Sections
Left Column
Right Column
Text Area
AC-CVXPY：自動硬件求解器設計框架
Text Area
凸優化的新興應用
凸優化在各種性能關鍵型應用中至關重要，包括機器學習、金融、控制工程、電力系統和信號處理。隨著這些問題複雜性和規模的日益增長，亟需顯著提升凸規劃求解器的性能和效率。
Text Area
創新亮點
我們推出名為 AC-CVXPY 的自動化演算法-硬件協同設計框架，旨在大幅提升凸優化求解器的速度與能效，同時保持求解精度。該框架能夠為任何凸優化問題自動創建專用且高效的硬件實現，並可根據延遲、功耗預算和硬件資源利用率等特定需求進行定制。在涵蓋五個應用領域的100個二次規劃（QP）問題上，初步的FPGA原型驗證顯示，相較於在同等CPU後端上運行的相同求解演算法，AC-CVXPY實現了30.5倍的幾何平均加速比和127.0倍的能效提升。
Text Area
低延遲套利交易系統應用案例展示
投資組合優化是金融計算中的關鍵挑戰。通用計算平台通常難以滿足優化投資組合交易策略所需的低延遲計算要求。基於AC-CVXPY，我們開發了一個原型交易系統，能夠通過統計套利高效執行低延遲的投資組合交易。
Text Area
低延遲高能效控制器應用案例展示
模型預測控制（MPC）是一個強大的控制框架，但其對計算基礎設施的嚴苛性能要求限制了其在各種場景中的廣泛應用。基於AC-CVXPY，我們開發了一個控制器原型，可部署在如27g Crazyflie這樣的超羽量級無人機上。在相同的功耗和面積約束下，該控制器能夠運行最先進的MPC求解演算法，與基於微控制器（MCU）的解決方案相比，實現了10倍的延遲降低。