XiaoMi-AI文件搜索系统
World File Search SystemFinFET
2014 年第 37 届国际信息与... 会议
2014 年第 37 届信息和通信技术、电子学和微电子学国际大会（MIPRO） 微电子学、电子学和电子技术纳米技术，从近代历史到（不）可预测的未来 - 特邀论文 1 J. Turkovic 基于低温（α）和高温（β）GeS 2 晶相的簇共存的光谱证据，位于玻璃状二硫化锗基质中 7 V. Mitsa、R. Holomb、G. Lovas、M. Veres、M. Ivanda、T. Kovach 银胶体纳米粒子的合成和表征及其在表面增强拉曼光谱中的应用 11 L. Mikac、M. Ivanda、M. Gotic、T. Mihelj 碲酸盐玻璃的拉曼光谱 15 H. Gebavi、D. Ristic、V. Djerek、L. Mikec、M. Ivanda、D.用于尖端光子学应用的米兰涂层球形微谐振器 18 D. Ristic、M. Mazzola、A. Chiappini、C. Armellini、A. Rasoloniaina、P. Féron、R. Ramponi、G.N.Conti、S. Pelli、G.C.Righini、G. Cibiel、M. Ivanda、M. Ferrari 使用 THz 时域光谱检查硅材料特性 22 B. Pejcinovic 微带宽度和退火时间对微尺度石墨烯 FET 特性的影响 27 M. Poljak、M. Wang、S. Zonja、V. Djerek、M. Ivanda、K.L.Wang, T. Suligoj 具有优化发射极和电介质的石墨烯基晶体管 33 S. Venica, F. Driussi, P. Palestri, L. Selmi 厚度低于 20 nm 的双栅极锗 MOSFET 中受声子限制的空穴迁移率 39 V. Ivanic, M. Poljak, T. Suligoj 20 nm 栅极体和 SOI FinFET 之间的 RF 性能比较 45 S. Krivec, H. Prgic, M. Poljak, T. Suligoj CMOS 二进制加法器老化的模拟研究 51 T. An, C. Hao, L. Alves de Barros Naviner 多故障下并发检查电路可靠性评估的分析方法 56 T. An, K. Liu, L. Alves de Barros Naviner CMOS 乘法器结构的合成使用多功能电路 60 C. Popa
Francesco Maria Puglisi – 个人简历
- 凭借论文“基于氧化铪的电阻式随机存取存储器的紧凑模型”，荣获 2013 年 5 月 29-31 日在意大利帕维亚举行的 ICICDT（国际集成电路设计与技术会议）“最佳学生论文奖”。 - 分别于 2014 年 1 月 13 日和 2017 年 12 月 15 日获得摩德纳雷焦艾米利亚大学校长教授颁发的“杰出国际研究员证书”。 - 凭借在 2015 年最佳博士论文中获得的“2015 年度最佳博士论文奖”。 - 凭借论文“通过随机电报噪声特性探测高 k / 金属栅极鳍式场效应晶体管 (FinFET) 应力作用下的缺陷产生”荣获 2016 年 9 月 12 日至 15 日在瑞士洛桑举行的 2016 年 ESSDERC (第 46 届欧洲固态器件研究会议)“最佳论文奖”。 - 凭借论文“边界陷阱对 InGaAs 量子阱 MOSFET 中磁滞和迁移率测量的影响”荣获 2016 年意大利电子学会 (Gruppo Italiano di Elettronica)“最佳口头报告奖”。 - 凭借论文“SIMPLY：使用 RRAM 紧凑模型设计基于 RRAM 的智能逻辑内存架构”荣获 2019 年 ESSDERC（第 49 届欧洲固态器件研究会议）“最佳论文奖”，2019 年 9 月 23 日至 26 日，波兰卡科夫。 - 凭借论文“二值化神经网络中内存推理的电路可靠性分析”荣获 2020 年 IEEE IIRW（国际综合可靠性研讨会）“最佳学生论文奖”，2020 年 10 月 4 日至 29 日，美国加利福尼亚州 Fallen Leaf Lake。 - 凭借论文“二值化神经网络中内存推理的电路可靠性分析”荣获 AICI（意大利集成电路设计协会）“E. 2010 年至 2012 年期间，卡拉布里亚大学最优秀的工程学研究生获得了“Loizzo 纪念奖”。 - IEEE 学生会员（2012-2014 年）、会员（2015 年至今）。 - IEEE 青年专业人员会员（2015 年至今）。 - IEEE 电子设备协会会员（2018 年）。 - SIE - Società Italiana di Elettronica 会员（2013 年至今）。
