123,123

基于Innovus COD的高效時鐘樹綜合方法及應用[EDA與制造][工業(yè)自動化]

基于Cadence Innovus 時鐘樹綜合與優(yōu)化引擎COD，提出了一種對于spec文件優(yōu)化精簡的方案（auto_spec flow），該方案省去了工具自動生成的spec中冗余的內(nèi)容，并根據(jù)各命令類型進行重新排序，方便用戶進行spec文件的閱讀與管理。此外auto_spec flow還考慮了時鐘樹綜合中常見的問題，如DFT時鐘對功能時鐘的影響，以及generated_clock對主時鐘的影響，分別添加了DFT時鐘處理腳本，以及generated_clock自動識別處理功能。實驗結(jié)果表明，auto_spec flow能夠有效地提升工作效率，縮短時鐘latency，提升時鐘質(zhì)量，并對芯片PPA的提升具有重要意義。

發(fā)表于：2025/8/14

Voltus Insight AI 在高性能CPU核物理實現(xiàn)上的全流程應用[EDA與制造][工業(yè)自動化]

隨著高性能計算芯片設計向先進工藝節(jié)點演進，芯片集成度的飛躍式增長使得晶體管密度突破每平方毫米數(shù)億門級，導致電源分配網(wǎng)絡（PDN）的金屬線寬持續(xù)收窄，通孔電阻呈非線性上升，加上高密度邏輯單元在吉赫茲級時鐘頻率下的同步翻轉(zhuǎn)行為，顯著加劇了電壓降（IR Drop）風險?；贑adence Voltus Insight AI feature，提出了一種針對高性能CPU核的物理實現(xiàn)的全流程電壓降優(yōu)化方案，通過整合AI驅(qū)動的IR感知布局（IR-Aware Placement）、電源網(wǎng)絡加強（reinforce_pg）及Watch Box修復技術(shù)，能夠動態(tài)預測電源網(wǎng)格的電流分布熱點，對高功耗邏輯單元進行擺放優(yōu)化，實現(xiàn)IR 熱點區(qū)域的提前預防和高效修復。結(jié)果表明，在相同條件下，不僅能節(jié)約時間，提高效率，電壓降修復率也從過去的66%顯著提升至96%，同時避免了時序（Timing）與設計規(guī)則（DRC）的惡化。

發(fā)表于：2025/8/13

Virtuoso Schematic Migration在模擬電路遷移中的應用[EDA與制造][工業(yè)自動化]

設計在不同工藝節(jié)點之間的遷移是每位IC設計師都非常關(guān)注的熱點問題。為了幫助IC設計師解決這一問題，Cadence攜手全球各大晶圓代工廠，開發(fā)出新的技術(shù)，以高效地將電路圖遷移到新的節(jié)點，并使用更新的分析工具來確保獲得最佳結(jié)果。Virtuoso Schematic Migration（VSM）是Virtuoso Studio IC23.1中基于Schematic XL的一個先進的電路遷移平臺?？梢詭椭こ處熆焖俚貙⒆约旱脑O計在不同工藝間進行遷移，以大幅度縮減電路設計周期，提高研發(fā)效率。該工具不僅支持多個library之前的協(xié)同遷移，同時也支持電路頂層的hierarchy遷移，在不同晶圓廠商工藝間遷移時也能自動解決器件pin錯位的問題。

發(fā)表于：2025/8/13

使用SpectreX-GPU加速大規(guī)模高精度模擬電路的仿真驗證[EDA與制造][工業(yè)自動化]

