XiaoMi-AI文件搜索系统
World File Search System功率效率
字母A 30 Gbps 1.25 pJ/b CMOS接收器模拟前端，低电源电压
摘要 本文提出了一种30 Gbps 1.25 pJ/b光接收机模拟前端(Rx_AFE)，主要由有源电压电流反馈跨阻放大器(AVCF-TIA)和交错有源反馈限幅放大器(LA)组成。通过在所提出的TIA中采用有源电压电流反馈技术，大输入电容得到很好的隔离，而不受低电源电压的限制，并且显著缓解了跨阻增益和输出极点频率之间的直接矛盾。同时，通过在LA设计中采用交错有源反馈技术，带宽进一步扩展。所提出的Rx_AFE采用40 nm bulk-CMOS工艺制造，跨阻增益为63.8 dB Ω，3 dB带宽为24.3 GHz。从电源电压 1.0 V 开始，当运行 30 Gbps PRBS 时，电路的功耗和功率效率分别为 37.5 mW 和 1.25 pJ/b。核心电路占用的芯片面积为 920 µ m × 690 µ m。关键词：光接收器、跨阻放大器 (TIA)、有源电压-电流反馈、交错有源反馈、限幅放大器 (LA)、CMOS 分类：集成电路（存储器、逻辑、模拟、RF、传感器）
多输入软转换DC – DC转换器连接DC微电网中的可再生能源
摘要本文提出了一种新的多输入软转换DC – DCμukconventer，以清洁和可再生能源。所提出的转换器可以在DC微电网中产生恒定的DC输出电压，并增加可再生能源的不同电压。在拟议的转换器中，边缘共振软转换模块用于执行比常规的多输入转换器更好。边缘共鸣的软转换模块中的所有开关都可以意识到零电流开关转机和零电压开关转换。通过使用这些模块，所提出的转换器可以达到开关的较低电流应力，更宽的软开关范围以及较高的功率效率，而不是传统的多输入转换器。这些优势是在边缘振动模块中实现的，该模块优化了软转换状态和成本。此外，由于边缘共振的软旋转模块具有较宽的软切换范围，因此可以轻松实现软开关状态。此外，提出的转换器可以将生成的功率从可再生能源传递到直流微电网。在本文中，将详细讨论拟议转换器的操作原理和性能。通过实验室规模的原型和全尺度的实时硬件实验获得的实验结果来验证理论分析。
最终计划
13:20-14:10 使用模拟内存计算加速 AI Stefano Ambrogio (IBM 研究) 摘要：过去十年见证了 AI 在各种领域的广泛传播，从图像和视频识别和分类到语音和文本转录和生成。总体而言，我们观察到人们不断追求具有大量参数的大型模型。这导致计算工作量急剧增加，需要多个 CPU 和 GPU 来训练和推理神经网络。因此，硬件的改进变得越来越重要。为了适应改进的性能，内存计算提供了一个非常有趣的解决方案。虽然数字计算核心受到内存和处理器之间数据带宽的限制，但内存中的计算避免了权重转移，从而提高了功率效率和速度。演讲将描述一个总体概述，重点介绍我们自己的 14 纳米芯片，该芯片基于 34 个相变存储器技术交叉阵列，总共约有 3500 万个设备。我们在选定的 MLPerf 网络中展示了这种架构的效率，表明 Analog-AI 可以提供优于数字核心的功率性能，同时具有相当的准确性。然后，我们为开发可靠、高效的 Analog-AI 芯片的下一步提供了指导方针，特别关注实现更大、更完善的深度神经网络所需的架构约束和机会。
130 nm CMOS 中带有衰减电容器的 6 fJ/转换步长 200 kSps 异步 SAR ADC
在能量受限的应用中，例如无线传感器节点、植入式医疗设备或便携式娱乐设备，为了延长系统电池寿命，必须采用超低功耗电路。具有中等采样率（0.01-1 Msps）和分辨率（8-10 位）的 ADC 是此类设备的关键组件。在不同的转换器架构中，SAR ADC 是最佳选择，因为它在功率效率、转换精度和设计复杂性之间实现了良好的平衡。在这种转换器中，主要的功耗源是数字控制电路和电容式 DAC 阵列。虽然数字功耗受益于技术进步，但电容阵列导致的功耗受到电容不匹配的限制，这几乎与技术无关。为此，已提出了大量 DAC 拓扑和开关算法，以在不影响精度的情况下降低 DAC 功耗。最新趋势是依靠传统二进制加权 (CBW) 阵列的高线性特性，采用亚 fF 范围内的全定制单位电容 [ 1 – 3 ]。事实上，通用设计套件提供的电容最小值远大于满足线性要求所需的值，导致阵列电容相当大，从而导致开关功率很高。这种方法需要额外努力来设计和建模单位电容或误差校正技术，从而增加了面积和电路复杂性。
