Zmanjšanje zapletenosti načrtovanja elektronskih sistemov z AI – Semiwiki

V svetu oblikovanja elektronskih sistemov je bila kompleksnost vedno velik izziv. Z napredkom tehnologije in rastjo povpraševanja po učinkovitejših in zmogljivejših elektronskih napravah se inženirji soočajo z vedno bolj zapletenimi konstrukcijskimi zahtevami. Te zapletenosti pogosto vodijo do daljših ciklov načrtovanja, povečanih stroškov in morebitnih napak pri načrtovanju. Siemens EDA priznava nujno potrebo po inovativnih rešitvah za premagovanje teh ovir. Podjetje je umetno inteligenco (AI) opredelilo kot tehnologijo, ki bi lahko ponudila izjemen vzvod za inovacije. Umetna inteligenca zajema računalniške tehnologije, ki omogočajo strojem razmišljanje in sklepanje brez človeškega posredovanja. Rešitve AI lahko analizirajo velike količine podatkov za prepoznavanje vzorcev in trendov, izboljšanje procesov in zagotavljanje priporočil za boljše odločanje.

Siemens EDA veliko vlaga v tehnologije umetne inteligence in jih uporablja na različnih področjih izdelkov, vključno z oblikovanjem tiskanih vezij, sistemi za avtonomno vožnjo, upravljanjem pametnih tovarniških prostorov in upravljanjem pametnih mest. Podjetje je pred kratkim objavilo belo knjigo ki se poglobi v to, kako lahko uporaba tehnologije umetne inteligence obravnava izzive pri oblikovanju tiskanih vezij (PCB).

Izzivi pri oblikovanju PCB

Inženirji elektronskih sistemov PCB se soočajo z izzivi pri oblikovanju kompleksnih, hitrih IC-jev, ki zahtevajo ustrezno napajanje, hlajenje, celovitost signala in toplotno celovitost. Zagotoviti morajo visoko zmogljive PCB-je in medsebojno povezane elektronske sisteme v krajšem času do trga, hkrati pa zmanjšati porabo energije. Razumevanje oblikovanja PCB in orodij EDA vključuje strmo krivuljo učenja in inženirji se pogosto učijo med delom. Izbira komponent je še en izziv, ki zahteva obsežno raziskavo in analizo podatkovnih listov.

Izkoriščanje AI

Umetna inteligenca lahko izkopava dokončane načrte, da identificira vzorce in vodi oblikovalce do naslednjega logičnega koraka, s čimer izboljša kakovost in učinkovitost načrtovanja. Umetna inteligenca lahko razvije modele, ki temeljijo na zgodovinskih informacijah, da priporoči izvedljive možnosti komponent in tako pospeši izbirni postopek. Integrirajte to z vpogled v dobavno verigo komponent v realnem času in se spremeni v močno zmogljivost.

Končni cilj elektronskega načrtovanja, ki ga poganja umetna inteligenca, je, da algoritmi umetne inteligence ustvarijo načrte PCB in proizvodne rezultate, s čimer skrajšajo čas načrtovanja in odpravijo drage napake.

Generativno oblikovanje

Generativno načrtovanje je inovativen pristop, ki uporablja algoritme in računalniške metode za samodejno ustvarjanje in optimizacijo oblikovalskih rešitev na podlagi določenih parametrov in omejitev. Združuje moč umetne inteligence, strojnega učenja (ML), globokega učenja (DL) in naprednih simulacijskih tehnik za raziskovanje obsežnega oblikovalskega prostora ter izdelavo optimiziranih in učinkovitih modelov.

Prednosti uporabe umetne inteligence pri oblikovanju elektronskih sistemov

Ustvarjanje komponentnih modelov, kot so simboli, fizične geometrije in simulacijski modeli, je zamudno. Tehnologije umetne inteligence, kot sta obdelava naravnega jezika in prepoznavanje slik, lahko samodejno obdelajo podatkovne liste in ustvarijo zahtevane modele, kar zmanjša ročni napor in izkoristi znanje o domeni.

Še ena ročna naloga je shematsko povezovanje, vzpostavljanje povezav med komponentami. Modeli ML, usposobljeni na dokončanih načrtih, lahko priporočijo komponente in predlagajo povezave pin-to-pin, kar pospeši proces oblikovanja.

Dinamično ponovno uporabo funkcionalnih blokov in inteligentno upravljanje baze podatkov je mogoče doseči z usposabljanjem modelov DL, kar omogoča oblikovalskim orodjem za napovedovanje potencialnih funkcij blokov in predlaganje možnosti umestitve in usmerjanja za večkratno uporabo.

Omejitve, kot so postavitev, načrtovanje visoke hitrosti, izdelava in pravila testiranja, se običajno vnesejo ročno, kar predstavlja tveganje za napake. Umetna inteligenca lahko priporoči nabore omejitev in vrednosti na podlagi trenutne zasnove in znanja iz izdanih zasnov ter tako racionalizira postopek.

Opravila postavitve, kot sta postavitev komponent in usmerjanje, zahtevajo veliko časa. Sistemi umetne inteligence lahko priporočijo strategije umestitve in usmerjanja na podlagi dokončanih načrtov, uporabijo pa se lahko napredne metodologije usmerjanja, kot je usmerjanje po skici. Orodja za samodejno usmerjanje in analizo lahko izkoristijo tudi algoritme AI/ML za ustvarjanje optimalnih poti in izvajanje natančnih simulacij.

Povzetek

Umetna inteligenca je vedno bolj pomembna pri povečevanju operativne produktivnosti in strokovnega znanja uporabnikov. Pri načrtovanju PCB je umetna inteligenca še posebej dragocena pri avtomatizaciji ročnih procesov in omogočanju začetnim uporabnikom, da izvajajo naloge, ki so prej zahtevale strokovno znanje. Z izkoriščanjem tehnologij umetne inteligence je mogoče pospešiti sprejemanje odločitev, avtomatizirati vsakdanje procese, novi uporabniki lahko delajo učinkoviteje ter optimizirati zmogljivost in proizvodnost sistemov z več domenami.

Kot del portfelja Siemens Xcelerator orodja, ki temeljijo na umetni inteligenci, podjetjem za načrtovanje elektronskih sistemov omogočajo, da izkoristijo tehnologije umetne inteligence in na trg predstavijo futuristične izdelke. Siemens nenehno identificira nove primere uporabe, kjer je mogoče uporabiti umetno inteligenco za izboljšanje orodij za načrtovanje, ter vlaga čas in sredstva v izboljšanje obstoječih algoritmov ali razvoj inovativnih metodologij za reševanje izzivov.

Ta bela knjiga je dragoceno branje za vse, ki sodelujejo v procesu oblikovanja elektronskih sistemov.

Delite to objavo prek:

• Distribucija vsebine in PR s pomočjo SEO. Okrepite se še danes.
• PlatoData.Network Vertical Generative Ai. Opolnomočite se. Dostopite tukaj.
• PlatoAiStream. Web3 Intelligence. Razširjeno znanje. Dostopite tukaj.
• PlatoESG. Avtomobili/EV, Ogljik, CleanTech, Energija, Okolje, sončna energija, Ravnanje z odpadki. Dostopite tukaj.
• BlockOffsets. Posodobitev okoljskega offset lastništva. Dostopite tukaj.
• vir: https://semiwiki.com/eda/siemens-eda/331982-reducing-electronic-systems-design-complexity-with-ai/