隨著半導體先進工藝的發(fā)展，集成電路規(guī)模、復雜度不斷增加，給電路仿真驗證帶來了極大的挑戰(zhàn)。利用SpectreX-GPU加速電路仿真，極大地提升了先進工藝大規(guī)模高精度復雜電路的仿真驗證效率，突破了該類設計的仿真驗證瓶頸。SpectreX-GPU是Cadence Spectre平臺一款新的全精度SPICE仿真引擎，將傳統(tǒng)的基于CPU的電路仿真工具拓展至更大算力的CPU-GPU異構(gòu)計算中，結(jié)合了GPU強大的并行計算能力與CPU的復雜運算能力，實現(xiàn)兩種計算能力之間的高效調(diào)度和平衡，同時保持SpectreX仿真器的準確性。針對本公司不同類型的實際電路，利用SpectreX-GPU 仿真引擎和GPU進行仿真，與基于CPU的SpectreX相比，在不影響仿真精度的前提下，顯著縮短了仿真時間，提高了驗證效率和覆蓋范圍，幫助工程師在保證設計質(zhì)量的前提下進一步縮短設計周期。

發(fā)表于：2025/8/13

片上網(wǎng)絡相關(guān)技術(shù)研究綜述[模擬設計][通信網(wǎng)絡]

隨著集成電路技術(shù)向納米尺度深入發(fā)展，片上網(wǎng)絡（Network-on-Chip，NoC）作為解決多核系統(tǒng)通信瓶頸的關(guān)鍵技術(shù)，受到廣泛關(guān)注。基于最新研究成果，探討了影響NoC發(fā)展的幾個方面關(guān)鍵問題，包括拓撲結(jié)構(gòu)、路由算法、交換機制和服務質(zhì)量等方面的典型技術(shù)和最新進展。研究表明，當前一些新興技術(shù)顯著提升了NoC的性能，如降低通信延遲、提升吞吐量、優(yōu)化功耗控制及提高資源利用率等。盡管如此，仍面臨集成難度高、流量管理難等諸多挑戰(zhàn)。最后，總結(jié)了NoC技術(shù)的現(xiàn)存問題，并探討了未來發(fā)展趨勢。

發(fā)表于：2025/8/13

PCB打樣中的層疊結(jié)構(gòu)設計[EDA與制造][工業(yè)自動化]

在高速電路設計中，PCB（印刷電路板）的層疊結(jié)構(gòu)設計是至關(guān)重要的一環(huán)。合理的層疊結(jié)構(gòu)不僅能夠保證信號的完整性，還能提高電路板的整體性能和可靠性。本文將詳細探討PCB多層板打樣中的層疊結(jié)構(gòu)設計。

發(fā)表于：2025/7/31

勘探開發(fā)數(shù)據(jù)標準展示工具的設計與實現(xiàn)[其他][其他]

立足于勘探開發(fā)數(shù)據(jù)標準的業(yè)務特性及其應用場景，設計了一款數(shù)據(jù)標準展示工具,并基于Spring Boot開發(fā)框架和Vue框架分別實現(xiàn)后端和前端的工具開發(fā)工作。該工具具備多項功能，包括數(shù)據(jù)標準規(guī)范文檔的分冊展示、勘探開發(fā)業(yè)務流程展示，以及勘探開發(fā)業(yè)務數(shù)據(jù)標準規(guī)范和主數(shù)據(jù)標準規(guī)范的可視化呈現(xiàn)。用戶通過該工具，可按照不同的業(yè)務層級、業(yè)務活動、數(shù)據(jù)集及其相互之間的關(guān)聯(lián)關(guān)系進行直觀的圖形化瀏覽和查看。結(jié)合勘探開發(fā)業(yè)務特點和業(yè)務流程，通過數(shù)據(jù)標準的可視化展示，該工具極大地增強了數(shù)據(jù)標準的共享性和可理解性，從而促進了數(shù)據(jù)標準在企業(yè)內(nèi)部的有效溝通和應用，為勘探開發(fā)數(shù)據(jù)治理工作提供了堅實的基礎(chǔ)，助力勘探開發(fā)數(shù)據(jù)管理整體效率和質(zhì)量的提升，同時為數(shù)據(jù)驅(qū)動決策和業(yè)務優(yōu)化提供了有力支持。

發(fā)表于：2025/7/29

風險等級化視角下行政算法的差序化公開[其他][其他]

