XiaoMi-AI文件搜索系统
World File Search SystemChiplets
2024 年 5 月 14 日 JX Advanced Metals Corporation
JX先进金属集团中长期经营战略和经营目标 JX先进金属株式会社（社长：林洋一；“本公司”）更新了2023年5月公布的2023年至2025年度中期经营计划，并根据当前的举措和经营环境制定了中长期经营战略和经营目标。 为了确保这些战略和目标的实施和实现，JX先进金属株式会社及其子公司和附属公司（“本集团”）将作为半导体和ICT材料领域的全球领导者，共同努力，以先进材料为社会发展和创新做出贡献。 1.经营方针 2019年6月，本集团制定了长期愿景2040（2023年5月部分修订），并确立了基本方针。本集团从“流程工业型企业”转型为“技术型企业”，在日益激烈的国际竞争中，力争成为半导体和ICT材料领域的全球领导者，实现高利润结构，为实现可持续发展社会做出贡献。在这一方针下，我们将半导体材料部门和ICT材料部门组成的重点业务定位为增长战略的核心，开发先进材料领域的差异化技术，开拓市场，力争实现超过市场增长的利润增长。对于由金属和回收部门组成的基础业务，在最佳规模的业务结构下，我们旨在通过稳定供应铜和小金属来支持重点业务，同时为解决ESG问题做出贡献。 2. 经营环境展望 (1) 重点业务：半导体材料部门 2017年至2022年，半导体逻辑和存储器市场年均增长率为6.1%1。2023年市场继续调整。然而，展望未来，预计在生成式人工智能的增长以及电动汽车等产品日益普及的推动下，市场在2023年至2027年期间将以7.6%1的年均增长率增长。 由于半导体市场不断增长且主要客户计划开始运营新工厂，半导体溅射靶材的使用量预计会增加。半导体溅射靶材是公司在PVD 2 中使用的主要产品，用于制造逻辑和存储器等各种半导体器件。此外，随着需要多层化和小型化的先进半导体的发展，PVD 中半导体溅射靶材的使用量预计会增加，CVD 3 和 ALD 4 薄膜形成的需求也会增加。从中长期来看，预计小芯片的市场渗透率将提高，我们预计，在芯片间布线等应用领域，成膜需求将会扩大。
1 使用自动化测试多个高速通道...
使用自动测试设备 (ATE)、SOC 93K 并行测试多个高速通道 Ratan Bhimrao Umralkar、Li Kangrong。新加坡 A*STAR 微电子研究所 2 Fusionopolis Way, #11 Innovis Tower，新加坡 138634 ratan_bhimrao_umralkar@ime.a-star.edu.sg，li_kangrong@ime.a-star.edu.sg，摘要高带宽存储器 (HBM) 需要在安装在中介层上的 IO 芯片和 IO 到存储器堆栈之间进行高速数据传输。来自不同供应商的 KGD HBM 堆栈和 IO 芯片安装在高数据速率/带宽中介层上。在多芯片设备封装过程中，将测试从最终测试转移到晶圆级需要高昂的设备成本[4]，例如探测器、探测卡，但废品成本较低。就目前的封装技术（如 2.5D/3D 和 Chiplets）而言，较低的废料成本意味着更高的产量。一旦将 KGD 安装在中介层（和基板）上，如果中介层经测试有故障，则无法将其移除，从而浪费整个封装 [4]。本文讨论了在安装 KGD HBM、IO 芯片和其他芯片之前测试中介层上高速数据速率互连的测试方法（见下图 1）。高端 DSO（数字存储示波器）可以相对轻松地测试 1 到 4 个通道。但是，当通道数为 8、16 位总线等组时，使用 ATE 会变得更有优势。其中一个主要优势是，ATE 可以同时测试多个通道，因此使用 ATE 测试多个通道变得更加可行。不同通道的结果可以叠加在单个图上。最终的叠加图提供了有关哪个通道输出影响高速总线整体性能的重要信息。眼图 [2] 是一种重要的信号完整性测试，可用于了解数字系统中通信信道的质量，眼图提供有关传输线质量和信道带宽的信息。本文讨论了如何有效地使用 ATE 来构建眼图，使用 ATE 的 shmoo 图功能，恰当地称为眼图 shmoo 图。此外，由于 ATE 可以同时测试多个通道，因此可以加快大规模测试速度，例如测试整个晶圆。此处开发的测试方法是细间距高速通道项目的一部分，其中使用 24 个高速通道构建晶圆测试，以模拟具有 55um 凸块间距的 HBM（高带宽存储器）应用，以展示使用 ATE 的细间距 [3] 探测和功能。对于同时测试的 24 个通道，结果显示 2 条迹线的眼宽和眼高小于其余迹线，但本文的重点不是这些结果，而是如何在 ATE 级别测试中实现眼图。当前设置使用 Advantest 93K 测试仪和 12 英寸 Tel 探测器。ATE 包含 3 个 PS1600 卡，最大数据速率为 1.6Gbps。对于高达 9G 的更高数据速率，可以使用 PS9G 卡。使用 PS1600 卡，我们能够测试高达 1Gbps 的速度，并为所有 24 条迹线绘制眼图。构建了一个细间距、55um 的探针卡，具有 24 个 HBW 通道，用于测试 HBM 晶圆并验证测试方法。下图 1 显示了使用 shmoo 图为其中一个通道 P9 绘制的眼图。基本参数如
