CMOS
PulseAugur coverage of CMOS — every cluster mentioning CMOS across labs, papers, and developer communities, ranked by signal.
6 天有情绪数据
-
首席营销官难以将人工智能可见性与销售影响挂钩
首席营销官在展示人工智能驱动的可见性对销售的影响方面面临挑战。他们难以整合各种数据点，以有效地将收入归因于人工智能计划。这种衡量上的困难阻碍了他们证明人工智能投资回报率的能力。
-
AI数据中心光互连市场到2030年将达到1440亿美元
AI数据中心光互连市场预计将激增至2030年的1444亿美元，远高于2024年的137亿美元。这一增长主要归因于AI数据中心对更高带宽和更高能效的需求日益增长，推动行业从传统的铜互连转向光子学。预计到2030年，硅光子将主导该市场，占近三分之二的收入，这得益于共封装光学技术的进步。
-
AI解锁惠普笔记本BIOS，绕过RSA-2048安全防护
一位AI爱好者成功使用Claude Code绕过了惠普笔记本BIOS的安全措施，解锁了55个隐藏设置。该过程包括击败RSA-2048签名检查，并揭示了高级配置选项卡。这一成就展示了AI克服固件安全性的潜力，使以前被锁定的笔记本电脑得以使用，并可能减少电子垃圾。
-
III-V行业InP激光器供应链因技术落后而挣扎 · 追踪2个来源
III-V行业，即生产磷化铟（InP）激光器的行业，正面临重大的供应链挑战，因为其依赖于过时的2-4英寸晶圆生产标准。这与CMOS技术中使用的先进12英寸晶圆工艺形成了鲜明对比。随着InP激光器成为计算封装附近光学连接的关键组件，特别是对于连续波（CW）分布式反馈（DFB）激光器，其需求正在增加。
-
CMO 必须在营销策略中领导人工智能编排
首席营销官 (CMO) 需要发展成为人工智能编排的领导者。这包括理解并将人工智能工具整合到营销策略中，以提高效率和效果。该角色需要采取积极主动的方法来管理人工智能的能力，并确保其与业务目标保持一致。
-
基于忆阻器的储层计算在分支预测方面展现出潜力
研究人员开发了一种新颖的储层计算（RC）框架，用于流水线处理器中的分支预测，并利用了新兴的CMOS忆阻器器件。该框架使用System Verilog和Verilog-AMS实现和仿真，展现出高速运行和与数字逻辑集成的潜力。尽管RC设计在RISC-V RV64GC ISA的Dhrystone基准测试中显示出令人印象深刻的预测准确性，但与最先进的TAGE预测器相比，其适应分支行为变化的速度明显较慢。
-
新技术缓解模拟AI硬件中的保持损耗
研究人员开发了抵消模拟内存计算硬件中保持损耗引起的精度下降的方法。通过结合电路级补偿技术和算法重新校准（特别是批量归一化），可以缓解数据随时间衰减的影响。在65 nm CMOS阵列上使用VGG-10和WideResNet-28-10等神经网络模型进行的实验表明，这些组合技术即使在60天后也能将推理精度恢复到接近基线的2-4%。
-
印度尼西亚起草人工智能版权法，要求科技公司为内容付费
印度尼西亚正在推进一项版权法修正案草案，旨在解决人工智能和数字平台使用受版权保护材料的问题。拟议的立法将要求科技公司就使用其新闻报道、图像、软件和其他受版权保护的作品（特别是用于人工智能训练和内容聚合）向媒体机构支付报酬。该法案还为人工智能辅助作品获得版权保护设定了标准，强调人类参与并强制披露人工智能使用情况。
-
光子CNN实现高精度和高能效
研究人员开发了一种全光子卷积神经网络（PCNN），能够完全在光学域内执行图像分类任务。这种新颖的架构使用马赫-曾德尔干涉仪网格和微环谐振器等光学元件集成了卷积、最大池化、非线性激活和全连接层。虽然在MNIST数据集上达到了94.49%的准确率，但经过异地预训练的数字孪生达到了97.45%的准确率。PCNN在能效方面显示出巨大潜力，对于单图像推理，其能效估计比最先进的电子GPU高220到330倍，同时推理延迟低至843纳秒。
-
自适应模型压缩提升了边缘设备的 Transformer 效率
研究人员开发了自适应模型压缩 (AMC)，这是一个旨在提高大型 Transformer 模型在低功耗边缘设备上使用效率的新框架。AMC 根据数据 token 的重要性动态分配硬件资源，以高精度处理关键信息，同时降低对不太重要数据的处理强度。该方法在准确性影响很小的情况下，显著降低了能耗并提高了处理吞吐量。