當從行政法秉持的行政公開性立場對行政算法予以關(guān)注并對其透明度規(guī)制進行制度性回應時，與其追求一個難以普遍適用的單一路徑，不如采用“差序化”監(jiān)管的理念，順應自動化行政中算法的不同特點，在方法論上放棄統(tǒng)一適用的公開路徑，轉(zhuǎn)而透過對實踐的總結(jié)和歸類，以算法對權(quán)利的實質(zhì)影響程度為標準，抽象出算法介入自動化行政的不同風險等級，并對其適配相應的公開要求，明確其公開程度與具體的公開方式，最大程度上規(guī)避自動化行政中算法實質(zhì)風險的不確定性與法律規(guī)范所追求的普遍適用性之間的矛盾。

發(fā)表于：2025/7/29

犯罪恐懼感對隱私讓渡意愿的影響研究[模擬設計][工業(yè)自動化]

海量的個人信息用于社會治理，雖然降低了犯罪恐懼感，但是也帶來“去知覺化”的問題和隱私泄露的風險。為了促進數(shù)據(jù)私益和公益的平衡，基于2023年中國犯罪被害調(diào)查數(shù)據(jù)，圍繞隱私權(quán)衡行為的影響因素展開實證研究。結(jié)果表明，犯罪恐懼感不僅直接降低了人們的隱私讓渡意愿，還會通過降低警察信任感和官方媒體效力降低讓渡意愿。因此，應當從減輕犯罪恐懼感入手，建立透明的信息利用機制，利用數(shù)據(jù)價值的同時規(guī)避隱私泄露風險，確保始終將群眾作為受益者。

發(fā)表于：2025/7/29

生成式人工智能嵌入數(shù)字政府的數(shù)據(jù)安全風險及其法律規(guī)制[人工智能][信息安全]

生成式人工智能深度嵌入數(shù)字政府意義重大，但其引發(fā)的全周期數(shù)據(jù)安全風險不容忽視。通過解構(gòu)數(shù)據(jù)“收集—處理—存儲—輸出”四階段風險，發(fā)現(xiàn)收集階段存在安全與質(zhì)量隱患，處理階段面臨算法歧視與黑箱挑戰(zhàn)，存儲環(huán)節(jié)有數(shù)據(jù)泄露與歸責困境，輸出階段則涉及數(shù)據(jù)失真與侵權(quán)風險。借鑒歐盟“先監(jiān)管后發(fā)展”和美國“技術(shù)驅(qū)動立法”經(jīng)驗，提出分階規(guī)制框架：收集階段實行分類分級與源頭審查，處理階段強化倫理審查與清單管理，存儲階段構(gòu)建軟硬法協(xié)同標準與公私合作責任模式，輸出階段引入沙箱監(jiān)管與數(shù)字確權(quán)。以此推動數(shù)字政府建設，實現(xiàn)科技、風險治理與安全法治的協(xié)同共進。

發(fā)表于：2025/7/29

高校數(shù)據(jù)安全治理的模型研究[模擬設計][工業(yè)自動化]

在分析我國高校數(shù)據(jù)安全面臨的嚴峻挑戰(zhàn)的基礎(chǔ)上，提出了以目標為導向、內(nèi)涵式發(fā)展、合理的指標體系、多元協(xié)同和基于業(yè)務場景的治理思路，通過數(shù)據(jù)安全治理能力、數(shù)據(jù)安全過程、業(yè)務場景三個維度將數(shù)據(jù)安全治理框架映射至高等教育領(lǐng)域，構(gòu)建了貫穿數(shù)據(jù)生命周期的高校數(shù)據(jù)安全治理模型，指導數(shù)據(jù)高效、有序、可信流通，并建立了管理、技術(shù)、運營為一體的高校數(shù)據(jù)安全治理能力評估體系，支撐模型的應用發(fā)展，為提升高校數(shù)據(jù)安全治理水平提供科學的指引。

發(fā)表于：2025/7/29

工業(yè)大模型賦能制造業(yè)數(shù)字化轉(zhuǎn)型的路徑與對策[人工智能][工業(yè)自動化]