'半导体：
比较大的SOC（较小的硅区域）可行，但能够合并以近似较大（更昂贵）的SOC。航空航天应用寻求高性能，但低量使它很困难，因为即使是单个应用程序案例，大型定制ASIC的费用也很难，而在各种航空航天项目中发现的多样性都要少得多。使用chiplet概念，可以承销较小的图1。四核SOC参考体系结构。图2。参考体系结构的扩展。4个基本块，可以在许多安排中结合使用，以适合这些不同的应用程序，以适合许多单独的自定义设计的价格。与当代的耐受性处理器相比，该处理器是内置的，这些处理器是内置的，即尾随边缘半导体技术（例如150 nm），即使是建立在更先进的节点（例如32nm）中的单个芯片组也代表了替代性能的增长。追求chiplet作为模块化策略的希望是要比以前的处理器的逐步实现越来越多地实现，而是提供一种能够将有效扩展到更高水平的性能和更大的功能的方法。很高兴地，奇普特概念可以收获嵌入式构成中的重要发展。主要的是MulɵcoreCompuɵng的出现。现在不是这种情况，很难忘记清洁大型conty的大型耦合的单片locaɵon的方法，而芯片组的想法可能会不利。出于多种原因，在过去的15年中越来越有能力的整体式（单核）组合的进展（借助时钟速度的升级速度标记），将企业推向了整体式的企业，以将整体式的量化计划（核心）（核心）（内核）保存为整体性能，以保持整体性能。嵌入式组合中的第二种criɵcal时尚是朝着异质构成的方式，那里有许多类型的计算机存在于同一复杂的小工具中。在这种情况下，使用“样式”，我们指出，人们相信，几种倾向于通过常规结构驱动（例如，可预测的基于流的处理，可以利用管道上的“可电路”形式，这些形式可以在区域可编程阵列中实现，甚至可以随机地进行了更少的预测分支（又有一个更加可预测的分门形状）（甚至更易于预测的形状）（并且都具有更大的分支形式（以及一个更大的线程形状）（并且都具有一个更大的分类形状（和图形）。没有任何单个处理体系结构可以彻底完成所有操作，主要用于包含处理类型的组合的结构。通常将具有mulɵcore处理器（对于标准 - 摩尔vecompuɵng，尤其是在深度处理中的线程处理），照片处理单元（用于大量的基于移动的处理），以及几个虚拟指示器处理单元（用于额外的型号的频率和无线电频率）。对，再次，chiplet的想法可以通过使用
ISSCC 2025 征文通知
征集创新和原创论文的主题领域包括（但不限于）：模拟：具有模拟主导创新的电路；放大器、比较器、振荡器、滤波器、参考电路；非线性模拟电路；数字辅助模拟电路；传感器接口电路；MEMS 传感器/执行器接口、10nm 以下技术的模拟电路。数据转换器：奈奎斯特速率和过采样 A/D 和 D/A 转换器；嵌入式和特定应用的 A/D 和 D/A 转换器；时间到数字转换器；创新和新兴的转换器架构。数字电路、架构和系统*：微处理器、微控制器、应用处理器、图形处理器、汽车处理器、机器学习 (ML) 和人工智能 (AI) 处理器以及片上系统 (SoC) 处理器的数字电路、架构、构建模块和完整系统（单片、小芯片、2.5D 和 3D）。用于通信、视频和多媒体、退火、优化问题解决、可重构系统、近阈值和亚阈值系统以及新兴应用的数字系统和加速器。用于处理器的芯片内通信、时钟分配、软错误和容错设计、电源管理（例如稳压器、自适应数字电路、数字传感器）和数字时钟电路（例如 PLL、DLL）的数字电路。数字 ML/AI 系统和电路，包括近内存和内存计算以及针对新 ML 模型（如 Transformer、图形和脉冲神经网络以及超维计算）的硬件优化。图像传感器、医疗和显示：图像传感器；视觉传感器和基于事件的视觉传感器；汽车、激光雷达；超声波和医学成像；可穿戴、可植入、可摄取设备；生物医学传感器和 SoC、神经接口和闭环系统；医疗设备；微阵列；体域网络和身体耦合通信；用于医疗和成像应用的机器学习和边缘计算；显示驱动器、触摸感应；触觉显示器；用于 AR/VR 的交互式显示和传感技术。