劳斯莱斯与Databricks合作，优化了条件生成对抗网络（CGAN）的训练过程，展示了使用Databricks Mosaic AI工具的好处。该项目旨在增强劳斯莱斯的设计空间探索能力，并克服参数模型的局限性。劳斯莱斯在利用Databricks数据智能平台和Databricks Mosaic AI工具方面获得了许多好处，包括降低总拥有成本、加快模型训练速度、改善模型准确性、数据管理和治理优势以及从模型中获得的洞察。未来的工作将包括探索从2D模型过渡到3D模型。
参数化机器学习加速器通过硬件加速深度神经网络和非神经网络的机器学习算法进行设计空间探索。采用物理设计驱动的学习预测框架，结合功耗、性能和面积分析以及前端性能模拟，实现了对后端 PPA 和运行时能耗等系统指标的真实估计。引入完全自动化的设计空间探索技术，通过自动搜索来优化后端和系统指标。实验结果表明，该方法在两种深度学习加速器平台的ASIC实现中，能准确地预测后端PPA和系统指标。
完成下面两步后，将自动完成登录并继续当前操作。