布莱恩·纳特教授
Tarter, D., Nutter, B. (2022)。Haar 小波树的快速编码。IEEE 数据压缩会议论文集。Parmar, H.、Nutter, B.、Long, R.、Antani, S.、Mitra, S. (2021)。使用 t-SNE 可视化 fMRI 的时间脑状态变化。医学影像杂志，8 (4)。Parmar, H.、Nutter, B.、Long, R.、Antani, S.、Mitra, S. (2020)。使用深度学习 3D-CNN 对 fMRI 数据进行阿尔茨海默病的时空特征提取和分类。医学影像杂志。Nutter, C.、Nutter, B. (2020)。在竞争性录取专业中取得成功。全国学生保留研讨会论文集。学生保留和数据交换联盟。 Bazgir, O.、Walden, E.、Nutter, B.、Mitra, S. (2020)。一种用于量化代谢物浓度的新型数据驱动磁共振波谱信号分析框架。算法。Johnston, D.、Nutter, B.、Gale, R. (2020)。通过新颖的 S 参数测量技术进行 IC 辨别。IEEE 国际仪器和测量会议论文集。Parmar, H.、Mitra, S.、Nutter, B.、Long, R.、Antani, S. (2020)。使用 t-SNE 可视化和检测大脑状态的变化。IEEE SSIAI 论文集。Parmar, H.、Nutter, B.、Mitra, S.、Long, R.、Antani, S. (2020)。用于阿尔茨海默病分类的 fMRI 的体积 3D CNN 深度学习。 SPIE 医学成像论文集。Rizkalla, M.、Patnala, M.、Yadav, A.、Williams, J.、Gopinath, A.、Nutter, B.、Ytterdal, T. (2020)。GaN TFET、FinFET 和 GNRFET 技术中 8T 静态 RAM 单元的低功耗高速性能——综述。固态电子学，163。Parmar, H.、Nutter, B.、Long, R.、Antani, S.、Mitra, S. (2019)。基于主成分分析从 4D fMRI 数据中自动消除信号漂移和全局波动作为 fMRI 数据分析的主要预处理步骤。SPIE 医学成像论文集。Gupta, S.、Petrie, C.、Rao, V.、Nutter, B. (2018)。智能校园 HVAC 系统的节能控制方法。IEEE 绿色技术会议论文集。 Parmar, H., Liu, X., Nutter, B., Mitra, S. (2018)。f-SIM：使用数字脑模型和建模噪声的准现实 fMRI 仿真工具箱。IEEE SSIAI 2018 论文集。Bazgir, O., Mitra, S., Nutter, B., Walden, E. (2018)。磁共振波谱中的全自动基线校正。IEEE SSIAI 2018 论文集。Liu, X., Nutter, B., Mitra, S. (2018)。用于研究稳健功能连接的人类大脑高同质性功能分区。IEEE SSIAI 2018 论文集。专利
CMOS 数字 VLSI 设计