在全球制造業(yè)加速邁向數(shù)字化、智能化的背景下，工業(yè)大模型作為新一代智能技術(shù)，正成為推動制造業(yè)數(shù)字化轉(zhuǎn)型的重要引擎。通過系統(tǒng)梳理工業(yè)大模型的概念、發(fā)展脈絡和發(fā)展現(xiàn)狀等基礎(chǔ)理論，提出工業(yè)大模型賦能制造業(yè)數(shù)字化轉(zhuǎn)型的理論框架，并詳細闡述工業(yè)大模型在研發(fā)設計、生產(chǎn)制造、運維服務、經(jīng)營管理和供應鏈管理等制造業(yè)典型應用場景的賦能作用。針對工業(yè)大模型在深度應用過程中所面臨的高質(zhì)量訓練數(shù)據(jù)匱乏、工業(yè)場景分布碎片化、工業(yè)應用魯棒性欠缺、關(guān)鍵場景風險需警惕和計算與系統(tǒng)能力不足等挑戰(zhàn)，進一步探討其賦能制造業(yè)數(shù)字化轉(zhuǎn)型的方法路徑，并從政策機制、示范引領(lǐng)、標準體系、自主創(chuàng)新、安全韌性和人才培養(yǎng)等多個維度提出對策建議，以期為工業(yè)大模型驅(qū)動制造業(yè)高質(zhì)量發(fā)展提供有價值的參考和啟示。

發(fā)表于：2025/7/29

基于區(qū)塊鏈的現(xiàn)實世界資產(chǎn)數(shù)字化發(fā)行及交易技術(shù)研究[通信與網(wǎng)絡][信息安全]

隨著加密貨幣（Cryptocurrencies）發(fā)行及交易的火爆，其弊端也正日益凸顯——由于沒有現(xiàn)實世界資產(chǎn)的支撐，其價值只存在網(wǎng)絡上，資產(chǎn)會在短時間造成大量損失，因而現(xiàn)實世界資產(chǎn)（Real-World Assets, RWA）數(shù)字化成為當前關(guān)注的重點。此外如何建立安全有效的發(fā)行交易模型，規(guī)避或降低已知的交易風險，是目前研究的難點。通過深入研究當前RWA數(shù)字化存在的兩大發(fā)展路線，指出風險的存在是由于其數(shù)字化所建立的物理和數(shù)字空間市場割裂所導致的，據(jù)此提出了一種新的“軌道模型”，并構(gòu)建了其發(fā)行與交易的數(shù)學模型，解決了傳統(tǒng)RWA數(shù)字化中的并行市場割裂與系統(tǒng)性風險問題。

發(fā)表于：2025/7/29

數(shù)據(jù)庫“不敢替”？不存在了！[其他][其他]

作為圈里最早的一批DBA，老顧是O記鐵桿，他的工位里，最醒目的不是家人照片，而是歷代O記認證證書。

發(fā)表于：2025/7/29

基于深度強化學習的以太坊 MEV 交易防護與交易排序優(yōu)化[通信與網(wǎng)絡][信息安全]

以太坊交易排序中的最大可提取價值（MEV）問題，使惡意交易者通過操控交易順序獲利，破壞了網(wǎng)絡公平性并推高Gas費用。為抑制MEV行為和優(yōu)化公平性，同時提升系統(tǒng)效率，提出了一種基于深度 Q 網(wǎng)絡（DQN）的交易排序優(yōu)化方法。通過設計合理的狀態(tài)空間、動作空間與獎勵函數(shù)，智能體能夠自主學習最優(yōu)排序策略。結(jié)合Geth私有鏈、Flashbots MEV-Explore與Ethereum Mempool數(shù)據(jù)，系統(tǒng)性驗證了該方法的有效性。實驗結(jié)果表明，DQN排序策略可將MEV提取率降至13%以下，平均Gas費用較傳統(tǒng)策略降低約33.1%，公平性指數(shù)提升至0.78，顯著優(yōu)于現(xiàn)有方法。同時搭建的閉環(huán)實驗系統(tǒng)為區(qū)塊鏈交易公平性和效率優(yōu)化提供了可行方案。

發(fā)表于：2025/7/28