XC7K420T-L2FF901E_AD1937WBSTZ-R导读
机器学习不仅有助于提高 QoR,还能缩短编译时间,并根据设计模式预测和加快设计收敛策略。研究显示,与传统 EDA 算法相比,QoR 比最初提高了 10%。
尽管摩尔定律逐步放缓,但在过去 20 多年间,FPGA 晶体管数量呈现的指数级增长丝毫未减。长期以来,EDA 面临着各种挑战:器件数量越来越多、设计越来越复杂。
XC7K420T-L2FF901E_AD1937WBSTZ-R
XC7K355T-2FFG901I
XC7K355T-2FF901C XC7K355T-2FF901I XC7K355T-2FFG676C XC7K355T-2FFG676I XC7K355T-2FFG900C 。
XC7K325T-FFG900 XC7K325T-FFG900A XC7K325T-FFG900ABX XC7K325TFFG900ACX XC7K325T-FFG900ACX 。
XC7K325T-1FFG676 XC7K325T-1FFG676C XC7K325T--1FFG676I XC7K325T-1FFG900I XC7K325T-1FFG900I XC7K325T-1FFV900I 。
XC7K325T-3FBG900C XC7K325T-3FBG900I XC7K325T-3FF900C XC7K325T-3FF900E XC7K325T-3FF900I 。
XC7K420T-L2FF901E_AD1937WBSTZ-R
AD1981BJST
XC7K325T-2FFG900I XC7K325T-2FFG900I XC7K325T-2FFG900I XC7K325T-2FFG900I XC7K325T-2FFG900I 。
XC7K325-2FFG676 XC7K325-2FFG900I XC7K325-2FG900I5CG XC7K325-2FGG900 XC7K325F-1FFG900I 。
XC7K355T-1FF901I XC7K355T-1FFG676C XC7K355T-1FFG676I XC7K355T-1FFG901 XC7K355T-1FFG901I 。
XC7K325T-L2FB676E XC7K325T-L2FB900E XC7K325T-L2FB900I XC7K325T-L2FBG900E XC7K325T-L2FF676E 。
XC7K420T-L2FF901E_AD1937WBSTZ-R
它是业界首个基于机器学习优化算法,以及先进的、面向团队协作的设计流程打造的 FPGA EDA 工具套件,借助基于机器学习的算法将 QoR 平均提升了 10%,并以模块化设计将编译时间平均缩短了 5 倍。今年 6 月,赛灵思发布了 Vivado ML 版。
今年1月,联邦贸易委员会和司法部针对收购可能存在的反垄断问题所要求的强制等待期已经到期。不过,这笔交易仍需等待中国方面的正式批准。美国方面似乎也并未阻止收购。
相关资讯