XiaoMi-AI文件搜索系统
World File Search SystemChip
CHIP MLSOC™MODALIX产品系列的机器学习系统
•机器学习加速器（MLA） - 提供25-200台TERA操作，每秒（25-200个顶部），用于神经网络计算，并增强硬件，以提高精度，用于更快的Genai计算，硬件中的BF16，改进了DMA带宽和双电压支持。•应用程序处理单元（APU） - 八个ARM Cortex A65双线程处理器的群集以1.5 GHz运行，最多可提供32K DHRYSTONE MIPS。•视频编码器/解码器 - 支持MJPEG，H.264和H.265压缩标准，AOMEDIA视频1（AV1），支持主/高/专业配置文件，4：2：2：2：0像素和8位精度。编码器以高达4KP30的速率支持H.264，而解码器则以高达4KP60的速度支持H.264/265。•计算机视觉单元（CVU） - 由1GHz四核概念组成，弧EV74视频处理器，最多支持720位16位GOPS。•图像信号处理器（ISP）-ARM C -71以1.2GHz运行。RAW 8、10、12、14、16、20、22和24位输入来自CFA图像传感器。支持RGGB，RCCG，RCCB，RCCC和RGBIR颜色格式。支持24位宽动态范围（WDR）。•高速I/O子系统 - 提供四个10吉比特以太网端口以及PCIE GEN5 8车道接口可用作为根复合物或端点，并且具有分叉功能。•DRAM接口系统（DIS） - 支持八个32位LPDDR5，LPDDR4和LPDDR4X，并支持X32和X64 LPDDR芯片。目标速度6400 Mbps（LPDDR5）在所有DDR通道中提供102 GB/s的有效理论带宽。•引导和安全单元（BSU） - 在效率内存和密钥管理中提供安全的密钥存储。支持启动图像的解密和身份验证，并为用户代码提供安全性API。
用于片上锌离子微电极的先进 3D 微电极...
开发具有更安全、更具成本效益的系统的高性能平面微电池对于为医疗植入物、微型机器人、微型传感器和物联网 (IoT) 等智能设备供电至关重要。然而，由于难以有效地将高容量活性材料加载到微电极上，目前的片上微电池在有限的设备占用空间内能量密度有限。片上微电池需要先进微电极的创新设计。这项工作引入了先进的、高度多孔的 3D 金 (Au) 支架基叉指电极 (IDE) 作为集电器，这能够有效地加载活性材料 (Zn 和聚苯胺)，而不会影响整体导电性，并显著增加活性质量负载。这些基于 3D Au 支架的微电池（3D P-ZIMB）在材料加载到平面 Au IDE 上时，与传统微电池（C-ZIMB）相比，具有显著更高的能量存储性能（增强 135%）。此外，3D P-ZIMB 比大多数高性能片上微电池具有更高的面积容量（≈ 35 μ Ah cm − 2 ）和面积能量（≈ 31.05 μ Wh cm − 2 ），并且它提供比高性能片上微型超级电容器高得多的面积功率（≈ 3584.35 μ W cm − 2 ）。深入的事后调查显示，3D P-ZIMB 避免了材料剥落、电解质离子扩散缓慢和阳极上枝晶形成等问题，同时保持了相同的材料形貌和结构特征。因此，本研究提出了一种智能策略来提高平面微电池的电化学性能并推动片上微电池研究领域的发展。
有多少个 QRNG 芯片？
基于算法的 PRNG 和基于经典物理的 TRNG 都存在漏洞。由于它们本质上是确定性的，因此可预测，因此 PRNG 无法提供完全的加密安全性。使用经典 TRNG，人们永远无法确定产生了多少真正的随机性。通常，在后处理级别使用健康监测和健全性检查来检测任何问题。这可能足以解决已知问题，但最终缺乏控制和底层物理过程的复杂性使其难以涵盖所有潜在场景。因此，经典 RNG 的弹性高度依赖于后处理，必须使用统计测试等各种实用工具进行评估。
合成细胞的功能整合到人工器官片技术的3D微流体设备