卢森堡学员的培训机会
提议的活动领域概述：作为空间和FPGA微电子学领域内的卢克斯特，您将根据以下各种活动进行一部分目标，并针对您的技术背景和专业发展偏好量身定制的各种活动：•可用于实现现有工具的框架，并在现有的工具上实现现有的工具，并提出现有的设计，该工具是在现有的设计工具，并具有分析的方法，该工具具有分析方法，用于生成用于空间合格FPGA的有效CNN，包括将CNN合成为硬件说明语言的解决方案。 最终可以在实验室演示器中说明所选方法。 •在Risc-V中探索人工智能（AI）应用程序执行的最新技术，并提出了实施它的有效策略。 最佳解决方案将通过借助RISC-V模型来探索不同的架构替代方案来确定，该模型可以在虚拟平台中模拟。 最后，可以在包含RISC-V处理器和配套FPGA的商业板上原型型解决方案。 •探索具有高级综合，用于带宽，功率效率和鲁棒性的高级合成的空间科学，地球观察和电信应用的先进信号处理算法的最新实施。 您将使用下一代空间信号处理平台，包括最新的模数转换器（ADC），数字到Analogue转换器（DACS）和FPGA，可用于空间。提议的活动领域概述：作为空间和FPGA微电子学领域内的卢克斯特，您将根据以下各种活动进行一部分目标，并针对您的技术背景和专业发展偏好量身定制的各种活动：•可用于实现现有工具的框架，并在现有的工具上实现现有的工具，并提出现有的设计，该工具是在现有的设计工具，并具有分析的方法，该工具具有分析方法，用于生成用于空间合格FPGA的有效CNN，包括将CNN合成为硬件说明语言的解决方案。最终可以在实验室演示器中说明所选方法。•在Risc-V中探索人工智能（AI）应用程序执行的最新技术，并提出了实施它的有效策略。最佳解决方案将通过借助RISC-V模型来探索不同的架构替代方案来确定，该模型可以在虚拟平台中模拟。最后，可以在包含RISC-V处理器和配套FPGA的商业板上原型型解决方案。•探索具有高级综合，用于带宽，功率效率和鲁棒性的高级合成的空间科学，地球观察和电信应用的先进信号处理算法的最新实施。您将使用下一代空间信号处理平台，包括最新的模数转换器（ADC），数字到Analogue转换器（DACS）和FPGA，可用于空间。使用高级合成工具对所选应用程序的实现将进行介绍，并将其瓶颈与更高的性能确定。
4H-SIC MOS电容器的氧化栅极
硅是电子中使用的主要材料。电力电子的演变以及对更多功率效率的半导体设备的需求，将硅带到了极限。碳化硅是一种具有宽带隙，高临界电场，高温电导率和饱和速度的电子应用的有希望的材料。除了其优越性，碳化硅碳化物具有与硅2界面相比，在SIC/SIO 2界面中的界面陷阱的缺点大约有两个数量级。此缺点的结果是将压力在MOS电容器和功率MOSFET的门上施加应力时，带有带电压的转移。为了研究SIC/SIO 2界面的纯特性，两种应力方法，当前的脉搏应力和栅极电压升压，已应用于室温和较高温度下的硝基氧化物的4H-SIC电容器上。检查了频段电压恢复。可以在室温下恢复频带电压，而在较高温度下则不需要恢复，而在室温下可以恢复。研究了最大电压（初始电压）和下降的电压速率，并显示出更高的初始电压和较低的电压速率，显示出更好的V FB恢复。实施了200毫秒的电流脉冲应力，并且几乎具有与持续50秒的电压上升相似的影响。
实验证明了1.2 kV的沟槽簇状隔热栅极双极晶体管
