标签：推出 12 06 2021.12 模型 学习 12.12 MIT 3D
人工智能与半导体两个重点领域，每周分享。
从行业动态、技术发展趋势、国内外投融资事件，快速呈现行业发展热点。（以北美日韩为主）
本期编辑 陈方烨
人工智能行业动态摘要
重大新闻
▪MIT使用深度学习预测药物3D形状
▪清华大学提出低成本CV模型ACmix
▪MIT建立逼真的3D虚拟平台ThreeDWorld
▪UC伯克利使机器学习更好地理解现实世界
▪MIT使用机器学习大幅提升3D渲染速度
▪DeepMind使用PoG推动通用算法研究
▪MIT通过机器学习缓解物联网设备内存使用
▪鹏城实验室与百度发布鹏城-百度·文心
▪富士通和MIT开发受人脑启发的AI技术
▪亚马逊推出无代码机器学习
半导体行业动态摘要
重大新闻
▪英特尔合作推动IPU
▪泛林集团推出深硅蚀刻Syndion GP
▪Menta推出业界首款eFPGA软IP
▪Imagination推出异构计算RISC-V CPU
▪SiFive创造出最快的可授权RISC-V处理器IP
▪TI推出最小24位带宽ADC
▪sureCore推出功耗降低50%的寄存器文件
▪ADI推出突破性RadioVerse
▪Gatech开发可重构SiGe模拟FIR滤波器
▪Floadia推出保留模拟数据10年的闪存芯片
融资/并购交易
[融资] Blickfeld A轮融资3100万美元
[融资] Expedera A轮融资1800万美元
人工智能行业动态
人工智能全球公司动态
(1)MIT使用深度学习预测药物3D形状
12月6日
MIT研究人员正在使用机器学习来简化这项复杂的任务。他们创建了一个深度学习模型，该模型仅根据分子结构的2D图表来预测分子3D形状，分子通常用小图形表示。该系统GeoMol在数秒内处理分子，比其他机器学习模型（包括一些商业方法）表现得更好。GeoMol利用了深度学习中名为信息传递神经网络的工具，可以预测原子间化学键的长度、键角、排列和连接的方式，并由GeoMol单独确定每个键的3D结构，进而可以模拟手性（chirality）。
(2)清华大学提出低成本CV模型ACmix
12月6日
清华大学、华为和北京人工智能研究院的研究人员提出了ACmix，这是一种混合模型，它在CV表示任务中同时利用了自我注意和卷积的优点，与纯卷积或自我注意相比实现了最小的计算开销。该模型分为两个阶段：在第一阶段，ACmix的成本与自我关注相同，并且小于传统的卷积；在第二阶段，ACmix的计算复杂性在通道大小方面是线性的，与第一阶段相比相对较小。在图像分类任务中，ResNet-ACmix的性能优于具有可比FLOP或参数的所有基线。
(3)MIT建立逼真的3D虚拟平台ThreeDWorld
12月6日
MIT研究人员创建了一个新的受人工智能驱动的虚拟平台，使用现实世界的物理来模拟丰富和交互式的视听环境，使人类和机器人的学习、训练和实验研究成为可能。他们的平台名为ThreeDWorld（TDW），模拟室内和室外的高保真音频和视频环境，并允许用户、物体和移动代理像在现实生活中一样并根据物理定律进行交互。TDW为理解学习过程和促进AI机器人的改进提供了一个受控的环境。
(4)UC伯克利使机器学习更好地理解现实世界
12月7日
加州大学伯克利分校（UC Berkeley，UC伯克利）的研究人员认为将自我监督和离线RL相结合可以实现通过行动理解世界的算法。其建议可以从RL中衍生出一个通用的、有原则的、强大的框架来利用未标记的数据，使机器学习系统能够利用大型数据集来更好地理解现实世界。其认为离线RL有可能显著提高自我监督RL方法的适用性，并可与目标条件策略结合使用以完全从以前收集的数据中学习。
(5)MIT使用机器学习大幅提升3D渲染速度
12月7日
MIT研究人员开发了一项新的机器学习技术，将场景表示为360度光场，这是一个描述3D空间中所有光线的函数，这些光线流经每个点并流向每个方向。光场被编码到神经网络中，从而可以更快地从图像渲染底层3D场景。该光场网络（LFN，Light Field Depth Estimation）可以在仅对图像进行一次观察后重建光场，并且它们能够以实时帧速率渲染3D场景。该方法生成3D场景的速度比现有其他方法快15000倍。
(6)DeepMind使用PoG推动通用算法研究
12月8日
DeepMind研究人员介绍了游戏玩家（PoG，Player of Games），这是一种通用算法，可将自玩学习、搜索和游戏理论推理应用于完美信息和不完美信息游戏，朝着实现适用于任意环境的真正通用算法迈出了重要一步。该PoG包括反事实的价值和策略网络（CVPN，A counterfactual value-and-policy network），通过生长树CFR（包括遗憾更新阶段和扩展阶段）进行搜索，以及通过良好的自我游戏生成数据。其自我游戏数据的生成和训练是并行发生的。
