Bu. PCB tasarımında AI yeni bir fikir değil. Diğer PCB yazılım şirketleri de bu iddiada bulunuyor. Ancak Siemens gibi ana akım bir sistem teknolojisi şirketi bu konudan bahsettiğinde, bu dikkate değer. Halihazırda mekanik modelleme takımları için ve uygulama akışları için düşük kodlu geliştirmeye yardımcı olacak bir uyarlanabilir kullanıcı arayüzüne (UI) sahipler. Şimdi yapay zekanın (AI) PCB geliştirme ve analizini nasıl hızlandırabileceğine ve iyileştirebileceğine bakmaya başlıyorlar.

Bir PCB Moonshot

Hiç kimse PCB tasarımını bir kariyer hedefi olarak görmez - bu bir amaçtır. PCB'leri hazırlamak, sistem tasarımında gerekli ama nankör bir görevdir ve yine de büyük uzmanlık gerektiren bir görevdir. Üretilebilirlik için tasarımla birlikte iyi bir yerleşim çözümü, performans (sinyal bütünlüğü, elektromanyetik uyumluluk ve termal hususlar) için birlikte tasarlamak ve optimize etmek. Daha fazla otomasyon için doğal görünebilir, ancak bu gerçekten tedarik zinciri ve iş kısıtlamalarıyla kesişen bir çoklu fizik sorunudur. Yerleşik otomasyon genellikle etki alanları arası sorunları değil, nokta sorunlarını çözmede iyidir. Ve bu sınırlama içinde bile, düzen ve yönlendirme gibi bazı problemler büyük ölçüde buluşsal yöntemlere ve uzman kullanıcı rehberliğine bağlı olmaya devam ediyor. Bilgisayar bilimi jargonunda bu problemler, deterministik olmayan polinom zamanı (NP) tamdır, yani deterministik ve makul çalışma zamanı algoritmaları mümkün değildir.

Bu da doğal olarak dikkatleri yapay zekaya ve makine öğrenimine (ML) çeviriyor. Uzman PCB tasarımcıları rutin olarak yüksek kaliteli PCB tasarımları oluşturduklarından, belki de makine öğrenimi sistemleri bu uzmanlığı yakalayabilir. Electronics Resurgence Initiative (ERI) kapsamındaki DARPA IDEA programı, PCB tasarımının bariz bir hedef olacağı "döngüde insan olmaması" elektronik tasarımını hedefleyen, uyduruk bir çabadır. Bu, NP-tamamlanmış problemlere yönelik yeni makine öğrenimi yaklaşımlarını, bileşenlerin elektronik kitaplıklarını ve ayrıca bu çoklu alanlarda analiz ve optimizasyon araçlarına uygulanan makine öğrenimini kapsayabilir.

Siemens görünümü

iletkenlik birimi kısa süre önce bir teknik inceleme yayınladı Bu konuda. Makale oldukça yüksek seviyede, belirli araçlar veya yetenekler hakkında çok fazla konuşmuyor. Bu, yaklaşan daha ayrıntılı duyurular için istek uyandıran bir sahne belirleyici olduğuna inanmamı sağlıyor. Bu varsayımı aşağıda yapacağım. Makale ilk önce bileşen seçimi ve model oluşturma hakkında konuşuyor. Siemens'in çalışmalarında ERI girişimini takip ettiğine eminim. Model oluşturma için, makinede işlenebilir modeller oluşturmak üzere dokümantasyon veri kaynaklarından veri toplamak için doğal dil işleme ve görüntü tanıma gibi araçlar önerirler.

Şematik oluşturma için, akıllı bir şematik otomatik tamamlama özelliği önerirler. İşlemci gibi bir bileşen yerleştirdiğinizde, benzer tasarım uygulamalarındaki önceki deneyimlere dayalı olarak diğer bileşenler otomatik olarak eklenebilir ve bağlanabilir. Ayrıca, önceki nesil tamamlanmış tasarımlardan yeniden kullanılabilirlik potansiyelini tanımak ve önermek için makine öğrenimi teknikleri önerirler.

Kısıtlama oluşturma ve yönetme, AI yardımı için doğaldır. Ortak kısıtlama seçenekleri ve değerleri, en azından konsept olarak, tasarımlar arasında taşınmalıdır. Buradaki zor kısım, kısıtlamaları sıfırdan yeniden oluşturmak kadar hantal olabilecek denetimli öğrenme ihtiyacını en aza indirmektir. Meta düzeyde öğrenme veya yarı denetimli öğrenme tercih edilir.

Yer ve rota da AI için bariz bir hedeftir. Siemens, eskiz yönlendirme teknolojilerini geliştirmeyi öneriyor (hangisi oldukça temiz). Bu eskiz kalıplarını tasarımlar arasında taşımak için bilgi olarak kullanırlardı (yine bir meta seviye). Son olarak, analiz ve doğrulama için AI kullanmayı öneriyorlar. Bana göre bu, çoklu fizik tasarım ve analiz platformunun merkezini oluşturacaktır. Siemens, mekanik tasarım için bu tasarım ve analiz sınıfında zaten çok deneyimlidir. Aynı türden uzmanlığı PCB tasarımına getirirlerse, bunun güçlü bir pakete dönüştüğünü hayal edebilirsiniz.

Yukarıdaki bağlantıyı kaçırdıysanız, teknik incelemeyi okuyabilirsiniz. İŞTE.

Bu gönderiyi şu yolla paylaş:

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• Plato blok zinciri. Web3 Metaverse Zekası. Bilgi Güçlendirildi. Buradan Erişin.
• Kaynak: https://semiwiki.com/artificial-intelligence/322234-siemens-aspires-to-ai-in-pcb-design/