存储器：用于独立和嵌入式应用的静态、动态和非易失性存储器；存储器/SSD 控制器；用于存储器的高带宽 I/O 接口；基于相变、磁性、自旋转移扭矩、铁电和电阻材料的存储器；阵列架构和电路，以改善低压操作、降低功耗、可靠性、性能改进和容错能力；内存子系统内的应用特定电路增强、用于 AI 或其他应用的内存计算或近内存计算宏。电源管理：电源管理、电源输送和控制电路；使用电感、电容、和混合技术；LDO /线性稳压器；栅极驱动器；宽带隙（GaN / SiC）；隔离和无线电源转换器；包络电源调制器；能量收集电路和系统；适用于汽车和其他恶劣环境的强大电源管理电路；LED驱动器。射频电路和无线系统**：用于接收器、发射器、频率合成器、射频滤波器、收发器、SoC和包含多个芯片的无线 SiP 的射频、毫米波和 THz 频率的完整解决方案和构建模块。创新电路、系统、设计技术、异构封装解决方案等，适用于既定的无线标准以及未来系统或新应用，例如传感、雷达和成像，以及提高频谱和能源效率的应用。安全：展示加密加速器的芯片（例如加密、轻量级加密、后量子加密、隐私保护计算、区块链）、智能卡安全、可信/机密计算、安全电路（例如 PUF、TRNG、侧信道和故障攻击对策、用于攻击检测和预防的电路和传感器）、资源受限系统的安全性、安全微处理器、安全存储器、模拟/混合信号电路安全（例如安全 ADC/DAC、RF、传感器）、安全供应链（例如硬件木马对策、可信微电子）、新兴技术的安全性以及用于逻辑/物理级安全的核心电路级技术。技术方向：集成光子学、硅电子-光子学集成等各个领域的新兴和新型 IC、系统和设备解决方案；用于计量、传感、计算等的量子器件；柔性、可拉伸、可折叠、可打印和 3D 电子系统；用于细胞和分子目标的生物医学传感器；远距离无线功率传输（例如射频和毫米波、光学、超声波）；用于空间应用和其他恶劣环境的集成电路；用于非 CMOS 计算和机器学习的新型平台；集成超材料、替代设备平台中的电路（例如碳、有机、超导体、自旋等）。有线：用于有线系统的接收器/发射器/收发器，包括背板收发器、铜缆链路、芯片间通信、2.5/3D 互连、片上/封装上链路、用于存储器的高速接口；光学链路和硅光子学；用于提高数据速率、带宽密度、功率效率、均衡、稳健性、自适应能力和设计方法的探索性 I/O 电路；有线收发器的构建模块（包括但不限于 AGC、模拟前端、ADC/DAC/DSP、TIA、均衡器、时钟生成和分配电路（包括 PLL/DLL）、时钟恢复、线路驱动器和混合电路）。RF 电路和无线系统**：用于接收器、发射器、频率合成器、RF 滤波器、收发器、SoC 和包含多个芯片组的无线 SiP 的 RF、毫米波和 THz 频率的完整解决方案和构建模块。创新电路、系统、设计技术、异构封装解决方案等，适用于既定的无线标准以及未来系统或新应用，例如传感、雷达和成像，以及那些可提高频谱和能源效率的应用。安全：展示加密加速器的芯片（例如加密、轻量级加密、后量子加密、隐私保护计算、区块链）、智能卡安全、可信/机密计算、安全电路（例如 PUF、TRNG、侧信道和故障攻击对策、用于攻击检测和预防的电路和传感器）、资源受限系统的安全性、安全微处理器、安全存储器、模拟/混合信号电路安全（例如安全 ADC/DAC、RF、传感器）、安全供应链（例如硬件木马对策、可信微电子）、新兴技术的安全性以及用于逻辑/物理级安全的核心电路级技术。技术方向：集成光子学、硅电子-光子学集成等各个领域的新兴和新型 IC、系统和设备解决方案；用于计量、传感、计算等的量子器件；柔性、可拉伸、可折叠、可打印和 3D 电子系统；用于细胞和分子目标的生物医学传感器；远距离无线功率传输（例如射频和毫米波、光学、超声波）；用于空间应用和其他恶劣环境的集成电路；用于非 CMOS 计算和机器学习的新型平台；集成超材料、替代设备平台中的电路（例如碳、有机、超导体、自旋等）。有线：用于有线系统的接收器/发射器/收发器，包括背板收发器、铜缆链路、芯片间通信、2.5/3D 互连、片上/封装上链路、用于存储器的高速接口；光学链路和硅光子学；用于提高数据速率、带宽密度、功率效率、均衡、稳健性、自适应能力和设计方法的探索性 I/O 电路；有线收发器的构建模块（包括但不限于 AGC、模拟前端、ADC/DAC/DSP、TIA、均衡器、时钟生成和分配电路（包括 PLL/DLL）、时钟恢复、线路驱动器和混合电路）。RF 电路和无线系统**：用于接收器、发射器、频率合成器、RF 滤波器、收发器、SoC 和包含多个芯片组的无线 SiP 的 RF、毫米波和 THz 频率的完整解决方案和构建模块。