(7)MIT通过机器学习缓解物联网设备内存使用
12月8日
MIT研究人员分析了内存是如何在运行各种卷积神经网络（CNN）的微控制器上使用的，并发现内存使用的不平衡导致了计算机芯片的前置加载，从而产生了瓶颈。通过开发一种新的神经网络结构，该团队使内存的峰值使用减少了4到8倍。该团队将其部署在他们自己的tinyML视觉系统MCUNetV2上。MCUNetV2能够检测到图像帧中物体的存在，如人脸，改进了近17%。此外它使用465KB的内存，在ImageNet数据集上创下了一千类图像分类的准确率记录，接近72%。
(8)鹏城实验室与百度发布鹏城-百度·文心
12月9日
鹏城实验室与百度发布鹏城-百度·文心模型，这是全球首个知识增强千亿大模型，模型参数规模达到2600亿，比GPT-3的总数高出50%。它也是目前全球最大的中文单体模型，在60多项任务上取得最好效果。该模型基于“鹏城云脑Ⅱ”的计算能力系统和百度的Paddle深度学习平台，旨在解决常见的模型瓶颈，如泛化能力差、对昂贵的手动标记数据依赖性强、应用成本高等，同时简化人工智能应用程序的开发。
(9)富士通和MIT开发受人脑启发的AI技术
12月9日
富士通和MIT的大脑、思维和机器中心（CBMM，Center for Brains, Minds and Machines）在一项旨在提高人工智能模型准确性的联合行动中取得了一个重要里程碑。富士通和CBMM之间的研究合作成果发表在一篇论文中，该论文讨论了从神经科学中获得灵感的计算原理，使人工智能模型能够识别偏离原始训练数据的不可见数据。该论文的要点将在NeurIPS 2021（神经信息处理系统会议）上发表，显示人工智能模型的准确性有所提高。
(10)亚马逊推出无代码机器学习
12月10日
亚马逊宣布推出其新的无代码机器学习模型Amazon SageMaker Canvas，允许业务分析师构建ML模型并提供准确的预测同时无需编写代码或具备ML专业知识。SageMaker Canvas提供直观的用户界面以快速连接与访问来自不同来源的数据。功能强大的AutoML 技术会根据用户的数据集自动训练与构建模型。其三年内的总拥有成本与其他基于云的ML选项相比降低了54%。
半导体行业动态
半导体全球公司动态
(1)英特尔合作推动IPU
12月6日
英特尔今天宣布与浪潮、锐捷网络和思立康合作——设计和开发新的基于FPGA的基础设施处理单元（IPU，Infrastructure Processing Unit）芯片，为云和网络客户提供定制和可编程的产品。IPU是一种可编程的网络设备，旨在使云和通信服务提供商减少开销，释放中央处理单元CPU的性能。英特尔对IPU的目标是让它们为网络增加可编程性，使它们能够提供新的功能，如遥测、拥堵控制和交通转向。
(2)泛林集团推出深硅蚀刻Syndion GP
12月7日
美国泛林集团推出一款新产品Syndion GP，为汽车、电力输送和能源行业使用的下一代功率器件和电源管理集成电路的芯片制造商提供深硅蚀刻功能。Syndion GP解决方案建立在Lam行业领先的深硅蚀刻功能之上，并扩展了其专业技术产品套件。其包括指功率器件、微机电系统（MEMS）、模拟和混合信号半导体、射频IC（RF）解决方案、光电器件和CMOS图像传感器（CIS），支持广泛消费和工业技术和应用，如电动汽车、物联网和5G。
(3)Menta推出业界首款eFPGA软IP
12月7日
Menta在设计自动化大会上推出业界首款嵌入式 FPGA（eFPGA）软IP，Menta的eFPGA技术是业界唯一的100%基于标准电池的解决方案。这种基于标准单元的方法使工程师能够快速将eFPGA移植到他们需要的任何新工艺中——即使在工业级和抗辐射级版本中也是如此。Menta的技术正被用于人工智能、密码学和电信算法设计的高安全性、低成本、低功耗的加速器中，这些加速器在CPU上可能会遇到困难，但可以从eFPGA的并行计算中受益。
(4)Imagination推出异构计算RISC-V CPU
12月7日
Imagination Technologies宣布推出Catapult，这是一个RISC-V CPU产品线，专为下一代异构计算需求而设计。基于RISC-V，Imagination的Catapult CPU可以针对性能、效率或平衡配置文件进行配置，使其适用于广泛的市场。Catapult CPU专为5G调制解调器、存储、先进驾驶辅助系统/自动驾驶汽车、数据中心和高性能计算等市场而设计。它们是多线程的，有32位和64位两种版本。
(5)SiFive创造最快的可授权RISC-V处理器IP
12月9日