-
CMO 报告称 AI 营销工具未能带来可衡量的结果
尽管在内容创作和营销活动优化等营销任务上进行了大量 AI 投资，但许多首席营销官 (CMO) 报告称缺乏持续、有意义的业务影响。这种脱节源于 AI 主要被用于加速个体任务，而不是从根本上改变结果。主要问题包括缺乏品牌背景、专有客户数据访问受限以及 AI 在复杂的营销工作流程之外运行，所有这些都阻碍了其产生可衡量结果的能力。
-
新型SPAD探测器设计提升直接飞行时间测量精度
研究人员开发了一种利用周界门控单光子雪崩二极管（SPAD）探测器来提高直接飞行时间（dToF）测量精度的创新方法。该技术旨在减少系统级和电路级时序抖动以及暗噪声引起的器件级不确定性所造成的误差。研究包含一个用于估算dToF抖动的框架，并分析了一个基于计数器的数模转换器电路。使用标准CMOS工艺制造的周界门控SPAD（pg-SPAD）进行的实验结果表明，在自由运行和门控操作下测量精度均得到提升。
-
新的SMART框架使用机器学习加速数字电路可靠性分析
研究人员开发了SMART，一个结合了机器学习和蒙特卡洛模拟的新框架，用于加速数字电路中晶体管老化和工艺变化的分析。该方法使用随机森林回归和贝叶斯优化来预测门延迟分布，显著减少了分析时间并保持了高精度。SMART旨在为设计更可靠的数字系统提供可扩展的解决方案，以解决深纳米CMOS技术中传统仿真方法的局限性。
-
神经形态控制器为帕金森病提供节能自适应DBS
研究人员开发了一种新颖的神经形态硅神经元控制器，名为SiLIF-DBS，用于帕金森病患者的自适应脑深部刺激（aDBS）。该控制器采用CMOS技术实现，旨在通过跟踪症状波动，为DBS提供更智能、更节能的解决方案。在模拟中，SiLIF-DBS控制器能有效抑制大脑中的病理性β活动，同时比传统的开环刺激方法消耗的能量显著减少。
-
SpikeLogBERT: 使用脉冲变压器实现节能日志解析
研究人员开发了SpikeLogBERT，一个新颖的脉冲神经网络框架，用于节能日志解析。该模型集成了脉冲变压器架构和来自BERT教师模型的知识蒸馏，实现了脉冲驱动的计算，同时保持了语义表示。在HDFS数据集上的实验表明，SpikeLogBERT的解析准确率达到0.99997，与传统的基于ANN的模型相比，能耗降低高达62.6%。
-
CMOS晶体管的发现有望为AI带来类脑的能效
研究人员发现了一种利用标准CMOS晶体管制造人工神经元和突触的方法，模仿了人脑的能效。这一突破可能显著降低当前依赖耗能GPU的人工智能系统的高能耗。新方法通过模仿生物计算原理，为人工智能提供了更可持续的路径。
-
IBM 发布采用纳米堆叠晶体管的亚纳米级芯片技术
IBM 宣布在半导体制造领域取得突破，开发出 0.7 纳米级别制造技术，这是业界首个亚纳米级工艺。这项新技术采用了纳米堆叠晶体管，将互补的 n 型和 p 型晶体管垂直堆叠在两个晶圆上，而不是并排放在单个晶圆上。这种创新的方法可以独立优化每种类型的晶体管，与 IBM 先前的 2 纳米级别节点相比，在性能和能效方面取得了显著的改进。
-
低功耗模拟神经网络使用可训练非线性连接
研究人员开发了低功耗模拟神经网络，它们利用受Kolmogorov-Arnold网络启发的、可训练的非线性连接。这些网络直接利用模拟器件物理进行计算，将可训练的非线性函数作为模拟带通滤波器放置在每个连接上。虽然它们对于涉及平滑、连续值（如机器人运动学和控制）的任务有效，但它们不提供分类任务的参数效率。这些网络已成功转移到硬件上，并具有量化的保真度，预计功耗非常低。
-
谷歌副总裁：SEO对AI搜索功能仍然至关重要
谷歌搜索副总裁表示，即使在人工智能驱动的搜索功能出现之际，传统的搜索引擎优化（SEO）对于品牌来说仍然至关重要。他解释说，AI模式和AI概览利用与传统搜索相同的排名系统。因此，品牌要想在不断发展的搜索格局中保持可见性和有效性，真正需要的是扎实的SEO基础。
-
开源随机神经元专为边缘硬件设计
研究人员开发了一种开源的、用于事件驱动边缘硬件的随机泄漏积分发放（leaky integrate-and-fire）神经元。该神经元设计紧凑，采用SkyWater 130 nm CMOS技术实现，利用线性反馈移位寄存器（LFSR）控制发放概率，并使用泄漏积分器生成脉冲。该设计可通过串行接口进行配置，占用约10,600平方微米，满足50 MHz的时序要求。