S. Dasgupta 教授目前担任印度理工学院鲁尔基分校电子与通信工程系微电子与 VLSI 组的副教授。他于 2000 年获得瓦拉纳西贝拿勒斯印度理工学院 (现为 IIT-BHU) 电子工程博士学位。在攻读博士学位期间，他开展了电离辐射对 MOSFET 的影响方面的研究。随后，他成为印度矿业学院丹巴德分校 (现为 IIT-Dhanbad) 电子工程系的教员。2006 年，他加入印度理工学院鲁尔基分校电子与通信工程系担任助理教授。他目前担任该系教员遴选委员会主席。他在同行评审的国际期刊和会议上撰写/合作撰写了 200 多篇研究论文。他的引用次数约为 2400（2006 年后），h 指数和 i 指数分别为 25 和 65。他是 IEEE、EDS、ISTE 会员，也是英国纳米技术研究所的准会员。他曾担任 2006 年国际微米到纳米会议以及 VDAT-2012、13、14、15、16、17 和 18 的技术委员会成员。他曾担任在印度理工学院鲁尔基分校举办的 VDAT-2017 的组织主席和程序联合主席。他还领导着 VLSI 设计会议的新兴设备技术程序组。他曾在 VDAT-2014 和 2015 年班加罗尔 VLSI 设计会议等许多会议上发表过教程。他也是各种国际会议的技术委员会成员。他在各种技术论坛上发表过大量受邀演讲和主题演讲。 2010 年，他获得了欧盟 Erasmus Mundus 奖学金，在意大利都灵理工大学从事 RDF 领域的工作。2011-12 年，他获得了著名的 IUSSTF 奖学金，在美国威斯康星大学麦迪逊分校从事 SRAM 测试领域的工作。2013 年，他还获得了 DAAD 奖学金，在德国德累斯顿工业大学从事使用可重构逻辑的模拟设计工作。他是 IIT Roorkee SMDP-C2SD 的首席协调员。他感兴趣的领域是纳米电子学、纳米级 MOSFET 建模和仿真、低功耗新型设备的设计和开发、基于 FinFET 的内存设计、模拟设计中的新兴设备以及可重构逻辑的设计和开发。他指导/共同指导了 15 名博士生。目前，他正在指导 7 名博士生。他曾获得 INAE 青年工程师奖。 Dasgupta 博士担任《IEEE 电子器件学报》、《IEEE 电子器件快报》、《IEEE 纳米技术、超晶格和微结构学报》、《国际电子学杂志》、《半导体科学与技术》、《纳米技术》、《IEEE VLSI 系统学报》、《微电子工程》和《微电子可靠性学报》等期刊的审稿人。
低成本高级包装和粘合晶片应用
抽象的高级包装技术继续使半导体行业能够满足移动设备和其他高性能应用所需的较薄，更小，更快的组件的需求。但是，由摩尔定律驱动的芯片I/O计数的增加以及低于10nm的FinFET的能力对现有的高级包装过程提出了许多其他挑战。与摩尔定律不同，该法律预测密集综合电路中的晶体管数量大约每两年两倍，高级包装正在经历另一种“法律”；在晶体管的数量增加的情况下，它的功能数量增加，在最终产品的最终量限制下驱动技术路线图的数量不断减少。不可避免地，随着功能的增加，过程的复杂性和成本也随之增加。在这个非常敏感的高级包装舞台上，外包半导体组件和测试供应商（OSAT）需要通过降低其制造成本来补偿。这要求OSAT降低材料成本，增加吞吐量，产量并寻找减少过程步骤数量的新方法。OSAT降低材料成本的方式之一是从后端处理中除去硅晶片。使用环氧霉菌化合物（EMC）创建重构的晶片，或使用玻璃载体。在玻璃载体的情况下，通常情况下，骰子面朝下固定在载体上，然后进行处理，即使使用红外（IR）成像，也可以防止从复合堆栈的顶部看到前侧图案。在这种特殊情况下，在对齐标记上的光孔器中定义了一个其他光刻的“清除”窗口，因此可以将不透明的膜从对齐标记处蚀刻出来，距离剥去的距离，并重新设计了光刻层。这种额外的处理显然是昂贵且耗时的。本文特别关注基于步进的光刻解决方案的概念，方法和性能，该解决方案利用光孔潜在图像为光刻过程提供了临时的对齐标记，从而消除了对附加图案和蚀刻步骤的需求。这个革命性系统采用了背面摄像头，可以对齐在载体中死亡。一个单独的曝光单元，校准了对齐摄像头中心，曝光了临时潜在图像目标，然后在正常的步进光刻操作过程中由系统的常规比对系统检测到该目标。详细讨论了对齐，覆盖和潜在图像深度控制的性能数据。最终分析证明，<2µm的覆盖层很容易实现，对系统吞吐量没有影响。关键词：高级包装，3D IC，TSV，背面对齐，步进，面板，粘合晶片对齐，通过硅Via，UBM对齐，潜在图像。
卢卡·卡洛尼
