利用S2C Stratix IV TAI LM进行SoC原型验证的方法学

FPGA原型验证是一种在FPGA上搭建SoC和ASIC设计原型的方法学,可以方便的进行硬件验证和早期软件开发。此方法学也称为ASIC原型验证或SoC原型验证。在FPGA上搭建SoC和ASIC设计原型已经成为验证硬件设计和早期软硬件协同设计的主流方法学。现在的设计者都已经认识到了FPGA原型验证的重要性,但是设计者在进行FPGA原型验证的时候常常要面临许多挑战和困难.     

国家自然科学基金委员会召开分析化学学科发展战略研讨会

国家自然科学基金委员会化学科学部于 2 0 0 2年 11月 2 4～ 2 6日在北京昌平召开了分析化学学科战略发展研讨会。来自全国各地的 4 2名分析化学学者参加了会议 ,其中院士 10人、杰出青年 17人、特邀代表 15人。国家科技部基础司司长张先恩教授应邀出席了本次会议。　　基金委化学部副主任梁文平研究员首先作了“实施源头创新战略 ,树立化学学科新形象”的报告。认为分析化学是 2 1世纪生命科学和纳米科学发展的关键 ;强调要重新树立化学的新形象 ,核心还是提倡创新性和创造性。基金委要在培养创新文化、营造学术文明中发挥作用 ,倡导良好的…     

Cadence携手ARM为多核与低功耗器件提供参考方法学

Cadence设计系统公司推出两种联合开发的实现参考方法学,一种用于ARM11MPCOre多核处理器,另一种用于ARM1176JZF—S处理器的低功耗实现,后者集成了ARM Intelligent Energy Manager（IEM）技术。针对这两款ARM处理器的这些Cadence参考方法学是两个公司紧密合作的或果,为设计多核、低功耗器件的共同客户提供了增强的设计解决方案。     

拉曼光谱在多组分定量分析中方法学验证的探讨

拉曼光谱在中国药典2010版第一次被收录于“附录XIX L拉曼光谱法指导原则”中,但该原则对拉曼多组分定量分析的方法学验证未作论述,对多组分复杂体系中采用拉曼数学模型定量分析时的方法学验证进行独创性的探索和研究,分别从仪器性能测试、线性、定量限、准确度等方面进行方法学验证研究;另外由于拉曼光谱定量数学模型样品为复杂成分样品,无须像传统方法提供空白样品和进行破坏实验等专属性实验验证。通过研究探讨,提出了拉曼多组分定量分析的方法学验证内容,为方法学验证的完善和标准的制定提供了基础和依据。     

液相色谱-串联质谱法测定SD大鼠全血中新型亲环蛋白D抑制剂RN-0001浓度北大核心CSCD

建立了液相色谱-串联质谱法测定新型亲环蛋白D抑制剂RN-0001在SD大鼠全血中的浓度。样品前处理采用简单的蛋白沉淀法,色谱分离在Gemini C18110,色谱柱(50 mm×2 mm,5μm)上进行,以含10 mmol/L乙酸铵和0.1%甲酸的水溶液作为流动相A,含0.1%甲酸的甲醇溶液作为流动相B,在0.8 mL/min流速下梯度洗脱。待测物RN-0001和内标环孢菌素A的检测采用正离子电喷雾多反应监测模式,其检测离子对分别为m/z 645.4/156.2和m/z 601.8/156.1。RN-0001在30.0 ng/mL~30.0μg/mL浓度范围内线性关系良好(r 2>0.9961),定量下限为30.0 ng/mL,批内和批间的精密度小于5.2%,批内和批间准确度在-3.6%~6.7%之间。RN-0001基质样品在室温放置18 h,-80℃冰箱放置40天以及经过5次冻融循环后均稳定。SD大鼠尾静脉注射3 mg/kg的RN-0001注射液进行药代动力学研究,RN-0001的半衰期t 1/2为3.53 h,峰浓度C 0为9370 ng/mL,血药浓度-时间曲线下面积AUC 0-24 h为5300 h·ng/mL。结果表明,所建方法适用于RN-0001在SD大鼠体内的药代动力学研究。     

无源光网络系统中基于UVM的DBA验证

在第五代移动通信技术(5G)通信中，动态带宽分配(DBA)作为无源光网络的关键技术之一，随着其不断优化自身性能，芯片功能的复杂度日益增长，对其逻辑功能的验证显得尤为重要。文章提出了一种无源光网络中的DBA模块验证平台架构体系。该平台基于通用验证方法学(UVM)框架调用System Verilog(SV)参考模型，以少数用例覆盖大量场景，实现了对DBA流量需求和下发授权功能点的验证和结果自校验，寄存器转换级电路(RTL)代码覆盖率可达95%以上。仿真表明，该验证平台支持DBA的系统级验证，支持框架复用和自动化数据对比，可满足验证的各项需求，为DBA的性能测试提供了一个高效和全面的验证环境，大大提升了验证效率。     

叠层相干衍射成像算法发展综述

随着同步辐射技术的发展和光源相干性的提升,叠层相干衍射成像(ptychography)得到快速发展.叠层相干衍射成像算法解决了传统相干衍射成像算法收敛速度较慢、容易陷入局部最优解和算法停滞等问题,具有成像视场大、算法鲁棒性强、对误差容忍性高、应用范围广等优点,正成为相干衍射成像领域的热点研究方向.本文首先介绍了叠层相干衍射成像算法提出的背景;然后详细总结了叠层相干衍射成像算法的发展脉络、主要的算法流程以及应用场景,并且介绍了叠层相干衍射成像与人工智能结合的新算法及应用潜力;最后介绍了叠层相干衍射成像算法具体的并行化实现及常用软件包.本文有助于建立叠层相干衍射成像领域算法本身、人工智能以及计算方法全局研究视角,对于促进叠层相干衍射成像方法学的系统发展具有重要的参考意义.