V
主页
重新考虑如何设计模拟和数字信号处理 | ISSCC 2024 国际固态电路会议
发布人
荷兰恩斯赫德特温特大学 Bram Nauta 自诞生以来,摩尔定律一直是 IC 设计的驱动力。 尽管在第一个十年中,“一切”似乎都变得更好,但是,我们失去了处理器时钟速度和射频晶体管速度的缩放,现在看起来数字门的功率效率将停滞不前。 剩下的就是通过 3D 集成来缩小晶体管数量和每功能成本。 因此,现在是重新考虑如何设计模拟和数字信号处理的绝佳时机。 与模拟相比,所需的信噪比 (SNR) 越高,数字信号处理的能效就越高。 纯模拟处理仅在信噪比约为 30dB 或更小的情况下才保持较高效率。 因此,在数字处理的情况下,应尽可能早地在信号链中进行从模拟到数字的转换。 由于品质因数竞赛,模数转换器 (ADC) 在功效方面取得了巨大胜利。 然而,这些 ADC 需要较大的输入电压摆幅,而来自天线或传感器接口的待转换输入信号通常要小得多。 因此,需要射频和模拟前端,它们比要驱动的 ADC 消耗更多的功率。 让我们重新思考这些模拟前端。 我们还能在未来的 CMOS 中高效地设计这些前端吗? 我们需要这么大的线性放大吗? 我们真的需要有源线性电路吗? 难道我们不能用“数字”组件来取代模拟前端和ADC吗?
打开封面
下载高清视频
观看高清视频
视频下载器
工程师必须要掌握的20种模拟电路
第6课【Ali Hajimiri大师-CMOS模拟电路设计-中文翻译版】双极晶体管,基本操作,电流特性,掺杂分布
数字淘金:数字时代如何致富
人工智能的高速革命及其对人类的影响 | NVIDIA GTC 2024 炉边谈话
芝加哥大学2024年毕业演讲:行为经济学家约翰·李斯特:“改变世界的三个小秘密”
14 分钟解释所有学习算法
Gartner 2024年十大技术趋势
哈佛大学数字数据设计研究所:生成式人工智能和机器学习革命
麻省理工学院2024年毕业演讲:发明家、企业家和慈善家 Noubar Afeyan 博士
TEDx演讲:通过数字孪生预测未来
人工智能机遇:红杉资本 AI Ascent 2024 开幕致辞
哈佛医学院教授Jagmeet Singh:《未来护理:传感器、人工智能和医学的重塑》讲述数字技术对医疗的影响
[2024年] [中英字幕] 5 强化学习 | 麻省理工学院深度学习导论 6.S191
【IC后端_寻常】2024 微电子选数字方向还是模拟方向
【模拟电路】期末考试速成课| 1.2:半导体二极管 |临时抱佛脚也能考试一次过
清晰的认知是获得心理力量的有效途径
生成式人工智能简述:如何在AI时代生存和发展
杭电阎石第六版数字电路课后题讲解(全网最详细,不是最详细直播吃屎)
推荐!斯坦福小镇一作详解《生成式智能体:人类行为的交互式模拟》
斯坦福大学HAI研究院:2024年AI Index 报告要点详解
[2024年] [中英字幕] 2 RNN, Transformers, 和 Attention | 麻省理工学院深度学习导论 6.S191
2024年 哈佛大学 CS50 《计算机科学导论》课程
设计开放安全的人工智能未来 | Google Gemma
我们如何知道人工智能何时有意识?
2024 年最重要的人工智能趋势
[2024年] [中英字幕] 4 深度生成建模 | 麻省理工学院深度学习导论 6.S191
图灵讲座:生成式人工智能的未来 | 12月21日
【从零开始学芯片设计】第二十七课-CMOS放大器的频率响应(频率响应分析方法-零值时间常数)
[2024年] [中英字幕] 3 卷积神经网络 | 麻省理工学院深度学习导论 6.S191
重磅!斯坦福发布2024年AI指数报告,附送报告全文译文
[2024年] [中英字幕] 1-深度学习基础 | 麻省理工学院深度学习导论 6.S191
2024年人工智能指数 | 斯坦福人工智能研究所 对话 胡佛研究所
杭电阎石第六版数字电路课后题4-27讲解(全网最详细,不是最详细直播吃屎)
杭电陈龙数字电路课后题4-15讲解(全网最详细,不是最详细直播吃屎)
2024年 MIT 6.S087 基础模型和生成式人工智能入门课程
萨尔·汗 (Sal Khan) :人工智能如何彻底变革教育
艾米丽·查姆利-赖特:精彩对话的3个关键原则
第一性原理:最有力的思考方式
芝加哥大学人工智能系主任Rebecca Willett:人工智能如何改变科学研究
最无忧无虑的哲学家-庄子能教给我们什么?