Sections
Left Column
Right Column
Text Area
AC-CVXPY：自动硬件求解器设计框架
Text Area
凸优化的新兴应用
凸优化在各种性能关键型应用中至关重要，包括机器学习、金融、控制工程、电力系统和信号处理。随着这些问题复杂性和规模的日益增长，亟需显著提升凸规划求解器的性能和效率。
Text Area
创新亮点
我们推出名为 AC-CVXPY 的自动化算法-硬件协同设计框架，旨在大幅提升凸优化求解器的速度与能效，同时保持求解精度。该框架能够为任何凸优化问题自动创建专用且高效的硬件实现，并可根据延迟、功耗预算和硬件资源利用率等特定需求进行定制。在涵盖五个应用领域的100个二次规划（QP）问题上，初步的FPGA原型验证显示，相较于在同等CPU后端上运行的相同求解算法，AC-CVXPY实现了30.5倍的几何平均加速比和127.0倍的能效提升。
Text Area
低延迟套利交易系统应用案例展示
投资组合优化是金融计算中的关键挑战。通用计算平台通常难以满足优化投资组合交易策略所需的低延迟计算要求。基于AC-CVXPY，我们开发了一个原型交易系统，能够通过统计套利高效执行低延迟的投资组合交易。
Text Area
低延迟高能效控制器应用案例展示
模型预测控制（MPC）是一个强大的控制框架，但其对计算基础设施的严苛性能要求限制了其在各种场景中的广泛应用。基于AC-CVXPY，我们开发了一个控制器原型，可部署在如27g Crazyflie这样的超轻量级无人机上。在相同的功耗和面积约束下，该控制器能够运行最先进的MPC求解算法，与基于微控制器（MCU）的解决方案相比，实现了10倍的延迟降低。