SiFive创造了有望成为市场上最快的可授权RISC-V处理器IP核，2022年即将推出。基于早期的P550处理器，SiFive表示新产品将在每个时钟周期内提升40%的性能。在扩展方面，新产品最大可拥有16个内核，具有平台级的内存管理和中断控制。其包括支持新RISC-V虚拟机管理程序扩展，用于虚拟化。
(6)TI推出最小24位带宽ADC
12月9日
TI 推出最小的24位宽带ADC，在拥有比竞品ADC更宽的带宽前提下，TI能提供更好的信号测量精度。DS127L11是TI ADC产品组合中的最新产品，可实现超精确的数据采集，同时优化了功耗、分辨率和测量带宽。与竞品ADC相比，DS127L11可以使用宽带模式提高交流测量分辨率，带宽提升50%，信噪比提高30%，同时最大限度地降低高频噪声。在低延迟模式下，延迟降低了25%，温漂降低了83.3% （50 nV/°C）。
(7)sureCore推出功耗降低50%的寄存器文件
12月9日
sureCore继续开发降低 SoC功耗的技术，从而使开发人员能够延长电池寿命。其最新的创新是MiniMiser™，可将寄存器文件的功耗降低50%以上。寄存器文件是小块内存，通常直接与高性能逻辑接口，以提供对计算所需数据的快速访问。它们通常位于相关计算模块内部，以减少接线延迟并确保满足功耗和性能目标。
(8)ADI推出突破性RadioVerse
12月10日
ADI推出突破性RadioVerse ® 片上系统（SoC）系列，为射频单元（RU）开发人员提供灵活且经济高效的平台以创建业内高能效5G RU。新推出的SoC系列提供先进RF信号处理，扩展了数字功能和RF容量，可大幅提高5G RU性能和能源效率。这些SoC是ADI的RadioVerse生态系统的最新成员，融合了获得殊荣的零中频（ZiF）架构，在功能集成和线性度方面取得重大技术进步。
(9)Gatech开发可重构SiGe模拟FIR滤波器
12月10日
佐治亚理工学院（Gatech）开发了一种通用MMIC（单片微波IC），用于直接滤波和处理微波和毫米波信号。它可将一些数字信号处理元件换成可重新配置的模拟处理模块来降低无线电功耗。该技术被称为横向射频滤波器集成电路（TRAFFIC），已被证明是一种可重构的硅锗10-to-1模拟有限脉冲响应（FIR）滤波器，可在2至20GHz的频率范围内调谐。该IC基于GlobalFoundries的250GHz、130nm SiGe BiCMOS平台，利用异质结双极器件。采用该技术可消除采样系统的带宽限制，可能会减小尺寸、重量、功耗和成本，同时降低系统的延迟，并减轻数字组件的负担。
(10)Floadia推出保留模拟数据10年的闪存芯片
12月10日
总部位于东京的Floadia公司开发了一种7位/电池闪存芯片，通过设计存储单元结构和控制方法，可在零下150摄氏度保留模拟数据10年。在现有的存储单元结构下，由于电荷泄漏引起的特性变化问题显著，数据保留时间仅为100秒左右。Floadia将存储器技术应用于一个芯片，该芯片以压倒性的低功耗实现AI推理操作。比在CPU和GPU上执行乘法累积计算的传统AI加速器消耗更少的功率。Floadia进行许多创新，两个单元的组合可以存储多达8位的神经网络权重，尽管芯片面积很小，但可实现300 TOPS/W的乘积计算性能，远远超过现有的AI加速器。
半导体全球交易事件
■国外融资并购交易
(1)[融资] Blickfeld A轮融资3100万美元
12月8日
德国激光雷达技术公司Blickfeld A轮融资3100万美元，该公司正在开发一种可大规模生产的LiDAR技术，并将利用这笔资金进一步开发用于3D数据的传感器和软件。新的融资者是New Future Capital，这是一家私募股权公司，主要在亚洲，北美和欧洲提供融资资本。所有现有投资者都参与了本轮融资包括Bayern Kapital、Continental、等。
(2)[融资] Expedera A轮融资1800万美元
12月9日
Expedera表示近期A轮融得1800万美元，由Sehat Sutardja博士和Weili Dai（Marvell Technology Group的创始人）以及其他知名半导体行业投资者牵头。这将使该公司的融资总金额超过2700万美元，并使其能够加快产品开发并扩大销售和营销，以满足对其高性能和高能效深度学习加速器（DLA，deep learning accelerator）IP的需求。
点击下方链接，获取更多资讯
标签：推出,12,06,2021.12,模型,学习,12.12,MIT,3D 来源： https://blog.csdn.net/TensorChip/article/details/121882674
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。