XiaoMi-AI文件搜索系统
World File Search System摩尔定律
课程名称：微电子封装基础知识...
电子封装技术在全球范围内迅速发展，以满足消费电子、运输、航空航天、数据中心、物联网、人工智能、工业和节能等应用系统的需求。美国和世界各地的最近芯片法案就是明证，各国政府和工业界正在大力投资电子封装技术、研究和创新。1965 年，戈登·摩尔表示，半导体芯片上的晶体管数量每 18 个月到两年就会翻一番。这被称为摩尔定律，并为我们今天的电子系统提供了依据。但摩尔定律现在已经结束，因此迫切需要电子封装创新和熟练的劳动力来实现行业超越摩尔定律的未来愿景。本课程将通过教授电子封装的基本原理，让学生更好地为电子行业做好准备。学生将学习封装类型、电气设计、热设计、材料选择、可靠性评估等关键领域，以及不同应用系统的电子封装所需的挑战和权衡。课程目标/学习成果
忆阻器——从内存计算、深度学习加速和脉冲神经网络到神经形态和生物启发计算的未来
基于深度学习和 GPU 实现的解决方案已导致许多 AI 任务得到大规模改进，但也导致对计算能力的需求呈指数级增长。最近的分析表明，自 2012 年以来，对计算能力的需求增加了 30 万倍，估计每 3.4 个月这一需求就会翻一番 — — 这一速度远远快于历史上通过摩尔定律实现的改进（在同一时期内提高了七倍）。[1] 与此同时，摩尔定律在过去几年里显著放缓，[2] 因为有强烈迹象表明，我们将无法继续缩小互补金属氧化物半导体 (CMOS) 晶体管的尺寸。这要求探索替代技术路线图，以开发可扩展且高效的 AI 解决方案。
人工智能：好的、坏的、未知的
然而，十年后，由于计算机科学研究的进步和摩尔定律，人工智能重新兴起。根据 Investopedia 的说法，摩尔定律“意味着随着集成电路上的晶体管效率的提高，计算机、在计算机上运行的机器和计算能力都会随着时间的推移变得更小、更快、更便宜”（Tardi 2021）。³ 简而言之，学者们可以预期计算机的速度和能力会随着时间的推移而提高。此外，Yann LeCun 和 Jürgen Schmidhuber 等关键研究人员开发了深度学习等先进算法，推动了 21 世纪人工智能的持续进步。⁴ Mathworks 将深度学习描述为“一种机器学习技术，它教计算机做人类自然而然的事情：通过示例学习”（“什么是深度学习？” 2019）。深度学习
课程名称：先进半导体封装的协同设计和建模
由多物理建模（电气、热和机械）支持的芯片封装系统协同设计是先进半导体封装的关键基础技术，可满足超越摩尔定律（例如超越摩尔定律）的需求。全球半导体行业正依靠这些软件工具为消费电子、运输、航空航天、数据中心、物联网、人工智能、工业和可再生能源等市场的微电子和电力电子封装开发先进的半导体封装产品。美国、欧洲、印度和世界各地最近颁布的芯片法案证明了这一点，这些行业需要员工具备由多物理建模和仿真支持的协同设计数字技能。这是一门讲座和实践课程，包含设计、建模和仿真技术的理论和使用。课程目标/学习成果
第 22 章：2D 和 3D 架构的互连
过去 50 年来，摩尔定律一直推动着微电子行业的发展，它为硅片的缩小和不同 IP（知识产权）电路的同质 SoC（系统级芯片）集成提供了模板。展望未来，随着封装和微系统的物理、电气、热学和热机械属性的变化，HI 日益成为摩尔定律的补充，提供更完善的功能 [1-7]。现有和新型先进封装架构是维持和促进微电子行业增长的主要推动因素 [8-22]。这些架构支持新型异构 SiP（系统级封装）配置，以实现成本性能优化的微电子系统。近年来，许多使用先进 HI 的产品纷纷问世，证明了这一领域的重要性 [23-28]。
1.1 微电子器件向纳米尺度的进展
2024 年 7 月 6 日 — Gargini，“维持摩尔定律——微电子学、纳米电子学及其他”。ISO focus，第 28-30 页，2007 年。[10] F. F. Sizov，“红外探测器：展望与...
人工智能芯片入门——它们是什么以及为什么重要
引言和总结 3 芯片创新的规律 7 晶体管缩小：摩尔定律 7 效率和速度改进 8 提高晶体管密度可实现改进的设计，从而提高效率和速度 9 晶体管设计正在达到基本尺寸极限 10 摩尔定律的放缓和通用芯片的衰落 10 通用芯片的规模经济 10 成本增长速度快于半导体市场 11 半导体行业的增长率不太可能增加 14 随着摩尔定律的放缓，芯片得到了改进 15 晶体管的改进仍在继续，但速度正在放缓 16 提高晶体管密度可实现专业化 18 AI 芯片动物园 19 AI 芯片类型 20 AI 芯片基准 22 最先进 AI 芯片的价值 23最先进的人工智能芯片意味着成本效益 23 计算密集型人工智能算法受到芯片成本和速度的瓶颈制约 26 美国和中国的人工智能芯片及其对国家竞争力的影响 27 附录 A：半导体和芯片基础知识 31 附录 B：人工智能芯片的工作原理 33 并行计算 33 低精度计算 34 内存优化 35 领域特定语言 36 附录 C：人工智能芯片基准研究 37 附录 D：芯片经济模型 39 芯片晶体管密度、设计成本和能源成本 40 代工、组装、测试和封装成本 41 致谢 44