创新电路、系统、设计技术、异构封装解决方案等，适用于既定的无线标准以及未来系统或新应用，例如传感、雷达和成像，以及那些可提高频谱和能源效率的应用。安全：展示加密加速器的芯片（例如加密、轻量级加密、后量子加密、隐私保护计算、区块链）、智能卡安全、可信/机密计算、安全电路（例如 PUF、TRNG、侧信道和故障攻击对策、用于攻击检测和预防的电路和传感器）、资源受限系统的安全性、安全微处理器、安全存储器、模拟/混合信号电路安全（例如安全 ADC/DAC、RF、传感器）、安全供应链（例如硬件木马对策、可信微电子）、新兴技术的安全性以及用于逻辑/物理级安全的核心电路级技术。技术方向：集成光子学、硅电子-光子学集成等各个领域的新兴和新型 IC、系统和设备解决方案；用于计量、传感、计算等的量子器件；柔性、可拉伸、可折叠、可打印和 3D 电子系统；用于细胞和分子目标的生物医学传感器；远距离无线功率传输（例如射频和毫米波、光学、超声波）；用于空间应用和其他恶劣环境的集成电路；用于非 CMOS 计算和机器学习的新型平台；集成超材料、替代设备平台中的电路（例如碳、有机、超导体、自旋等）。有线：用于有线系统的接收器/发射器/收发器，包括背板收发器、铜缆链路、芯片间通信、2.5/3D 互连、片上/封装上链路、用于存储器的高速接口；光学链路和硅光子学；用于提高数据速率、带宽密度、功率效率、均衡、稳健性、自适应能力和设计方法的探索性 I/O 电路；有线收发器的构建模块（包括但不限于 AGC、模拟前端、ADC/DAC/DSP、TIA、均衡器、时钟生成和分配电路（包括 PLL/DLL）、时钟恢复、线路驱动器和混合电路）。以及提高频谱和能源效率的芯片。安全：展示加密加速器的芯片（例如加密、轻量级加密、后量子加密、隐私保护计算、区块链）、智能卡安全、可信/机密计算、安全电路（例如 PUF、TRNG、侧信道和故障攻击对策、用于攻击检测和预防的电路和传感器）、资源受限系统的安全性、安全微处理器、安全存储器、模拟/混合信号电路安全（例如安全 ADC/DAC、RF、传感器）、安全供应链（例如硬件木马对策、可信微电子）、新兴技术的安全性以及用于逻辑/物理级安全的核心电路级技术。技术方向：集成光子学、硅电子-光子学集成等各个领域的新兴和新型 IC、系统和设备解决方案；用于计量、传感、计算等的量子器件；柔性、可拉伸、可折叠、可打印和 3D 电子系统；用于细胞和分子目标的生物医学传感器；远距离无线功率传输（例如射频和毫米波、光学、超声波）；用于空间应用和其他恶劣环境的集成电路；用于非 CMOS 计算和机器学习的新型平台；集成超材料、替代设备平台中的电路（例如碳、有机、超导体、自旋等）。有线：用于有线系统的接收器/发射器/收发器，包括背板收发器、铜缆链路、芯片间通信、2.5/3D 互连、片上/封装上链路、用于存储器的高速接口；光学链路和硅光子学；用于提高数据速率、带宽密度、功率效率、均衡、稳健性、自适应能力和设计方法的探索性 I/O 电路；有线收发器的构建模块（包括但不限于 AGC、模拟前端、ADC/DAC/DSP、TIA、均衡器、时钟生成和分配电路（包括 PLL/DLL）、时钟恢复、线路驱动器和混合电路）。以及提高频谱和能源效率的芯片。安全：展示加密加速器的芯片（例如加密、轻量级加密、后量子加密、隐私保护计算、区块链）、智能卡安全、可信/机密计算、安全电路（例如 PUF、TRNG、侧信道和故障攻击对策、用于攻击检测和预防的电路和传感器）、资源受限系统的安全性、安全微处理器、安全存储器、模拟/混合信号电路安全（例如安全 ADC/DAC、RF、传感器）、安全供应链（例如硬件木马对策、可信微电子）、新兴技术的安全性以及用于逻辑/物理级安全的核心电路级技术。技术方向：集成光子学、硅电子-光子学集成等各个领域的新兴和新型 IC、系统和设备解决方案；用于计量、传感、计算等的量子器件；柔性、可拉伸、可折叠、可打印和 3D 电子系统；用于细胞和分子目标的生物医学传感器；远距离无线功率传输（例如射频和毫米波、光学、超声波）；用于空间应用和其他恶劣环境的集成电路；用于非 CMOS 计算和机器学习的新型平台；集成超材料、替代设备平台中的电路（例如碳、有机、超导体、自旋等）。有线：用于有线系统的接收器/发射器/收发器，包括背板收发器、铜缆链路、芯片间通信、2.5/3D 互连、片上/封装上链路、用于存储器的高速接口；光学链路和硅光子学；用于提高数据速率、带宽密度、功率效率、均衡、稳健性、自适应能力和设计方法的探索性 I/O 电路；有线收发器的构建模块（包括但不限于 AGC、模拟前端、ADC/DAC/DSP、TIA、均衡器、时钟生成和分配电路（包括 PLL/DLL）、时钟恢复、线路驱动器和混合电路）。