XiaoMi-AI文件搜索系统
World File Search SystemFPGAS
高能物理中人工智能和大数据的异构计算
异构计算表示针对特定应用使用不同计算平台的场景 (Danovaro 等人，2014)。随着对大数据量和速率的查询和分析需求不断增长，对计算资源的需求也随之增长，但能源效率限制了传统方法，即通过在现有基础设施中添加数千台最先进的 x86 机器来提高数据中心的计算能力，转而采用节能设备 (Cesini 等人，2017；D'Agostino 等人，2019)。因此，数据中心的计算节点具有不同的执行模型，从传统的 x68 架构到 GPU、FPGA（Papadimitriou 等人，2020 年）和其他处理器类型，如 ARM 或更专业的处理器，如 TPU（Albrecht 等人，2019 年；Cass，2019 年）。例如，GPU 用于许多基于常规领域的科学应用中，并且提供的性能比传统内核高出几个数量级。它们也广泛用于深度学习，尤其是机器学习训练阶段。FPGA 是一种可以由程序员配置以实现特定功能的集成电路，它试图缩小硬件和软件之间的差距。在此背景下，该研究主题收集了五篇论文，展示了在高能物理中采用异构架构进行 AI 和大数据应用的非常有趣的经验。在 GPU 加速机器学习推理作为中微子实验计算服务 (Wang 等人) 中作者讨论了通过利用 GPU 资源作为服务为在深层地下中微子实验 (DUNE) 背景下开发的 ProtoDUNE-SP 重建链所实现的性能。这篇文章代表了在中微子软件框架中使用 GPU 加速机器学习的首次体验之一。最耗时的任务，即轨迹和粒子簇射命中识别，已加速 17 倍。在使用 CMS 像素跟踪器对轨迹和主顶点进行异构重建（Bocci 等人）中作者描述了一种在 GPU 上实现像素轨迹和顶点重建链的异构实现，能够实现高性能加速值。在 FPGA 上用于高能物理实时粒子重建的距离加权图神经网络（Iiyama 等人）中所开发的框架已集成到 CMS 粒子探测器重建软件 CMSSW (http://cms-sw.github.io) 中，CMSSW 用于检测 CMS 实验中 LHC 高能碰撞产生的粒子和现象。作者提出了一种新方法，将图神经网络从复杂的现代机器学习包导出到高效的 FPGA 实现中。
![arXiv:2102.11230v2 [physics.ins-det] 2021 年 4 月 13 日](/simg/1\169fa343fa4d4d23df65387892fb8f54bf44d44f.webp)
arXiv:2102.11230v2 [physics.ins-det] 2021 年 4 月 13 日
激光冷却的原子、离子和分子是值得研究的有趣而动态的系统，并且被用于开发许多量子技术。这些技术包括精密原子钟 1、2、量子计算机和模拟器 3、4 和量子传感器 5、6。原子、分子和光学 (AMO) 物理实验通常是来自不同来源和制造商的大量商用或定制仪器的组合，这些仪器需要同步且可重复地运行。同步是通过使用专门的软件套件来控制具有确定性时序的主数字模式发生器或时钟设备来实现的，该时钟设备向其他硬件设备发送触发信号。SpinCore 7 的 PulseBlaster 是一种基于现场可编程门阵列 (FPGA) 的商用设备，通常用作许多 AMO 实验 8 中的主时钟，并且与许多不同的软件套件兼容。许多大学团体还设计了基于微控制器或 FPGA 的定制设备作为主时钟。微控制器将处理能力与许多外设相结合，可直接与硬件接口，并已在各种物理实验中得到广泛应用 9 – 12 。另一方面，FPGA 可以灵活地修改整个系统架构以适应功能的变化，尽管它们需要更多的开发专业知识。尽管学习难度较大，但 FPGA 已成为许多物理实验中控制设备的常见选择，并且能够很好地适应更复杂的架构以及模块化架构 13 – 17 。控制实验的另一种方法是创建一个完整的软件和模块化硬件基础设施，并设计有内置时序同步功能。这种方法的两个商业示例是
边缘视觉变压器：对模型压缩和加速策略的全面调查
近年来，视觉变形金刚（VIT）已成为计算机视觉任务（例如图像分类，对象检测和分割）的强大而有前途的技术。与依赖层次特征提取的卷积神经网络（CNN）不同，VIT将图像视为斑块和杠杆自我发项机制的序列。但是，它们的高计算复杂性和内存要求对资源受限的边缘设备部署构成重大挑战。为了解决这些局限性，广泛的研究集中在模型压缩技术和硬件感知加速策略上。尽管如此，一项全面的审查系统地将这些技术及其在精确，效率和硬件适应性方面进行了对边缘部署的适应性的权衡。这项调查通过提供模型压缩技术的结构化分析，用于推理边缘的软件工具以及VIT的硬件加速策略来弥合此差距。我们讨论了它们对准确性，效率和硬件适应性的影响，突出了关键的挑战和新兴的研究方案，以推动Edge平台上的VIT部署，包括图形处理单元（GPU），张量处理单元（TPU）（TPU）和现场编程的门阵列（FPGAS）。目标是通过当代指南，以优化VIT，以在边缘设备上进行有效部署，以激发进一步的研究。
