首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

AMD Zen-2 物理设计总结

Last year AMD introduced the Zen 2 microarchitecture, the company’s second major iteration of its Zen design. Zen 2 brought significant architectural changes at both the core level and the full SoC level. Undoubtedly, a big part of this success can be directly attributed to the company’s decision to dive headfirst into TSMC’s leading-edge 7-nanometer node. The move to TSMC 7-nanometer is a pretty big aggressive move, not only because it’s such a large technology shift, but also because of the new physical challenges it brings along with it – challenges that required the entire ecosystem – such as the foundry and CAD and EDA vendors – to collaborate on resolving those issues. At the recent ISSCC 2020 conference, AMD delved into some of those challenges in a little more detail.

02

日产与NASA合作研发汽车电池:一刻钟充满电,体积比现在小一半

大数据文摘作品 作者:Mickey 电动汽车的需求近年来日益增长,这条赛道的参与者越来越多,竞争也越来越激烈。想在这一领域杀出重围,电池的质量是重中之重。 总部位于横滨的日产汽车公司也希望在未来的电动车市场占据一席之地,而他们的方法是,向美国宇航局和太空技术中寻找充电线索。 4月8日,在一次发布会上日产表示,他们正在与美国宇航局合作,开发一种用于电动汽车的新型电池,该电池体积更小、充电更快,有望完全替代现有的锂电池。 据日产发言人称,新型的全固态电池将取代目前使用的锂离子电池,用于2024年的试点工厂启动

01

Nat. Comput. Sci. | 通过图神经网络快速评估有机分子在金属上的吸附能量

今天为大家介绍的是一篇使用图神经网路快速评估有机分子在金属上的吸附能量的论文。在异质催化中进行建模需要对吸附在表面上的分子的能量进行广泛评估。这通常通过密度泛函理论来实现,但对于大型有机分子来说,这需要巨大的计算时间,从而损害了该方法的可行性。在这里,作者设计了GAME-Net,一种用于快速评估吸附能的图神经网络。GAME-Net在一个平衡的化学多样性数据集上进行训练,其中包含了具有不同官能团的C分子,包括N、O、S和C芳香环。该模型在测试集上的平均绝对误差为0.18电子伏,并且比密度泛函理论快了6个数量级。应用于生物质和塑料中,预测的吸附能误差为0.016电子伏每个原子。该框架为催化材料的快速筛选提供了可用工具,特别适用于传统方法无法模拟的系统。

02
领券