硅电子-光子集成；用于计量、传感、计算等的量子器件；柔性、可拉伸、可折叠、可打印和 3D 电子系统；用于细胞和分子目标的生物医学传感器；远距离无线功率传输（例如射频和毫米波、光学、超声波）；用于空间应用和其他恶劣环境的集成电路；用于非 CMOS 计算和机器学习的新型平台；集成超材料、替代设备平台中的电路（例如碳、有机、超导体、自旋等）。有线：用于有线系统的接收器/发射器/收发器，包括背板收发器、铜缆链路、芯片间通信、2.5/3D 互连、片上/封装上链路、用于存储器的高速接口；光学链路和硅光子学；用于提高数据速率、带宽密度、功率效率、均衡、稳健性、自适应能力和设计方法的探索性 I/O 电路；有线收发器的构建模块（包括但不限于 AGC、模拟前端、ADC/DAC/DSP、TIA、均衡器、时钟生成和分配电路（包括 PLL/DLL）、时钟恢复、线路驱动器和混合电路）。硅电子-光子集成；用于计量、传感、计算等的量子器件；柔性、可拉伸、可折叠、可打印和 3D 电子系统；用于细胞和分子目标的生物医学传感器；远距离无线功率传输（例如射频和毫米波、光学、超声波）；用于空间应用和其他恶劣环境的集成电路；用于非 CMOS 计算和机器学习的新型平台；集成超材料、替代设备平台中的电路（例如碳、有机、超导体、自旋等）。有线：用于有线系统的接收器/发射器/收发器，包括背板收发器、铜缆链路、芯片间通信、2.5/3D 互连、片上/封装上链路、用于存储器的高速接口；光学链路和硅光子学；用于提高数据速率、带宽密度、功率效率、均衡、稳健性、自适应能力和设计方法的探索性 I/O 电路；有线收发器的构建模块（包括但不限于 AGC、模拟前端、ADC/DAC/DSP、TIA、均衡器、时钟生成和分配电路（包括 PLL/DLL）、时钟恢复、线路驱动器和混合电路）。
什么是软件开发
处理过时的软件已成为包括开源行业在内的各个行业的紧迫问题。本期为软件工程研究人员提供了机会，有机会适应传统的程序分析技术，以应对重构和现代化挑战。生成AI的进步已经为代码生成，翻译和错误修复以及其他任务开辟了新的途径。公司渴望探索可扩展的解决方案，以进行自动测试，重构和代码生成。本教程旨在提供旧软件现代化的概述，并在AI辅助软件和生成AI的兴起中强调了其意义。它将讨论由整体遗产代码和系统引起的行业挑战，引入建筑范式以现代化的老化软件，并突出需要注意的研究和工程问题。Daniel Thul等人，Xue Han等人，Daiki Kimura等人，Oytun Ulutan等人和Shivali Agarwal等人的研究论文。展示了解决旧软件现代化的重要性。这项工作有可能推动软件工程的创新，使IBM这样的公司能够开发最先进的解决方案。IBM研究在过去一年中在AI，量子计算，半导体和基本研究方面取得了长足的进步。该组织在全球12位实验室中的3,000名研究人员推动了科学领域的界限，并设想了以前似乎不可能的计算和扩展思想中的新可能性。我们的开发路线图将使我们走向这一未来。在过去的一年中，IBM研究在革新企业内的AI能力方面发挥了关键作用。就像AI在短时间内在我们的日常生活中深深地根深蒂固一样，世界上大多数有价值的业务数据仍然锁定在无法访问的格式中，例如PDF和电子表格。在2024年，IBM Research领导了该公司主要AI发行的指控，该公司旨在满足拥有数百万最终用户的企业。亮点之一是在五月的Think上推出了TruxStlab，这是一个开源项目，通过启用新知识和技能的协作添加来简化微调LLM。IBM Research和Red Hat之间的这种合作导致了Red Hat Enterprise Linux AI的功能强大的工具。TenchERTLAB脱颖而出，因为其能够允许全球社区创建和合并更改LLM的能力，而无需从头开始重新培训整个模型。此功能使全球人们更容易找到使用LLMS解决复杂问题的创新方法。此外，IBM Research还使用TerchandLab改善了其开源花岗岩模型，该模型随后于10月发布。在IBM Research的数据和模型工厂中设计和培训了新的花岗岩8B和2B模型。这些企业级模型的执行方式类似于较大的基础模型，但对于诸如抹布，分类，摘要，实体提取和工具使用的企业至关重要的任务成本的一小部分。在12月，IBM发布了其花岗岩3.1型号，每种型号的上下文长度为128K。经过超过12万亿代币的高质量数据培训，这些模型对其数据源具有完全透明的开源。