2020年夏天，我们 公布 第一个赛灵思自适应计算挑战赛！ 我们与 Hackster.io 挑战独立开发人员使用 Vitis Unified软件平台 和 葡萄 在某些Xilinx硬件平台上。 参赛者面临着以新颖的方式解决真实单词问题的挑战。 我们的全球参与者在以下三个类别中竞争：使用 ZCU104评估套件，利用 Alveo U50加速卡，以及使用 安富利Ultra96-V2开发板.
我们收到了70多个独特的全球项目提交。 每个参与者都通过他们的创新设计解决方案展示了他们的专业知识。 从二进制神经网络的加速到解决强化学习挑战，再到基于FPGA的系统，该系统通过AI和针对老年人的自动跌倒检测和警报系统监控面罩的使用，在每个挑战中都真正展现出了应对挑战的创造力和思考过程创新的设计解决方案。
尽管许多项目都很出色，但我们的评委们还是在每个类别中选出了前三名项目获奖者，他们获得的奖金最高为10,000美元。 赛灵思公司全体员工向您表示祝贺 获奖者!
第1类：自适应计算加速
- Raul Valencia使用Xilinx FPGA加速二进制神经网络： 利用Xilinx FPGA的硬件来训练神经进化的二进制神经网络，然后解决强化学习问题。
- Covid4HPC – Dimitrios Danopoulos提供的一种快速准确的Covid检测解决方案： 使用云FPGA上的CNN从X射线图像检测Covid-19。
- ThunderGP：FPGA上基于HLS的图形处理框架，作者：Xinyu Chen： ThunderGP使数据科学家能够在不影响可编程性的前提下享受基于FPGA的图形处理的性能。
类别2：智能视频分析
- Victor Altamirano的面罩检测器： 基于FPGA的系统通过人工智能监控面罩的使用，包括温度计和面罩分配器。
- Jinin K Jose，Nevil Shah和Rohin Kumar对老年人进行自动跌倒检测： 人为跌倒是导致老年人死亡的主要原因。 可以通过自动跌倒检测和警报系统来防止这种情况。
- 结帐非常简单– MAAX团队针对FPGA的实时智能零售系统： 在DPU上部署对象检测模型以构建一个系统，该系统可以显示VCU解码的视频或来自摄像机的图像中检测到的商品。
类别3：物联网的自适应智能
- Ussama Zahid的Quad96： 在Ultra96上使用深度强化学习和手势实现四轴飞行器控制和杆平衡
- Sambit Mohapatra的硬件加速3D实时感知（HARP-3D）： 使用在ULTRA3V96上运行的深度神经网络，在LiDAR点云中进行2D对象检测的端到端演示。
- LAMP-FPGA：Amin Kalantar和Philip Brisk加快了时间序列相似性预测：在Ultra96-V2 FPGA板上预测时间序列数据中的相似模式
在网站上了解有关获奖者及其项目的更多信息 自适应计算挑战 新改版的页面 Xilinx开发人员 网站。
我们也很高兴地宣布，更新后的开发者网站将为开发者社区添加一项新功能，即 Xilinx开发人员计划。 该免费程序为开发人员提供了在每个Xilinx平台上创建成功应用程序所需的必要资源。 会员可以使用最新的Xilinx开发工具，独家教程，培训，分享个人技术见解和项目的功能以及更多其他关键优势。
我们欢迎您加入我们不断发展的开发人员计划社区，并随时关注我们即将到来的情况 自适应计算挑战赛初赛 在2021年夏天开始！