级系统（SoC）上实现高层次综合（HLS）提供强有力的支持。Catapult AI NN的推出，标志着西门子在

  Catapult AI NN不单单是一个软件工具，它更是一个综合性解决方案的集合体。它拥有独特的能力，可以从AI框架中捕获神经网络的详细描述，随后将这些描述转化为高效的C++代码，并进一步合成为Verilog或VHDL语言的RTL加速器。这样的流程确保了神经网络能够顺利地在芯片中得以实现，为开发者带来了前所未有的便利和灵活性。

  值得一提的是，Catapult AI NN集成了两大开源技术：hls4ml和西门子Catapult™ HLS软件。hls4ml是一个专门用于机器学习硬件加速的开源软件包，而Catapult™ HLS软件则是西门子在高层次综合领域的杰出代表。两者的结合，使得Catapult AI NN在神经网络加速器设计方面具备了极高的定制性和优化能力。

  这一创新性的解决方案背后，是西门子与美国能源部费米实验室以及其他为hls4ml做出贡献的机构的紧密合作。他们一同面对的挑战是，如何满足机器学习加速器设计在功耗、性能和面积（PPA）方面的独特要求。Catapult AI NN的推出，正是对这一挑战的积极回应。

  西门子数字化工业软件副总裁兼高层次设计、验证和功耗总经理Mo Movahed表示：“在神经网络模型的交接过程，以及将其手动转换为硬件实现的过程中，效率往往非常低下，耗时且容易出错。尤其是在针对特定性能、功耗和面积定制的硬件加速器变体时，这一问题尤为突出。Catapult AI NN的推出，将极大地提升AI/ML软件工程师的开发效率，实现加速创新。”

  随着AI和机器学习任务的日益普及，从数据中心到消费电器、医疗设施等领域，对于合适大小的AI硬件的需求也在迅速增加。Catapult AI NN的推出，正是为满足这一市场需求。与传统的C++、Verilog或VHDL相比，多数机器学习专家更习惯于使用TensorFlow、PyTorch或Keras等工具。而Catapult AI NN的出现，为他们提供了一个无缝衔接的桥梁，使他们能够在不改变原有工作流程的前提下，将神经网络模型高效地转换为ASIC或SoC设计。

  hls4ml的原始目标是将AI框架中的神经网络描述转化为C++代码，以便在FPGA、ASIC或SoC上实现。而Catapult AI NN则将hls4ml的功能扩展到了ASIC和SoC设计领域，提供了针对ASIC设计的专用C++机器学习功能资源库。这使得设计人员能够在不同的C++代码实现之间进行延时和资源方面的权衡，以此来实现PPA的优化。

  费米实验室的新兴技术主管Panagiotis Spentzouris表示：“粒子探测器对边缘AI有着严格的约束条件。我们与西门子合作开发的Catapult AI NN，为咱们提供了一个综合性框架，使得我们的科学家和AI专家能够充分的利用他们的专业相关知识，即便他们并不是ASIC设计人员。这种框架同样适用于经验比较丰富的硬件专家。”

  目前，Catapult AI NN已经向早期采用者提供，并计划于2024年第4季度全面推向市场。这一创新的解决方案将极大地推动神经网络加速器设计的发展，为AI技术的广泛应用提供强有力的支持。

  ，作为一款突破性的可测试性设计（DFT）解决方案，旨在增强下一代集成电路（IC）的系统内测试能力。

  模型的复杂度和计算量飞速增加，对计算性能的要求也慢慢变得高。传统的通用处理器

  再次迈出坚实步伐，近期成功完成了对西班牙科学技术创新企业BuntPlanet的收购整合，这一战略举措标志着

  （Recurrent Neural Network，简称RNN）和循环

  Solido Simulation Suite，帮助客户大幅度的提高验证速度

  Solido Simulation Suite （Solido Sim），这是一款集

  Xcelerator as a Service 扩展云解决方案 覆盖整个产品生命周期

  Xcelerator as a Service 扩展云解决方案 覆盖整个产品生命周期 /

  增强解决方案 /

  工业领域的深厚积累和经验，联合创新团队将深入探索云计算、人工智能、机器学习、大数据等前沿技术与制造业更进一步融合，并

  制造行业创新应用落地 /

  麒麟9000S到底谁代工的 麒麟9000s geekbench测试结果

  其利天下技术·FOC控制和方波控制的区别？分别应用场景是什么？无刷电机驱动方案

  嵌入式学习-飞凌嵌入式ElfBoard ELF 1板卡-使用AHT20进行环境监视测定之AHT20传感器介绍