边缘视觉变压器：对模型压缩和加速策略的全面调查
近年来，视觉变形金刚（VIT）已成为计算机视觉任务（例如图像分类，对象检测和分割）的强大而有前途的技术。与依赖层次特征提取的卷积神经网络（CNN）不同，VIT将图像视为斑块和杠杆自我发项机制的序列。但是，它们的高计算复杂性和内存要求对资源受限的边缘设备部署构成重大挑战。为了解决这些局限性，广泛的研究集中在模型压缩技术和硬件感知加速策略上。尽管如此，一项全面的审查系统地将这些技术及其在精确，效率和硬件适应性方面进行了对边缘部署的适应性的权衡。这项调查通过提供模型压缩技术的结构化分析，用于推理边缘的软件工具以及VIT的硬件加速策略来弥合此差距。我们讨论了它们对准确性，效率和硬件适应性的影响，突出了关键的挑战和新兴的研究方案，以推动Edge平台上的VIT部署，包括图形处理单元（GPU），张量处理单元（TPU）（TPU）和现场编程的门阵列（FPGAS）。目标是通过当代指南，以优化VIT，以在边缘设备上进行有效部署，以激发进一步的研究。
SCFE6933 数据表
Mercury 的处理模块利用我们的 EchoCore® FPGA IP，使客户能够专注于他们的应用，同时在基础工作的基础上提供开箱即用的基本基础设施功能。Mercury 促进了 FPGA 之间通用 IP 的重复使用，以优化上市时间并缩短开发时间。Mercury 通过使用 AXI4-Lite 连接提供标准控制平面接口来简化应用集成，并使用 AXI4-Stream 交换机在 FPGA 内和外部接口（如 PCIe）路由数据。客户可以使用他们选择的设计工具（如可参数化的 Xilinx IP、HLS 或 RTL）来生成信号处理算法。然后将内核实例化为保留的用户块并编译到 FPGA 中。
MB & MBH 系列
Micross 是先进微电子服务以及组件、芯片和晶圆解决方案的最完整提供商。凭借最广泛的芯片和晶圆供应商授权渠道、广泛的高可靠性电源、射频、光电子、内存、数据总线、逻辑和 SMD/5962 合格产品组合以及最全面的先进封装、组装、修改、筛选升级和测试能力，Micross 拥有独特的优势，能够提供无与伦比的高可靠性解决方案，从裸片到全封装设备（包括密封 IC/MCM、PEM、ASIC、FPGA 和 PCB），再到完整的项目生命周期支持。45 多年来，Micross 一直是航空航天、国防、太空、医疗、能源、通信和工业市场值得信赖的供应商。
CA-IS376x High-Speed Six-Channel Digital Isolators
• Robust Galvanic Isolation of Digital Signals High lifetime: >40 years Up to 5000 V RMS isolation rating (narrow body packages) and up to 5000 V RMS isolation rating (wide body packages) ±150 kV/μs typical CMTI Wide operating temperature range: ‐40°C to 125°C Schmitt trigger inputs • Interfaces Directly with Most MCUs and FPGAs Data rate: DC to 150Mbps Accepts 2.5V to 5.5V supplies Default output High (CA‐IS376xH) and Low (CA‐ IS376xL) Options • Low Power Consumption 1.5mA per channel at 1Mbps with V DD = 5.0V 6.6mA per channel at 100Mbps with V DD = 5.0V • Best in class propagation delay and skew 12ns typical propagation delay 1ns pulse width distortion 2ns propagation delay skew (chip ‐to‐chip) 5ns minimum pulse width • No Start‐Up Initialization Required • Package Options Narrow‐body SOIC16‐NB(N) package Wide‐body SOIC16‐WB(W) package • Safety Regulatory Approvals VDE 0884‐17 isolation certification UL according to UL1577 IEC 61010‐1 and GB 4943.1‐2022 certifications