首页
发现
课程
培训
文章
案例
问答
需求
服务
行家
赛事
热门搜索
发布
消息
注册
|
登录
吃三明治的lucky呀!
签名征集中
关注
12
粉丝
2
关注
分享
全部
课程
文章
回答
帖子
案例模型
吃三明治的lucky呀!
工程师的日常
分享一个关于工程师的笑话,这辈子都靠这个活了
有一个物理学家,工程师和一个程序员驾驶着一辆汽车行驶在阿尔卑斯山脉上,在下山的时候,忽然,汽车的刹车失灵了,汽车无法控制地向下冲去,眼看前面就是一个悬崖峭壁,但是很幸运的是在这个悬崖的前面有一些小树让他们的汽车停了下来,而没有掉下山去。
三个惊魂未定地从车里爬了出来。
物理学家说,“我觉得我们应该建立一个模型来模拟在下山过程中刹车片在高温情况下失灵的情形”。
工程师说,“我在车的后备厢来有个扳手,要不我们把车拆开看看到底是什么原因”。
程序员说,“为什么我们不找个相同的车再来一次以重现这个问题呢?”
转发
评论
点赞
吃三明治的lucky呀!
一起分享学习资料
什么是物理不可克隆(PUF)?
物理不可克隆功能 (PUF) 是一种硬件安全技术,它利用固有的设备变化来对给定的输入产生不可克隆的唯一设备响应。
在更高的层面上,PUF 可以被认为类似于人类的生物识别——它们是每一块硅的固有和唯一标识符。
由于硅加工技术的不完善,所生产的每一块IC在物理上都是不同的。在不同的集成电路之间,这些工艺变化表现为不同的路径延迟、晶体管阈值电压、电压增益和无数其他的方式。 重要的是,虽然这些变化在不同的集成电路之间可能是随机的,但一旦知道,它们是确定的和可重复的。PUF利用IC行为的这种内在差异,为每个IC生成一个唯一的加密密钥。
与使用单个存储密钥的传统加密方法不同,PUF 通过实现质询-响应身份验证来工作。对于一个给定的PUF,一个特定的输入,被称为 "质询",将产生一个输出响应,(质询应答认证challenge-response)该响应对特定的PUF是唯一的,因此是不可克隆的。
在制造时,PUF 将接受一系列不同的“质询”并记录其响应。通过此练习,设计人员了解每个 PUF 对给定质询的独特响应,并可以使用此信息来防止伪造、创建和存储加密密钥以及许多其他安全功能。
转发
1
3
吃三明治的lucky呀!
一起分享学习资料
模拟系统无法适应不断变化的环境条件?
字技术的一个优点是,它对环境条件的变化具有广泛的容忍度,例如温度的变化和电源电压的波动。在过去的模拟系统中,电压的任何微小变化都可能在处理时导致错误。
然而,有些方法可以使模拟对不同的环境条件具有相同的弹性,并实现规模化。大多数现代模拟电路是由软件控制的,并使用大量的补偿和校准技术。这些技术还可以补偿温度和电压的变化,这使得现代高速模拟电路能够为我们所有的电子设备提供关键功能。
转发
评论
点赞
吃三明治的lucky呀!
一起分享学习资料
模拟系统不像数字系统那么紧凑?
的确,模拟系统一直以来都太大了。然而,新的方法使设计非常紧凑的系统成为可能。其中一个原因是闪存的高密度,因此通过将模拟计算与闪存相结合,就可以使用单个闪存晶体管作为存储介质、乘法器和加法器(累加器)电路。
转发
评论
点赞
吃三明治的lucky呀!
一起分享学习资料
模拟不能运行复杂的深度神经网络?
传统的数字处理系统支持复杂的深度神经网络 (DNN)。问题是这些平台占用了大量的硅空间,需要 DRAM,并且消耗大量能源,这就是为什么许多 AI 应用程序将大部分深度学习工作卸载到远程云服务器的原因。但对于需要对 DNN 进行实时处理的系统,必须在本地处理数据。
当模拟计算与闪存技术相结合时,处理器可以在片上运行多个大型、复杂的 DNN。这消除了对 DRAM 芯片的需求,并在单芯片加速器内实现了难以置信的密集重量存储。通过让许多内存计算元素并行运行,处理器可以进一步最大化推理性能。随着对实时处理的需求不断增长,这种复杂 DNN 模型的片上执行将变得越来越重要。
转发
评论
点赞
吃三明治的lucky呀!
一起分享学习资料
模拟系统和数字系统一样,必须将神经网络存储在DRAM中
硬件最重要的方面之一是每平方毫米的处理器能容纳多少内存,以及内存能消耗多少能量。对于数字系统来说,主流的存储器——SRAM和DRAM——往往消耗太多的能量,占用太多的芯片面积,而且改进的速度不够快,无法满足当今人工智能时代的需要。
模拟系统的优势在于能够使用非易失性存储器 (NVM),它提供了令人印象深刻的密度并解决了功率泄漏问题。一些模拟系统使用闪存,这是最常见的 NVM 类型之一,因为它具有令人难以置信的密度,与硬盘驱动器相比很小,并且可以在不通电的情况下保留信息。使用模拟内存计算,算法是通过操纵和组合小电流在 NVM 单元内执行的,小电流以快速和低功耗的方式发生在整个存储库中。
转发
评论
点赞
吃三明治的lucky呀!
一起分享学习资料
模拟芯片的设计和制造成本很高?
长期以来,人们一直认为模拟系统的设计和制造成本远高于数字系统。然而,事实是,数字系统越来越难以跟上制造成本和掩模组价格的上涨,1 至 3 纳米范围的成本可能超过 1 亿美元。这些成本必须摊销,这使得每美元实现功能改进变得更加困难。为了让数字系统跟上人工智能行业不断增长的计算需求,芯片上的一切都需要实现大规模的性能、成本和功耗改进。
模拟系统具有许多性能和功耗优势,同时还具有令人难以置信的成本效益。这是因为可以在具有模拟计算的旧工艺节点上实现高性能和令人难以置信的内存密度。这些工艺节点在掩模组和晶圆价格方面的成本显着降低,成熟稳定,与前沿节点相比具有更大的制造能力
转发
评论
点赞
吃三明治的lucky呀!
一起分享学习资料
模拟是耗电的?
一个不为人知的问题是数字系统被迫将神经网络存储在 DRAM 中,这是一种昂贵、不方便且耗电的方法。DRAM 在活动使用期间和空闲期间都会消耗大量功率,因此系统架构师花费大量时间和精力来最大化处理器的利用率。
数字系统的另一个问题是,它们非常精确,这在性能和功率方面付出了巨大的代价,特别是在涉及到神经网络时。试想一下,一个系统必须从一大堆3D非易失性内存中读取数万亿的权重,以实现人工智能算法的即时计算。
在实践中,人工智能不需要那么高的精度。事实上,一些模拟处理器,在非常密集的非易失性存储器中执行模拟计算,已经比数字系统高 10 倍(有可能高 100 到 1000 倍)。它们的速度也快得多,可以将8倍多的信息装入内存。模拟技术更节能的一大优势是,它可以支持极高的处理密度,而不需要先进的冷却或供电基础设施,这对工业和企业应用程序尤其重要。
转发
评论
点赞
1
2
3
VIP会员
学习
福利任务
兑换礼品
下载APP
联系我们
微信客服
联系客服
人工服务时间为周一至周五的9:30-19:30
非工作时间请在微信客服留言
客服热线:
4000-969-010
邮箱:
service@fangzhenxiu.com
地址:
北京市朝阳区莱锦创意园CN08座
帮助与反馈
返回顶部