Innovus机器学习在高性能CPU设计中的应用

高性能芯片设计在7 nm及更高级的工艺节点上,设计规模更大、频率更高、设计数据和可变性更复杂,物理设计难度增大。机器学习在多领域均获得成功应用,复杂的芯片设计是应用机器学习的一个很好的领域。Cadence将机器学习算法内置到Innovus工具中,通过对芯片设计数据进行学习建模,建立机器学习模型,从而提升芯片性能表现。建立了一个应用机器学习优化延时的物理流程来提升芯片设计性能。详细讨论分析了分别对单元延时、线延时、单元和线延时进行优化对设计的影响,进而找到一个较好的延时优化方案。最后利用另一款设计难度更大,性能要求更高的模块从时序、功耗、线长等方面较为全面地分析验证设计方案的合理性。

双孢菇内生枯草芽孢杆菌AB154中抑制人结肠癌Caco-2活性成分的发现及机理研究

在研究双孢菇的抗肿瘤活性成分时,发现其内生的一个枯草芽孢杆菌AB154的代谢产物,该产物具有较强的抑制人结肠癌Caco-2细胞活性。借助体外多种细胞毒活性跟踪测试,利用硫酸铵沉淀法和DEAESephadex阴离子交换柱层析,从枯草芽孢杆菌AB154发酵液中分离得到抑制人结肠癌Caco-2细胞的活性组分,其IC50为109.94μg/m L,而对人正常支气管上皮细胞(NHBE)的抑制作用较弱。经高效液相色谱(HPLC)制备,结合MALDI-TOF MS、ESI-MS/MS分析和查阅文献,从活性组分中分离鉴定了2个亚组分表面活性肽(surfactin)和丰原素(fengycin)B1类脂肽,其抑制人结肠癌Caco-2细胞的IC_(50)依次为80.7μg/m L和312.5μg/m L。此研究首次发现fengycin B1类脂肽具有抑制人结肠癌Caco-2细胞的活性,机理研究发现fengycin B1在12 h时将细胞周期阻滞在G_0/G_1期,在24 h时阻滞在S期,同时能够损伤肿瘤细胞的细胞核。