花岗岩3.1 8b指示模型显着提高了其前身的性能改进，并在其同行中占据了拥抱面孔OpenLLM排行榜基准的平均得分之一。此外，IBM发布了一个新的嵌入模型系列，这些模型提供了12种语言的多语言支持，类似于它们的生成性。作为较早的Granite 3.0发射的一部分，Granite Guardian也是开源的。这使开发人员可以通过检查用户提示和LLM的响应来实施安全护栏，以了解社交偏见，仇恨言论，毒性，亵渎，暴力等风险。我们继续使用AI模型来推动界限，尤其是与抹布技术配对时。这种组合使我们能够评估背景相关性，回答相关性和扎根。我们的最新花岗岩3.1型号是8B强大的巨头，可提供无与伦比的风险和损害检测功能。我们还升级了我们的花岗岩时间序列模型，该模型以十倍的利润优于更大的模型。这些进步对于试图根据历史数据准确预测未来事件的企业尤为重要。与传统的LLM不同，我们的花岗岩TTM（TinyTimemixers）系列提供紧凑而高性能的时间序列型号，现在可以在Beta版本的Watsonx.ai的时间表预测API和SDK的Beta版本中提供。这个新的8B代码模型还具有对代理功能的支持。我们相信，我们的开源社区在这些模型中看到了价值，迄今为止，拥抱面孔的下载量超过500万。我们的下一代代码助理，由花岗岩代码模型提供支持，为C，C ++，GO，Java和Python等语言提供通用编码帮助。除了我们的内部软件开发管道改进外，在某些情况下增强了90％的增长，Granite代码模型现在还通过Instana，Watsonx Struckestrate和Maximo等产品中的产品，业务和行业4.0自动化为新的用例，为新的用例提供了动力。我们的花岗岩型号现在可以在包括Ollama，LM Studio，AWS，Nvidia，Google Vertex，Samsung等的各种平台上使用。建立在花岗岩3系的成功基础上，我们正在努力实现一个未来，AI代理可以通过称为Bee的开源框架可以轻松地解决业务需求。这使代理商可以快速开发业务应用程序。与美国国家航空航天局合作开发的气候和天气模式，用于跟踪重大的环境问题，例如西班牙的洪水破坏，亚马逊森林砍伐以及美国城市的热岛。我们很自豪地庆祝由IBM和META共同创立的AI联盟一年，旨在推动开放和负责的AI开发。该计划已发展为23个国家 /地区的140名成员，为负责任的模型，AI硬件和安全计划组成工作组。随着对AI的需求的增长，很明显，传统的CPU和GPU正在努力与这些模型的复杂性保持同步。我们需要创建从一开始设计的新设备，以有效地处理AI需求。IBM在半导体和基础设施中揭示了2024年在半导体和基础设施研究团队中发生的一些重大突破，重点是规模。8月，IBM揭开了Spyre，这是一种新的AI ACELERATOR芯片，用于子孙后代的Z和Power Systems，灵感来自AIU原型设计和Telum Chip的工作。这一突破是在意识到AI工作流程需要极低的AI推断后的突破。spyre具有32个单独的加速器芯，并包含使用5 nm节点工艺技术生产的14英里电线连接的256亿晶体管。芯片设计为聚集在一起，为单个IBM Z系统添加了更多的加速器核。与Spyre一起，企业可以在Z上部署尖端的AI软件，同时受益于IBM Z的安全性和可靠性。IBMResearch也一直在探索更有效地服务模型的方法。去年，该团队推出了其脑启发的AIU Northpole芯片，该芯片将记忆和加工单元共同取消，拆除了Von Neumann瓶颈。今年，在Northpole的硬件研究人员与AI研究人员之间的合作中，该团队使用Northpole用于生成模型创建了一个新的研究系统。该团队的潜伏期低于1毫秒的延迟，比下一个节能的GPU快了近47倍，而能量却减少了近73倍。另一个重大突破是在共包装光学领域的。此设备可以在硅芯片边缘的高密度光纤束，从而可以通过聚合物纤维进行直接通信。IBM Research Semiconductors部门中的一个团队生产了世界上第一个成功的聚合物光学波导，将光学的带宽带到了芯片边缘。该团队证明了光通道50微米的音高的可行性，这比以前的设计尺寸减少了80％。IBM研究人员在芯片设计和制造方面取得了重大突破。 他们开发了一种使用250微米螺距的新设备，该设备可能会缩小至20-25微米，从而大大增加带宽。 这项创新可能会导致AI模型的更快培训时间，并有可能节省能源，等同于每年为5,000个美国房屋供电。 此外，IBM的团队在缩小晶体管和使用Rapidus技术的2纳米过程设备方面取得了进步。 他们通过2纳米工艺成功构建了芯片，可以进行复杂的计算而不会过多的能耗。 