CMOS
PulseAugur coverage of CMOS — every cluster mentioning CMOS across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新的OASIS框架大幅降低片上视觉数据传输成本
研究人员开发了OASIS，一种新颖的分布式片上视觉框架，通过在图像传感器附近处理信息，显著降低了数据传输成本。该系统采用轻量级编码器创建紧凑、与任务相关的表示，从而实现大幅通信缩减。OASIS支持两种部署路径：一种使用4位量化和霍夫曼编码，另一种利用超维度计算进行分类。OASIS在FPGA上实现，并计划用于ASIC，在保持各项视觉任务竞争力的准确性的同时，展示了系统总能量降低2倍至4.5倍。
-
新型忆阻器突触实现脉冲神经网络在线学习
研究人员开发了一种模拟忆阻器突触电路，用于脉冲神经网络（SNN）的在线学习。该电路能够直接从突触前和突触后脉冲进行渐进式电导更新，从而在网络正常运行时无需外部数字控制即可实现学习。在130 nm CMOS技术中的仿真表明，该突触能够适应电导变化，并在小型SNN中实现了无监督神经元特化。
-
新型模拟读出架构提升SNN效率
研究人员开发了一种利用电压到时间转换的新型脉冲神经网络（SNN）模拟读出架构。该方法旨在通过消除对传统电流模式求和和缩放电路的需求来提高面积和能源效率。在130 nm CMOS技术中的仿真证明了该架构在SNN推理中的有效性，包括成功的数字分类。
-
新型STEMPix传感器可检测CMOS阵列中的边缘运动方向
研究人员开发了一种名为STEMPix的新型像素传感器，旨在检测和编码CMOS图像传感器中的边缘运动方向。该技术旨在为专业传感应用提供紧凑、方向感知的本地信息，超越传统的全帧强度重建。STEMPix通过在像素级别集成时间和空间变化数据，生成3位本地边缘方向码，支持全局快门和动态阈值。
-
索尼主导图像传感器市场，着眼于边缘AI控制权
索尼正利用其在全球图像传感器市场50%的主导份额，战略性地掌控边缘人工智能的未来。该公司在3D堆叠CMOS技术方面的精通，使其成为驱动设备中人工智能的物理组件的关键供应商。此举将焦点从传统相机技术转移到支持人工智能感知能力的基础硬件上，引发了对三星等公司潜在竞争的疑问。
-
基于视觉的触觉传感器因局限性在具身AI领域受到质疑
一项近期分析质疑了基于视觉的触觉传感器（VBTS）作为具身AI基础技术的生存能力。文章认为，尽管VBTS很受欢迎，但它严重依赖借鉴的视觉算法和现成的硬件组件，导致进入门槛低和市场饱和。此外，VBTS固有的物理局限性，如结构厚度、无法适应复杂表面以及多指应用集成方面的重大挑战，使其不适合广泛的工业部署。分析总结认为，材料柔软度以换取灵敏度与硬度以换取耐用性之间的根本权衡，加上集成和成本问题，使得VBTS对于机器人技术的未来而言是一项高风…
-
AI框架推动硅光子设计和能量收集AI概念的发展
研究人员开发了PICasso，一个支持AI的框架，它使用自然语言来设计、验证和优化硅光子集成电路。该框架将大型语言模型与领域特定知识和物理验证相结合，以提高设计满意度并减少插入损耗。另外，一个名为SOLACE的概念架构提出将集成光伏与光学神经网络和低功耗CMOS相结合，以创建能够收集环境光的节能AI推理系统。
-
SPADs在LIDAR应用中为降低噪声而牺牲脉冲检测效率
研究人员研究了栅极电压对周边门控单光子雪崩二极管（pg-SPADs）脉冲检测效率的影响。研究发现，当使用标准CMOS工艺制造时，这些二极管会牺牲脉冲检测效率以减少突发窗口内的虚假事件。这些发现为优化pg-SPAD在脉冲LIDAR应用中的使用提供了指导。
-
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。