Informatique - Architecture matérielle

Une nouvelle méthode utilisant des modèles de diffusion améliore l'efficacité et l'efficacité du placement des puces.

Une nouvelle méthode améliore la vérification de la sécurité des processeurs contre les failles d'exécution spéculative.

MCU-MixQ améliore les performances des modèles d'IA sur les microcontrôleurs en optimisant l'utilisation des ressources.

Le chip Trikarenos offre une performance fiable dans les applications automobiles et aéronautiques sous haute radiation.

Le cadre CHOSEN améliore les Vision Transformers pour une utilisation efficace des FPGA.

IICPilot simplifie les tâches de conception backend pour les ingénieurs utilisant des circuits intégrés.

Graphitron simplifie le traitement de graphes basé sur FPGA avec un langage de programmation super simple.

SigDLA combine l'apprentissage profond et le traitement du signal pour des applications IoT efficaces.

Un nouvel algorithme simplifie les opérations de modulus, super utile pour la cryptographie et les calculs de nombres premiers.

Nouvelles méthodes améliorent l'efficacité des réseaux de neurones profonds, réduisant la consommation d'énergie et augmentant la vitesse.

Examiner le rôle des LLMs dans la détection des Hardware Trojans dans les conceptions électroniques.

Un aperçu des problèmes clés dans la conception de matériel informatique spécialisé.

Un nouveau cadre améliore l'entraînement du deep learning en intégrant la gestion du matériel et des tâches.

LaMAGIC automatise la conception de circuits analogiques, gagne du temps et améliore la précision pour les ingénieurs.

Méthodes pour optimiser la performance dans l'entraînement et l'inférence des grands modèles de langage.

AutoVCoder améliore la capacité des LLM à générer du code Verilog de haute qualité de manière efficace.

Un flux RAG sur mesure améliore le question-réponse pour les outils EDA.

Simopt améliore la conception FPGA en utilisant des données de simulation pour de meilleures performances.

MINT propose une solution économique pour régler le problème du Rowhammer dans la DRAM.

De nouvelles stratégies visent à sécuriser la DRAM contre les vulnérabilités de mémoire.

Une nouvelle méthode améliore l'efficacité des LLM pour créer des designs matériels complexes.

Un nouveau cadre améliore la génération de code RTL grâce à l'augmentation des ensembles de données et à l'auto-réflexion.

Une approche innovante pour améliorer la qualité des images dans la transmission de données satellitaires.

Un nouveau cadre vise à renforcer la sécurité des appareils IoT contre les menaces par canaux auxiliaires.

SuperFlow améliore la conception des circuits supraconducteurs pour une meilleure efficacité et performance.

Un guide sur comment les CNN améliorent le traitement et la reconnaissance d'images.

Une comparaison des KAN et des MLP en termes de performance de classification et d'efficacité matérielle.

RoSE-Opt automatise la conception de circuits analogiques pour plus d'efficacité et de fiabilité.

Un aperçu de la technologie des matrices de convolution à pixels programmables sur le terrain et son impact.

Un nouveau design d'additionneur améliore l'efficacité du matériel de deep learning.

Une nouvelle méthode améliore la vérification des processeurs RISC-V modernes, garantissant la justesse du design.

Un aperçu du nouveau design de mémoire multi-port flexible pour les appareils modernes.

Explorer la nature flexible et les applications des réseaux de neurones liquides.

Une nouvelle méthode renforce la protection des conceptions de circuits intégrés grâce à un marquage efficace.

Blink propose un moyen plus rapide de concevoir des systèmes de surveillance de l'énergie, améliorant l'efficacité.

Un cadre améliore la gestion de l'énergie dans les grands modèles de langage tout en maintenant la performance.

De nouvelles méthodes visent à faire tourner des modèles puissants sur du matos limité de manière efficace.

Explorer des dispositifs améliorés pour une meilleure interaction avec les modèles de langage.

Un simulateur puissant conçu pour améliorer l'entraînement des voitures autonomes grâce à la génération rapide de scénarios.

Le mouvement d'entrée triangulaire améliore l'efficacité des réseaux de neurones convolutifs.