Automated Software Engineering
PulseAugur coverage of Automated Software Engineering — every cluster mentioning Automated Software Engineering across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
AI 代理发布，用于发现新型半导体材料
Discovered Materials 是一家获得 Y Combinator 支持的初创公司，已推出一个 AI 代理系统，旨在发现用于半导体制造的新型晶体材料。该系统利用了一套工具，包括通过 Exa 进行的网络搜索、带有材料科学软件包的 Python 编码沙箱以及用于属性预测的机器学习模型。这些代理的任务是识别满足导热系数、介电常数、杨氏模量和剪切模量特定目标的材料，同时还提出兼容的合成配方。
-
新的数字孪生模型提高了光网络建模的准确性
研究人员开发了一种链路自适应数字孪生（LA-DT）模型，以改进混合放大超宽带光网络中的物理层建模。该新模型解决了泛化能力和速度方面的局限性，在各种网络配置下提供了更准确的建模和鲁棒的信噪比估计。LA-DT 模型分解了 GSNR 建模，采用了一种具有线性调制层的新型神经网络架构，以增强跨场景泛化能力，并使用域判别器进行高效的少样本微调。它还明确考虑了拉曼放大器的插入损耗，从而显著提高了对未见场景的预测准确性和适应性。
-
半导体测试需求激增，供应商上调市场估算 · 追踪 6 个来源
半导体测试设备市场正经历需求激增，由系统级芯片 (SoC) 和内存领域共同驱动。Teradyne 和 Advantest 等主要供应商正在上调其 2026 年市场规模估算，Advantest 预计内存和 SoC TAM 将大幅增长。这种需求的增加反映在 ASE 等 OSATs 的资本支出上，已达到历史新高，表明测试耗材的需求呈现出强劲且可能可持续的增长浪潮。
-
TYLsemi 携4300万美元融资问世，简化定制AI芯片开发
新半导体公司 TYLsemi 已从隐秘状态中脱颖而出，获得了4300万美元的早期融资。该公司旨在通过提供可重用的、基于标准的芯片，简化定制处理器的开发，特别是针对AI基础设施。TYLsemi 计划为缺乏内部芯片开发专业知识的公司提供端到端服务，使他们能够创建独特的、多芯片的处理器。
-
新的Atompack格式加速原子机器学习数据集训练
研究人员开发了Atompack，这是一种专为原子机器学习训练数据集设计的新的存储和分发层。该格式针对训练过程中重复读取打乱顺序的分子记录的常见工作负载进行了优化，与HDF5和LMDB等现有解决方案相比，提供了显著的性能提升。Atompack实现了高达96倍的打乱读取速度提升，并且产生的工件体积减小79%，使其在大型科学数据集的训练和公开分发方面都更加高效。
-
Atompack存储格式加速原子机器学习训练数据读取
研究人员开发了Atompack，这是一种专为原子机器学习训练数据集设计的新型存储格式和分发层。该格式针对读密集型工作负载进行了优化，在这种工作负载中，训练管道以随机顺序重复访问完整的分子记录。Atompack展示了显著的性能提升，在随机读取方面比ASE LMDB等现有解决方案快96倍，并且生成的工件体积小79%。
-
新的无训练方法推动跨域少样本分割 · 跟踪5个来源
研究人员开发了两种新颖的跨域少样本分割（CD-FSS）方法，无需训练或微调，从而降低了计算成本并防止了过拟合。一种方法基于DINOv3编码器，使用语义感知特征重融合（SAFR）、自适应支持增强（ASE）和混合原型匹配（HPM）模块来增强语义辨别力并适应不同复杂性。第二种方法，双层级聚合网络（DHANet），采用层级空间聚合（HSA）和层级通道聚合（HCA）来解决语义和属性过度对齐问题，并结合在线概率语义库（OPSB）来缓解支持不足的问…
-
新的SciVerseGym环境标准化了AI驱动的晶体发现
研究人员开发了SciVerseGym，一个与Gymnasium兼容的新环境，将晶体发现构建为马尔可夫决策过程。该平台允许智能体与原子结构进行交互，应用编辑，并从评估器那里获得反馈。SciVerseGym支持多种操作，包括元素替换和晶格扰动，并且可以配置不同的化学空间和观察类型。它旨在为材料科学中的强化学习、贝叶斯优化和其他AI驱动的方法提供一个标准化的、可扩展的测试平台。
-
AEM 和 ASE 合作进行 AI/HPC 测试，ASE 投资 1200 万新元
AEM 和 ASE 已建立战略合作伙伴关系，以增强人工智能和高性能计算的测试解决方案。作为此次合作的一部分，ASE 将向 AEM 投资 1200 万新元。该联盟旨在结合各自的专业知识，为下一代计算应用开发先进的测试技术。
-
芯片封装商转向先进技术，将传统业务留给中国
半导体封装公司如ASE和Amkor正从低利润、商品化的组装业务转向对AI和HPC应用至关重要的、高利润的先进封装业务。这一战略举措涉及对CoWoS等先进封装技术的巨额投资，而传统的引线键合产能正日益集中在中国。尽管PC和智能手机需求疲软，中国却出现了引线键合机需求的激增，这表明行业正发生结构性转变。