微流体在器官片技术和合成细胞的研究中起着关键作用，尤其是在人工细胞模型的开发和分析中。然而，未探索使用合成细胞作为微流体系统的积分功能成分的方法，以塑造片段培养的天然活细胞的微环境。在这里，基于胶体体的合成细胞被整合到3D微流体设备中，开创了基于片的机器人器官的基于合成细胞的微环境的概念。的方法是设计用于在微流体通道内部由受支持的脂质双层包裹的二氧化硅胶体染色体网络。这些网络促进了与片上培养细胞的受体配体相互作用。此外，使用基于藻酸钙的水凝胶形成在胶体体内的基于钙的水凝胶的形成，引入了一种用于控制生长因子从合成细胞中的释放的技术。证明了该技术的潜力，是一种模块化的插入式淋巴结芯片芯片原型，该原型通过刺激T细胞上的受体配体并调节其细胞因子环境来指导原代人T细胞的扩展。将合成细胞整合到微流体系统中，为器官芯片技术提供了新的方向，并提出了进一步的潜在治疗应用探索途径。
-0.5cmATPlace2.5D：用于大规模2.5D-IC的分析热感知芯片布局框架
消费电子产品的激增催化了 2.5D 集成电路 (2.5D-IC) 的发展。随着这些系统规模扩大并集成更多芯片，芯片设计工具（尤其是自动芯片布局）的重要性日益显现。然而，之前的研究并未充分考虑芯片的独特特征，遇到了与线长质量低和可扩展性差有关的挑战。此外，2.5D-IC 中明显的高温问题尚未得到彻底解决，表明缺乏热感知设计探索。针对这一问题，本文提出了 ATPlace2.5D，一种用于大规模 2.5D-IC 的分析性热感知芯片布局框架。它可以与创新的基于物理的紧凑热模型相结合，提供平衡线长和温度的解决方案，位于最优帕累托前沿。实验结果表明，AT-Place2.5D 可在几分钟内处理超过 60 个 chiplet，在最高温度和总走线长度方面均比 TAP-2.5D 高出 5%，在热感知布局方面高出 42%，速度提升 23 倍，有望推动 2.5D-IC 的成熟和广泛应用。
芯片、节点和晶圆：半导体数据收集的分类法
半导体价值链容易受到干扰，这对现代经济构成了相当大的风险。更好的数据对于决策者识别瓶颈、监控特定半导体类型的供需平衡以及管理干扰至关重要。本文提出了半导体类型和生产设施的通用分类法，以促进协调的数据收集和共享。该分类法将半导体产品分为四大类——“逻辑”、“内存”、“模拟”和“其他”——并根据其普及程度和特定功能细分为子类别。半导体生产设施根据所使用的技术和生产不同类型半导体的能力、安装的生产能力以及其他相关工厂（和公司）特征进行分类。该分类法将成为半导体生产数据库的基础，并将在未来进行修订，以跟上半导体技术的发展。
Chip Scale Review 七月 • 八月
从芯片背面到正面，首先是 1) 一个类似硅通孔 (TSV) 的电源接头，将芯片背面连接到第一个正面布线层 (M0) 上的电源线，然后 2) 电源通孔 (PV) 或埋入式电源轨 (BPR) 以选择性地连接到正面局部互连，使用通孔或线接触 PV，这需要从背面 (BS_VD) 进行图案化，直到 3) 实现 BS 与源极/漏极 (BS_VD) 的直接接触，以及 4) 最后，甚至可能实现 BS 与栅极 (BS_ VG) 的直接接触。这种演变还意味着使用更小的结构和更紧密的边距来打印它们。很可能，FS-to-BS 连接的早期演变阶段将继续使用并与后续阶段共存，从而提供丰富的选项来将芯片的背面连接到其正面。
芯片实验室
a 宾夕法尼亚大学生物工程系，宾夕法尼亚州费城 19104，美国。电子邮件：mjmitch@seas.upenn.edu b 费城儿童医院胎儿研究中心，宾夕法尼亚州费城 19104，美国。电子邮件：peranteauw@chop.edu c 宾夕法尼亚大学佩雷尔曼医学院艾布拉姆森癌症中心，宾夕法尼亚州费城 19104，美国 d 宾夕法尼亚大学佩雷尔曼医学院细胞免疫治疗中心，宾夕法尼亚州费城 19104，美国 e 宾夕法尼亚大学佩雷尔曼医学院宾夕法尼亚 RNA 创新研究所，宾夕法尼亚州费城 19104，美国 f 宾夕法尼亚大学佩雷尔曼医学院免疫学研究所，宾夕法尼亚州费城 19104，美国 g 宾夕法尼亚大学佩雷尔曼医学院心血管研究所，宾夕法尼亚州费城 19104，美国 h 宾夕法尼亚大学佩雷尔曼医学院再生医学研究所，宾夕法尼亚州费城 19104，美国