这些突破增强了纳米片多VT技术，以替代当前的FinFET设备。 团队还使用高NA EUV系统从事EUV光刻，这使设计高性能逻辑设备可以扩展纳米片时代，并使未来垂直堆叠的晶体管超过1 nm节点。 IBM已经证明了降至21 nm螺距的线条的金属化，从而使铜达马斯斯互连的集成能够继续进行。 这些创新不仅是研究的努力；它们将变成可以大规模部署以解决实际业务问题的产品。IBM研究人员在芯片设计和制造方面取得了重大突破。他们开发了一种使用250微米螺距的新设备，该设备可能会缩小至20-25微米，从而大大增加带宽。这项创新可能会导致AI模型的更快培训时间，并有可能节省能源，等同于每年为5,000个美国房屋供电。此外，IBM的团队在缩小晶体管和使用Rapidus技术的2纳米过程设备方面取得了进步。他们通过2纳米工艺成功构建了芯片，可以进行复杂的计算而不会过多的能耗。这些突破增强了纳米片多VT技术，以替代当前的FinFET设备。团队还使用高NA EUV系统从事EUV光刻，这使设计高性能逻辑设备可以扩展纳米片时代，并使未来垂直堆叠的晶体管超过1 nm节点。IBM已经证明了降至21 nm螺距的线条的金属化，从而使铜达马斯斯互连的集成能够继续进行。这些创新不仅是研究的努力；它们将变成可以大规模部署以解决实际业务问题的产品。例如，IBM Spyre已经可用，将是下一代IBM Power 11的组成部分。AIU Northpole和共包装的光学设备在加拿大Bromont的IBM设施进行了测试和硬化。IBM量子通过整合量子和经典系统来解决复杂问题，从而加速其对混合计算的愿景。今年，该公司在推进其可扩展故障量量子计算机的路线图方面取得了长足的进步。在量子开发人员会议上，IBM展示了其进度，包括从高达5,000台门的运营中获得了苍鹭量子电路的精确结果。揭幕了一种新的，改进的苍鹭芯片，拥有156吨和出色的性能，错误率下降到8x10^-4。此外，IBM在创新方面取得了重大进步，包括使用Crossbill和L-COUPLER的M耦合器与火烈鸟的开发。这些突破使量子计算机更接近可扩展性和容忍性。此外，Qiskit V1.0是作为稳定版本发布的，巩固了其作为世界上最出色的量子软件开发套件的位置。此版本提供了改进的稳定性，并为Qiskit的60万开发人员提供了更长的支持周期。此外，还编译了一个名为Benchpress的基准集合，以准确演示Qiskit的性能。在针对其他量子软件（包括TKET，BQSKIT和CIRQ）的基准测试测试中，Qiskit在性能方面出现了明确的赢家，完成了比任何其他量子SDK的测试。IBM对创新的承诺可以追溯到80年前的成立。平均而言，在移动电路时，Qiskit的速度比TKET少54％。我们的软件工具集<div> Qiskit已经超越了性能SDK，以支持运行实用程序尺度量子工作负载的整个过程。这包括编写代码，后处理结果以及两者之间的所有内容。该工具集现在涵盖执行大规模工作负载所需的开源SDK和软件中间件。Qiskit Transpiler服务，更新的Qiskit Runtime Service，QISKIT AI Code Assistan Service，Qiskit Serverless和Qiskit功能等新功能使用户能够在更高的抽象级别访问高性能的量子硬件和软件。Qiskit功能，特别是将量子计算带给更广泛的受众群体的潜力。这是一项编程服务，允许用户在导入功能目录并传递其API令牌后，在IBM量子处理器和IBM Cloud上运行工作负载。该服务应用错误抑制和缓解措施，然后返回结果。通过结合软件和硬件突破，我们制作了以量子为中心的超级计算的第一个真实演示。我们与Riken合作发表了一篇论文，将此范式定义为超级计算，可以优化跨量子计算机和高级经典计算簇的工作。在我们的实验中，我们使用了多达6,400个fugaku超级计算机的节点，以帮助IBM Heron QPU模拟分子氮和铁硫簇。我们有信心，如果我们与古典HPC社区合作，我们可以在未来两年内实现量子优势。由于以量子为中心的超级计算出现，我们设想在一些最难的计算任务中协助经典计算机（反之亦然）的量子计算机。当前的加密方法取决于计算机将大数字分为主要因素的困难，随着数字的增长，这变得越来越具有挑战性。计算机科学家认为，研究人员已经证明，一台复杂的量子计算机可以通过应用Shor的算法在几个小时内破解RSA-2048加密，这对于计算机对于能够将大于2048位的数字的计算值至关重要。为了解决这一问题，IBM Research开发了三种新的数字签名算法-ML-KEM，ML-DSA和SLH-DSA，它们已被NIST接受竞争。