[C125] G. Eichler、B. Seyoum、K.-L. Chiu 和 L. P. Carloni。MindCrypt：大脑作为基于 SoC 的脑机接口的随机数生成器。在国际计算机设计会议 (ICCD) 论文集，第 70-77 页，2023 年 11 月。[C124] G. Tombesi、J. Zuckerman、P. Mantovani、D. Giri、M. Cassel Dos Santos、T. Jia、David Brooks、G.-Y。Wei 和 L. P. Carloni。SoCProbe：基于异构 NoC 的 SoC 的组合后硅验证。在国际片上网络研讨会 (NOCS) 论文集，第 1:1–1:6 页，2023 年 9 月。[C123] B. Stitic、L. Urbinati、G. Di Guglielmo、L. Carloni 和 M.R.Casu。增强的机器学习流程，用于微波传感系统检测食品中的污染物。在 IEEE 农业食品电子会议 (CAFE) 上，2023 年 9 月。[C122] N. Zeng、T. Jung、M. Sharma、G. Eichler、J. Fabbri、R. J.Cotton、E. Spinazzi、B. Youngerman、L. Carloni 和 K. L. Shepard。一种无线、机械柔性、25 µ m 厚、65,536 通道硬膜下表面记录和刺激微电极阵列，带有集成天线。在 VLSI 电路研讨会上，第 1-2 页，2023 年 6 月。[C121] F. Gao, T.-J.Chang, A. Li, M. Orenes-Vera, D. Giri, P. Jackson, A. Ning, G. Tziantzioulis, J. Zuckerman, J. Tu, K. Xu, G. Chirkov, G. Tombesi, J. Balkind, M. Martonosi, L. Carloni 和 D. Wentzlaffi。DECADES：67mm2、1.46TOPS、55 Giga 缓存一致的 64 位 RISC-V 指令/秒、异构多核 SoC，包含 109 个图块，包括加速器、智能存储和 12nm FinFET 中的 eF-PGA。在论文集定制集成电路会议 (CICC) 中，第 1-2 页，2023 年 4 月。[C120] K.-L. Chiu、G. Eichler、B. Seyoum 和 L. P. Carloni。EigenEdge：使用 risc-v 和硬件加速器在边缘实时执行软件。在网络物理系统和物联网周刊中，第 1-6 页，2023 年 5 月。[C119] B. Seyoum、D. Giri、K.-L. Chiu、B. Natter 和 L. P. Carloni。PR-ESP：用于设计和编程部分可重构 SoC 的开源平台。在欧洲设计、自动化和测试会议 (DATE) 的论文集，第 1-6 页，2023 年 3 月。[C118] T. Tambe、J. Zhang、C. Hooper、T. Jia、P. N. Whatmough、J. Zuckerman、M. Cassel、E. J. Loscalzo、D. Giri、K. L. Shepard、L. P. Carloni、A. M. Rush、D. Brooks 和 G.-Y。魏。在 ISSCC 技术论文摘要中，第 342-343 页，2023 年。魏，12nm 18.1TFLOPs/W 稀疏变换器处理器，具有基于熵的早期退出、混合精度预测和细粒度电源管理。[C117] B. Seyoum、D. Giri、K.-L. Chiu 和 L. P. Carloni。用于设计和编程部分可重构异构 SoC 的开源平台。嵌入式系统编译器、架构和综合国际会议记录 (CASES)，第 25-26 页，2022 年 10 月。[C116] T. Jia、P. Mantovani、M. Cassel Dos Santos、D. Giri、J. Zuckerman、E. J. Loscalzo、M. Cochet、K. Swaminathan、G. Tombesi、J. J. Zhang、N. Chandramoorthy、J.-D. Wellman，K. Tien，L.P. Carloni，K. Shepard，D. Brooks，G.-Y。
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。