，Frans Sijstermanns也指出，英偉達是RVI和RISE的董事會成員和技術委員會代表，也是相關規(guī)范的貢獻者。英偉達產品中的微控制器都是基于RISC-V架構，具有可配置、可擴展和安全保護功能，并且也被集成在30多個IP中，每年出貨量超過10億個RISC-V MCU。 最新資訊 京東方發(fā)布新一代ADS Pro+MLED背光顯示解決方案 京東方發(fā)布新一代ADS Pro+MLED背光顯示解決方案，支持500Hz刷新率、1000nits+全屏亮度 發(fā)表于：9/6/2024 三星電子計劃2027年推出0a nm DDR內存 9 月 5 日消息，據《韓國先驅報》報道，三星電子 DS 部門存儲器業(yè)務總裁兼總經理李禎培昨日在臺灣地區(qū)出席業(yè)界活動時展示了三星未來內存產品路線圖。 根據 DDR 內存路線圖，三星計劃在 2024 年內推出 1c nm 制程 DDR 內存，該節(jié)點可提供 32Gb 顆粒容量產品；而在 2026 年三星將推出其最后一代 10nm 級工藝 1d nm，仍最大提供 32Gb 容量。 發(fā)表于：9/6/2024 2024年上半年三星SK海力士在華營收增長超過100% 2024年上半年三星、SK海力士在華營收增長超過100% 發(fā)表于：9/6/2024 英特爾宣布提前將工程資源集中于Intel 18A 9 月 5 日消息，英特爾在當地時間昨日的新聞稿中表示，其 Intel 18A 先進節(jié)點目前進展良好。為進一步支持 Intel 18A 開發(fā)，該公司宣布提前將工程資源集中于該節(jié)點。 同時 Arrow Lake 客戶端處理器系列將主要使用外部工藝，并由 Intel Foundry 封裝。根據此前爆料，采用 Intel 20A 工藝的產品包括英特爾 Arrow Lake 處理器桌面版的 6+8 核心設計。 發(fā)表于：9/5/2024 高通推出AI PC芯片驍龍X Plus 8挑戰(zhàn)英特爾PC芯片霸主地位 9 月 4 日消息，高通今日推出了面向 Windows 筆記本電腦的 8 核驍龍 X Plus 處理器，旨在降低高性能 Windows on Arm PC 的價格。 發(fā)表于：9/5/2024 一種高效的神經肌肉電刺激系統(tǒng)設計 設計了一種高效的神經肌肉電刺激（Neuromuscular Electrical Stimulation，NMES）系統(tǒng)。NMES的工作原理是利用神經細胞的電興奮性，通過脈沖電流刺激支配肌肉的神經，從而使肌肉收縮。系統(tǒng)由干電池供電，降壓和升壓電路采用高效的方案從而來降低功耗，以STM32F4單片機為主控芯片，產生用于控制刺激強度的DAC信號，以及復用開關的控制信號，經過由復用開關、恒流源、H橋組成的復用恒流源電路，產生分時的電流刺激，從而有效降低系統(tǒng)功耗和設備體積。 發(fā)表于：9/4/2024 基于動態(tài)補償下垂法的并聯(lián)逆變器控制研究 提出了一種基于動態(tài)補償下垂法的新型逆變器并聯(lián)策略，解決了傳統(tǒng)并聯(lián)逆變器下垂控制策略中頻率跌落，無功功率不均分，有功、無功計算結果不準確等問題。該策略包括在功率環(huán)中采用CSOGI-QSG模塊濾除直流干擾；在傳統(tǒng)有功控制環(huán)中引入自適應頻率反饋策略補償頻率跌落；在無功控制環(huán)中引入虛擬電感改善無功功率的分配，并采用自適應電壓補償策略改善母線電壓跌落。通過搭建MATLAB仿真和實驗平臺驗證，證明了該控制策略可以顯著改善并聯(lián)逆變器中的功率均分效果。 發(fā)表于：9/4/2024 基于一種集控站監(jiān)控信息預測和優(yōu)化模型研究與分析 集控站作為電網運行的重要部分，連接著調度系統(tǒng)和變電站，其監(jiān)控信息準確性和效能性的發(fā)揮尤為關鍵。為了更進一步提升集控站監(jiān)控信息的審核效率，采用“專家?guī)?改進蟻群算法”的方式，實現集控站監(jiān)控信息表內容的預測和優(yōu)化。通過構建集控站監(jiān)控信息預測和優(yōu)化模型，一方面面向信息行業(yè)屬性，采用MapReduce分析機制，構建專家?guī)欤瑢崿F監(jiān)控信息預測功能；另一方面依托蟻群算法建模，構建改進型信息全局優(yōu)化模型。通過實驗分析，該模型不僅提升了冗繁的監(jiān)控信息分析預測能力，而且增強了電網集控場景下的監(jiān)控信息優(yōu)化效能。 發(fā)表于：9/4/2024 指控中心任務軟件集中管控系統(tǒng)研究與關鍵技術 隨著武器航天試驗任務的增多，指控中心對任務軟件快速部署、多任務并行的需求愈發(fā)迫切。設計了基于B/S架構的指控中心任務軟件集中管控系統(tǒng)，實現了任務軟件配置與監(jiān)控的一體化管理；通過基于DBus與Kafka結合的數據傳輸機制，打通了任務軟件與系統(tǒng)前后端數據高效交互鏈路；最后，重點分析了任務軟件自動化部署技術、多任務并行技術、高速數據分級處理技術以及任務數據高效存儲技術。 發(fā)表于：9/4/2024 Optimality在多個場景的時域仿真中高效性的深度研究 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 ?…141142143144145146147148149150…?