为了确保平稳过渡到后量子后时代，IBM量子安全团队创建了一个用于网络弹性的路线图。这涉及了解组织的加密格局，确定需要更换的领域以及分析依赖性。企业可以使用诸如IBM量子安全探险家之类的工具来发现加密文物，生成密码材料清单（CBOM）并分析相关漏洞。IBM还为几项国家级计划做出了贡献，包括日本的Rapidus项目，该计划旨在使用芯片和高级包装以及AI驱动的Fab Automation开发2 NM芯片。此外，IBM与几个国家合作，以帮助他们确保其计算未来。在瑞士，IBM与Phoenix Technologies合作，在其位置安装了端到端的云AI超级计算机。该系统能够从数十个gpus扩展到数十个GPU，并具有IBM突破，例如基于IBM存储量表的灵活的基于RDMA的网络和高性能存储系统。使用OpenShift容器平台和OpenShift AI构建了云本地AI平台，可根据需要提供对WATSONX.AI的访问。IBM设置为全球主权AI Cloud Solutions的动力，从Kvant AI开始，该解决方案旨在提供特定于行业的AI应用程序。该公司还将通过投资其Bromont设施来加强与加拿大和魁北克政府的合作伙伴关系，从而巩固北美芯片供应链的未来。此外，IBM半导体研究导致了纳米片技术和2 nm节点等突破，并且新的NSTC EUV加速器将位于Albany Nanotech综合体。IBM还通过开设其在欧洲的第一个量子数据中心并与Riken合作安装IBM量子系统两个，从而在全球扩展量子计算。该公司还将IBM系统带到韩国和法国，同时与西班牙，沙特阿拉伯和肯尼亚等政府合作开发特定语言的AI模型并监视造林工作。托马斯·沃森（Thomas Watson）认为，从制表机，尺度和打孔时钟的早期，投资研究的价值。IBM继续发现新的想法和设计工具，以满足不断变化的行业需求，从而巩固了其作为计算领域的领导者的地位。 这个开创性的研究机构致力于推动现代科学的界限并取得渐进的进步。IBM继续发现新的想法和设计工具，以满足不断变化的行业需求，从而巩固了其作为计算领域的领导者的地位。这个开创性的研究机构致力于推动现代科学的界限并取得渐进的进步。IBM研究：八十年前的科学突破的遗产，哥伦比亚大学教授华莱士·埃克特（Wallace Eckert）领导了沃森科学计算实验室IBM Research成为前身的建立。在1956年，IBM建立了一个专门的研究部门，到本世纪末，他们需要更多的空间来探索迅速发展的计算世界。我们通过在我们的思想实验室中构建创新的解决方案来启动我们的旅程，以塑造计算的未来。在这里，研究人员与来自不同背景的专业人员合作，以解决看似不可能的项目。我们的内部工具（如花岗岩模型）被用来增强我们的产品，而代理框架为Qiskit供电代理。最近的合作导致了加速的发现，回应了托马斯·沃森（Thomas Watson）80年前的开拓精神。我们应对未来80年的挑战时，下一章的创新就在未来。
请注意，海报演示...
TSV/晶圆级包装交互式介绍II（12月5日下午3:00至4：00p ong ong jun wei Jun Javier Microectronics Institute（IME），新加坡新加坡新加坡1360寄生表面耐受的调查调查2.5d/3d杂物互动的寄生表面对Interposer对Interposer效果的效果3 i II（预期）II（预期） 4：00p ng Yong Chyn微电子学研究所（IME），新加坡新加坡1143 1143晶圆级制造嵌入式冷却溶液在加热设备上使用TSV互连TSV/WAFER级别包装交互式互动式展示II（12月5日3:00 PM至4：00P BOON LONG LONG LONG INTRORE SINTERITE of MICROAPS INTREAPS MICREAPSICERS（MICEAPERES）（IMEAP）（IM）使用计算机视觉进行芯片测量进行芯片到磁力混合键合应用智能制造和设备技术交互式演示II（12月5日3:00 pm至4：00p Rahul Reddy komatireddi应用材料印度1403开发机器人支持的型树脂的开发，用于包装式销售量和设备的热模制工艺，以销售3个启示式智能和设备的热模型（in II）智能和设备的热模型（ind）智能智能式技术（约定） 4：00P Eun-JI GWAK韩国机械和材料研究所韩国1238丝网扫描优化，具有模具工艺模拟（虚拟DOE）智能制造和设备技术交互式演示II（12月5日3:00 PM至4：00p Submanian N.R.