美国DARPA电子复兴计划总结

ops/2024/12/20 14:13:44/

DARPA电子复兴计划

DARPA即美国国防高级研究计划局,成立于1958年2月7日,最初叫高级研究计划局(ARPA),1972年3月更名为DARPA,1993年2月又改回ARPA,1996年3月再次恢复为DARPA. 其使命是“为国家安全做出关键的突破性技术投资”,通过与学术界、工业界和政府合作伙伴合作,制定和执行研发项目,拓展技术和科学的前沿领域,往往超越美国军方的直接需求,在众多领域取得了显著成果,如天气卫星、GPS、无人机、隐形技术、语音接口、个人计算机和互联网等.

3个大方向和6个小方向

DARPA的“电子复兴计划”提出了3个大方向和6个小方向,具体内容如下 :

  • 三维异构集成方向:安排了“通用异构集成与知识产权复用策略”项目。于2015年启动,2022年结束,经费投入0.7亿美元,重点研发芯粒互联技术,旨在绕过制程工艺发展瓶颈,通过封装手段提升芯片晶体管集成密度,既快速实现国防部小批量专用集成电路的设计和制造,又降低时间和成本压力。
  • 设计与安全方向:包括“更快速实现电路设计”和“硬件固件整合系统安全”2个项目。
    • “更快速实现电路设计”项目于2016年启动,2019年结束,经费投入3亿美元,重点构建知识产权复用、优化芯片设计流程,旨在大幅压缩美国防部定制的高性能专用集成电路设计周期和设计成本,以满足国防部先进武器系统对定制电路的快速研发要求。
    • “硬件固件整合系统安全”项目2017年启动,2021年结束,经费投入0.22亿美元,重点开发安全的硬件体系结构和工具,旨在从源头解决硬件中的潜在漏洞,实现集成电路内生安全,改变依赖软件补丁保护系统安全的局面,进一步提升美国网络安全防护能力 。
  • 专用功能方向:主要安排“层次识别验证开发”“终身机器学习”和“近零功耗射频与传感器”3个项目。
    • “层次识别验证开发”项目于2016年启动,于2023年结束,经费投入0.8亿美元,重点研发新型系统架构,开发适合稀疏数据处理的高性能处理器,解决通用处理器效率低、功耗大、处理实时性不高等问题,进一步提升网络安全、基础设施监控和社交媒体分析等能力。
    • “终身机器学习”项目于2017年启动,2023年结束,经费投入0.06亿美元,重点研发类生物智能机器学习技术,解决现有人工智能依赖前期训练无法处理未知情况的问题,以提升人工智能对新环境的适应性。
    • “近零功耗射频与传感器”项目于2015年启动,2019年结束,经费投入0.3亿美元,重点研发能量信号探测预警传感器技术,解决现有战场无人值守网络传感器系统因功耗大而影响实用性的问题,以提升美国战场态势感知能力 。

DSA架构

DSA即特定领域架构(Domain Specific Architecture),是针对特定应用场景定制的处理引擎甚至芯片,支持部分软件可编程. 与ASIC相比,在同等晶体管资源下性能接近,但ASIC功能确定,软件只能通过简单配置控制硬件运行,功能单一,而DSA则具有更强的可编程能力,功能覆盖领域更广. 以下是DSA架构的一些特点和案例 :

  • 特点:DSA架构可以实现ASIC一样的极致性能,同时又能像通用CPU一样执行软件程序,不过它只会加速某些特定领域的应用程序。
  • 案例
    • 深度学习领域:谷歌的TPU是DSA架构的典型案例。TPU是谷歌定制开发的ASIC芯片,用于加速机器学习工作负载。从TPU1.0到TPU3.0,性能不断提升,且从TPU2.0开始采用定制的TPU集群,更大限度地发挥了TPU的加速价值。
    • 网络领域:英特尔基于PISA架构的ToFino芯片是网络领域的典型DSA。PISA是一种支持P4数据面可编程包处理的流水线引擎,通过可编程的解析器、多阶段的可编程匹配动作以及可编程的逆解析器组成的流水线,实现数据面的编程。ToFino芯片既能够达到ASIC级别的性能,又能够通过P4对整个包处理数据面进行编程。

参考资料:美国“电子复兴计划”中的先导类项目概况

可以看到,美国在15年就已经提出一些集成电路设计中的高级概念了,这方面还得向人家学习啊。。。现在2024年马上结束了,我才开始关注ChipletAI芯片这些,hh。国产芯片加油。


http://www.ppmy.cn/ops/143510.html

相关文章

C语言编程1.26判断八进制数字字符

C语言标准函数库中包括 isdigit 函数,用于判断十进制数字字符。我们来编写一个判断八进制数字字符的函数。 函数接口定义: int IsOctDigit(char x);说明:参数 x 是字符的 ASCII 码。若 x 是八进制数字字符的 ASCII 码,则函数值为…

【Maven】基础(一)

【Maven】基础一 1. 虽然工作有段时间了,但是深感maven了解的不深入,所以这次开始深入的学习。 课程地址: https://www.bilibili.com/video/BV1JN411G7gX?spm_id_from333.788.player.switch&vd_source240d9002f7c7e3da63cd9a975639409a&p2 1.…

Mybatis——(2)

2.2 Mybatis 工具类(了解) 为了简化MyBatis的开发,可将MyBatis进一步封装。 import org.apache.ibatis.io.Resources; import org.apache.ibatis.session.SqlSession; import org.apache.ibatis.session.SqlSessionFactory; import org.apa…

laya游戏引擎中打包之后图片模糊

如下图正常运行没问题,打包之后却模糊 纹理类型中的默认类型都是精灵纹理,改为默认值即可。注意:要点击“应用”才可有效。精灵纹理类型会对图片进行渲染处理,而默认值 平面类型不会处理图片。

算法-字典树

模板 class TrieNode {boolean isEnd; // 是否为单词末尾TrieNode[] next; // 孩子节点数组public TrieNode() {this.isEnd false;this.next new TrieNode[26];} }class Trie {TrieNode root; // 虚拟头节点public Trie() {root new TrieNode();}public void insert(String…

PaddlePaddle推理模型利用Paddle2ONNX转换成onnx模型

训练paddleocr模型,可以按照如下教程或者直接百度其他的 PaddleOCR训练自己的数据集(中英文)(全套)和C#部署(半套)_c# paddleocr-CSDN博客 将训练后的模型转换成推理模型 -c后面是你配置的de…

1157:哥德巴赫猜想

为了弥补我过往的错误&#xff01;我决定上吊&#xff01;啊不不不&#xff0c;是割脉&#xff01;啊说错了 再更一期&#xff01;请原谅我&#xff01; 来一个函数吧&#xff01; 1157&#xff1a;哥德巴赫猜想 #include<iostream> #include<cstdio> #include&…

MES系统工作流的单元测试方案

MES系统工作流的单元测试方案 在基于Java实现的MES系统中&#xff0c;若算子组成工作流并通过JSON传递数据&#xff0c;后端解析JSON后执行业务逻辑的流程&#xff0c;单元测试的核心是确保以下内容的正确性&#xff1a; 算子功能的正确性&#xff08;每个算子单独的逻辑&…