第(2/3)頁

    按照寧為的想法，是要以上步驟完全縮減到一步到位，在對象庫中集成完成某一特定類任務的一級芯片架構，即為容器，然后是二級架構即為組，然后依次往下劃分……

    操作者只需要將進行簡單的組合，經過對已有結構的簡單修補刪減之后，就能直接進入仿真環節。

    這也是這款EDA軟件單純只是為了設計各類AI芯片的原因。

    如果要用這種傻瓜方式設計通用芯片，寧為就算真把頭發耗光，也不可能解決得了傻瓜式操作這一難題。

    但在AI芯片領域卻是能做到的。

    就目前AI領域的情況來說，所謂智能算法一是快速尋求最優解的過程。這些算法通過模擬一些自然過程，來解決復雜工程問題。

    還有基于數據的機器學習，主要是從已知數據出發用來對未知數據進行預測的規律等等。

    所以寧為的設計理念很簡單。

    比如首先搭載一個標準的卷積神經網絡學習的容器，然后在子分類下方融入各種機器視覺類別的組，比如圖片識別、人臉識別、進階的表情識別、手勢識別等等。

    讓組設計可以相對科學的排列成群，解決特定任務。

    操作者只需要輸入自己想設計的芯片類型，首先就會跳出對象庫中的容器框架，然后操作者再自行選擇這一框架下要實現的功能。

    要讓操作者覺得簡單，對于軟件設計者來說就很難了。

    寧為的目標是在這款EDA推出之前起碼要在對象庫中設計五個容器結構，以及相對應可融合的群組結構。

    推向市場之后就簡單了，如果有人用，高階的設計團隊就能在學習軟件的各種標準跟說明后，自行設計容器，跟配套的群、組以及元器件，或者利用已有定義的元器件重新設計出功能更強悍的容器結構跟配套群、組，上傳后，經過審核部門多次驗證之后，納入到對象庫中。

    但現階段這些工作必須他自己來做，畢竟實驗室調撥的那些教授們或者編程技術都不錯，但數學方面，還是要差了一點。

    終于，忙碌了三個小時，又用早先定義好的元件，構建了好了一個容器下的群結構，寧為靠在椅子上長出了口氣。搞科研項目是真心的累，尤其是碰到難解問題的時候。

    湍流算法那邊遇到瓶頸，EDA這邊又離不開人，寧為開始反省自己是不是真的太過貪心了，把科研問題想的太簡單了。

    隨手拿起手機，這才發現寢室群里今天格外熱鬧。

    一大早已經刷了幾十條消息。

    腦子有些悶，正好看看這幫人在鬧什么，休息一下腦子。

    然后看到了經典大變臉的完整版步驟。
    第(2/3)頁