6.3 A 10-to-112Gb/s DSP-DAC-Based Transmitter with 1.2V<sub>ppd</sub> Output Swing in 7nm FinFET
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Internet of things (IoT) devices such as self-driven cars and home appliances are creating massive amounts of data traffic. Obviously, such demand trickles down to every electrical interface in a network. Therefore, next-generation data centers need to evolve accordingly to accommodate the bandwidth demand of a rapidly changing world of technology. Since the channel loss is not improving at the same rate, most of the standards are adopting multilevel signaling to make more efficient use of the frequency spectrum. A 4×112Gb/s PAM-4 transmitter presented in this work is leading this trend to keep electrical signaling viable and relevant for future data centers. It introduces three techniques to enable flexibility over different protocols and achieves 1.56pJ/b (175mW at 112Gb/s data rate including clocking) energy efficiency. First, improving signal-to-noise ratio is key to achieve lower BER in multilevel signaling. This work introduces a `soft-switching' H-bridge output driver to enable a 1.2V peak-to-peak differential output swing without exposing devices beyond breakdown voltage. Second, `flex clocking' is achieved by combining a central LC-PLL with a per-lane sub-sampling ring PLL. This combination enables flexible clock generation to seamlessly support data rates between 10Gb/s NRZ and 112Gb/s PAM-4. This clocking architecture enables low-frequency clock distribution for power saving and is easily scalable to more lanes. Third, a DSP-DAC-based transmitter is used to support an arbitrary number of equalization taps and different modulation schemes [1]. A segmented lookup-table-based (LUP-based) implementation further reduces the DSP power.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle