頭條 英特爾進軍ASIC定制服務(wù)市場 值得注意的是，就在今年9月初，英特爾就曾宣布了一系列的組織架構(gòu)調(diào)整和人事任命，其中就包括成立全新的Central Engineering事業(yè)部，由英特爾公司高級副總裁兼英特爾院士Srinivasan（Srini）Iyengar出任領(lǐng)導。英特爾表示，通過此次職務(wù)拓展，Iyengar將橫向統(tǒng)籌英特爾的各項工程職能，并建立新的定制芯片（ASIC）業(yè)務(wù)，為廣泛的外部客戶提供服務(wù)。 最新資訊 MIT新3D半導體工藝探索突破摩爾定律新路徑 6 月 20 日消息，麻省理工學院（MIT）的研究團隊開發(fā)出一種低成本、可擴展的制造技術(shù)，可將高性能氮化鎵（GaN）晶體管集成到標準硅芯片上，從而提升高頻應(yīng)用（如視頻通話、實時深度學習）的性能表現(xiàn)。 發(fā)表于：6/20/2025 2025年一季度企業(yè)級固態(tài)硬盤平均售價下滑近20% 6 月 19 日消息，TrendForce 集邦咨詢今日報告稱，2025 年一季度企業(yè)級固態(tài)硬盤平均售價 (ASP) 下滑近 20%，拖累前五大 eSSD 品牌廠第一季度營收皆呈現(xiàn)環(huán)比下降，市場了歷經(jīng)一段調(diào)整期。 發(fā)表于：6/20/2025 國內(nèi)首個不銹鋼火箭海上回收全紀實發(fā)布 6 月 19 日消息，箭元科技昨日晚官宣入駐微博，并發(fā)布國內(nèi)首個不銹鋼火箭海上回收全紀實。 發(fā)表于：6/20/2025 五款硬盤盒內(nèi)部結(jié)構(gòu)與配置對比 內(nèi)部結(jié)構(gòu)是品牌的良心體現(xiàn)。 內(nèi)部對比總結(jié)： 1、從芯片成本上說，Sata硬盤盒主控鐵威馬的ASM235較貴，一片50元左右的價格。還一款支持10GB/s(Sata3 6GB/s)傳輸?shù)腏MS580不到30元，更便宜的ASM1153E，而其他四款都用JMS578，價格不到20元，只支持5GB/s，實際使用中機械單盤感受不到多少差距，多盤和SSD盤的區(qū)別就出來了； 2、電容的區(qū)別，只有鐵威馬使用固態(tài)電容，低阻抗、高低溫性能穩(wěn)定，耐高紋波、是目前電解電容產(chǎn)品中最好的，其他四款都用鋁電容，容量雖然大，但是漏電也大，誤差大，穩(wěn)定性也一般，成本低。 發(fā)表于：6/20/2025 鐵威馬全新產(chǎn)品D4-320U 企業(yè)級用戶的不二之選 無論是企業(yè)級用戶面對海量業(yè)務(wù)數(shù)據(jù)的存儲與管理挑戰(zhàn)，還是極客們對虛擬機、容器集群對存儲池的需求，都在表明著需要一款高效、可靠且靈活的存儲設(shè)備解決燃眉之急。在此背景下，鐵威馬憑借其深厚的技術(shù)積淀與敏銳的市場洞察力，重磅推出了全新的四盤位硬盤柜 D4-320U，一經(jīng)亮相，便在相關(guān)領(lǐng)域引發(fā)關(guān)注。 發(fā)表于：6/20/2025 我國成功研發(fā)蚊子大小仿生機器人 快科技6月19日消息，據(jù)媒體報道，國防科技大學成功研發(fā)出一種僅有蚊子大小的仿生機器人。這一微型裝置是生物特性與尖端科技深度融合的結(jié)晶。 發(fā)表于：6/20/2025 微軟量子計算重大技術(shù)突破 6月20日消息，據(jù)媒體報道，微軟首席執(zhí)行官薩提亞·納德拉近日公布了公司在量子計算領(lǐng)域的重大突破——成功開發(fā)4D拓撲量子糾錯碼。 與2D相比，4D拓撲量子糾錯碼在編碼效率、糾錯能力、邏輯操作都非常出色，并且每個邏輯量子比特只需要極少的物理量子比特，可以一次性檢查錯誤，并將錯誤率降低1000倍。 發(fā)表于：6/20/2025 國產(chǎn)GPU第一股即將誕生 國產(chǎn)GPU第一股要來了！摩爾線程完成上市輔導 發(fā)表于：6/20/2025 基于物聯(lián)網(wǎng)邊云協(xié)同的電網(wǎng)靈活性資源聚合商博弈優(yōu)化調(diào)度方法 提出了一種基于云邊協(xié)同的能量管理雙層優(yōu)化算法，旨在優(yōu)化電網(wǎng)運營商與用戶聚合商的調(diào)度。該算法通過邊緣計算提升用戶聚合商的計算能力，降低能源系統(tǒng)運行成本和計算復雜度。采用修正最優(yōu)值函數(shù)的啟發(fā)式算法求解雙線性優(yōu)化問題，實驗表明，該框架提高了協(xié)同效率，為能源管理系統(tǒng)提供了技術(shù)支持。 發(fā)表于：6/19/2025 基于改進CenterNet的發(fā)票檢測算法 為了提高發(fā)票檢測準確性和效率，提出了一種基于CenterNet的發(fā)票檢測算法。首先，算法模型采用類似CSPDarkNet作為主干網(wǎng)絡(luò)，將Triplet Attention引入CSP結(jié)構(gòu)中形成TA-CSP結(jié)構(gòu)，主干網(wǎng)絡(luò)末端引入ASPP以提高網(wǎng)絡(luò)的感受野范圍，使模型能夠更好地理解圖像的上下文信息；其次，在網(wǎng)絡(luò)的Neck部分，采用CBAM來引導高低層特征融合，利用高層特征圖中語義信息對低層特征圖進行監(jiān)督，以抑制低層特征圖中的背景噪聲；再次，在網(wǎng)絡(luò)的Head部分，算法在CenterNet網(wǎng)絡(luò)的基礎(chǔ)上增加4個通道的特征圖輸出，在發(fā)票檢測的同時實現(xiàn)發(fā)票朝向的預測；最后，在損失函數(shù)中增加朝向損失項，以解決發(fā)票朝向的優(yōu)化。在測試數(shù)據(jù)集上的實驗結(jié)果表明，本文算法mAP優(yōu)于CenterNet和YOLOv5s算法達到84.3%，有效提高了發(fā)票檢測準確率和魯棒性。 發(fā)表于：6/19/2025 ?…45464748495051525354…?