硅IGBT的开发一直以更高的功率效率和更高的当前处理能力来设计优化和降低电源转换器系统的成本。在过去的三十年中，通过引入沟槽几何学[1]，野外停机（FS）技术[2]和注射增强（IE）效应来取得重大进展。但是，在州绩效，切换频率和长期可靠性方面的进一步改善变得难以实现。这是因为动态雪崩（DA）在限制高电流密度操作能力方面起着关键因素[4-7]。要打破常规IGBT的基本限制，并保持与宽带差距（WBG）功率设备的竞争力，必须以可靠的方式实施创新的硅技术，以实现自由运营和显着降低功率损失，同时与WBG替代品相比保持硅的成本竞争力。这是因为无DA的操作可以降低门电阻，从而降低开关损耗并提高可靠性。沟槽簇的IGBT（TCIGBT）是唯一到目前为止已实验证明的无DA的解决方案[7-11]。其自晶状功能和PMOS操作可有效地管理沟槽门下的峰值电场分布。此外，即使将NPT-TCIGBT与FS-IGBT进行比较，固有的晶闸管操作也会提供更低的状态损失[10，11]。因此，TCIGBT提供了一种高度有希望的解决方案，可以超越当前IGBT技术的限制。
垂直腔体发射激光器具有改善的宽温度依赖性
垂直腔体发射激光器（VCSEL）是高性能计算系统，数据中心和其他短距离光学网络中高速和功率短得分光学互连（OIS）的首选光源。这样的OI通常在0至70°C的温度范围内运行。但是，基于VCSEL的OIS的某些新兴应用，例如在某些军事系统中的汽车光学网络和光网络中，需要在温度范围更大的温度范围内运行，例如从 - 40到125°C。VCSEL是OI温度最敏感的组件，并且成本和功率效率所需的未冷却/未加热的操作需要降低温度依赖性的VCSEL，在温度范围更大的情况下运行。VCSER性能的温度依赖性源于光谱和共振波长偏移之间的光学增益和不匹配的变化。减轻这些效果的方法包括使用具有适当增益式失调的VCSEL和增益工程，以扩大光学增益频谱。本文研究了在大温度范围内优化运行的850 nm VCSEL。关键研究包括阈值 - 旧电流与性能参数（纸张A）的相关性和chire QW VCSels的设计，以稳定跨温度（Pa-per）。洞察设计为极端环境设计强大的VCSEL。
基于红橙色的甲带讽刺虹膜（III）复合物
摘要：一种新型的杂酵母（III）乙酰乙酸（ACAC）复合物，（L-5-CHO）2 IR（ACAC）（3B）（3B），是由2-（9'-己基碳唑-3'-3'-y-yly）合成的 - 5-5-5-甲基甲基）-5-甲基甲基吡啶（L-5-Cho）。复合物3b被确定为热化学稳定。研究了该化合物的光致发光特性，3B的二氯甲烷溶液在662 nm处产生无结构的发射，表明与父络合物相比，甲基基团红移151 nm。复合物3b也显示出具有中等的光致发光量子产率（67％）和短发射寿命（= 280 ns）。有机发光二极管（OLEDS）用由聚（N-乙烯基碳水化合物）（PVK），2-（4-tert-叔丁基苯基）-5-（4-二苯基）-1-1,1,3,4-4-oxadia-oxadia-oxadiazole（PBD）组成的溶液加工的发射层（EML）制造。含有复合物3b的OLED在624 nm处显示出红橙发光（EL）。研究了宿主材料的影响，并在发射层中使用PVK和PBD达到了最佳性能，结果OLED的当前效率为0.84 CD/A，功率效率为0.20 Lm/w，外部量子效率（EQE）的功率为0.66％，为2548 CD/M M 22548 CD/M M 2546％。
基于神经网络的特征提取...
摘要 机器学习模型在准确性、计算/内存复杂度、训练时间和适应性等特性方面有所不同。例如，神经网络 (NN) 因其自动特征提取的质量而具有高精度而闻名，而受大脑启发的超维 (HD) 学习模型则以其快速训练、计算效率和适应性而闻名。这项工作提出了一种混合、协同机器学习模型，该模型在上述所有特性方面都表现出色，适用于芯片上的增量在线学习。所提出的模型包括一个 NN 和一个分类器。NN 充当特征提取器，经过专门训练，可以与采用 HD 计算框架的分类器配合良好。这项工作还提出了所述特征提取和分类组件的参数化硬件实现，同时引入了一个编译器，该编译器将任意 NN 和/或分类器映射到上述硬件。所提出的混合机器学习模型具有与 NN 相同的准确度（即 ± 1%），同时与 HD 学习模型相比，准确度至少提高了 10%。此外，与最先进的高性能 HD 学习实现相比，混合模型的端到端硬件实现可将功率效率提高 1.60 倍，同时将延迟时间缩短 2.13 倍。这些结果对于此类协同模型在具有挑战性的认知任务中的应用具有深远意义。