PCB設(shè)計(jì)中的AI應(yīng)用挑戰(zhàn)

在過(guò)去的十年里，人工智能 (AI) 已經(jīng)從一個(gè)前瞻性的概念，發(fā)展成為許多大型公司日常運(yùn)營(yíng)的重要部分。

AI 是一套計(jì)算技術(shù)，使機(jī)器能夠在沒(méi)有任何人類(lèi)干預(yù)的情況下進(jìn)行推理和推斷。這些技術(shù)是利用基于數(shù)學(xué)、計(jì)算機(jī)科學(xué)、統(tǒng)計(jì)學(xué)和心理學(xué)的跨學(xué)科方法開(kāi)發(fā)的?；?AI 的解決方案可以分析大量數(shù)據(jù)，識(shí)別其中的趨勢(shì)和模式，然后利用這些結(jié)果來(lái)改進(jìn)現(xiàn)有流程，并提出建議以幫助用戶(hù)做出更好的決策。

機(jī)器學(xué)習(xí) (ML) 是 AI 的一個(gè)分支，它利用統(tǒng)計(jì)學(xué)習(xí)算法構(gòu)建可以自動(dòng)從經(jīng)驗(yàn)中學(xué)習(xí)并改進(jìn)的系統(tǒng)，而無(wú)需明確編程。ML 使機(jī)器能夠從數(shù)據(jù)中學(xué)習(xí)，而不需要明確地為其編寫(xiě)規(guī)則。

深度學(xué)習(xí) (DL) 是機(jī)器學(xué)習(xí)的一個(gè)分支，其背后的靈感來(lái)源于人類(lèi)大腦過(guò)濾信息和從實(shí)例學(xué)習(xí)的方式。它幫助計(jì)算機(jī)模型通過(guò)神經(jīng)網(wǎng)絡(luò)層過(guò)濾輸入數(shù)據(jù)，以預(yù)測(cè)信息和進(jìn)行分類(lèi)。

隨著視覺(jué)和語(yǔ)音識(shí)別、自然語(yǔ)言處理、自動(dòng)駕駛車(chē)輛和數(shù)據(jù)挖掘取得重大進(jìn)步，AI 技術(shù)已變得更加先進(jìn)，能夠顯著降低電子系統(tǒng)設(shè)計(jì)的復(fù)雜性，并提高設(shè)計(jì)效率、質(zhì)量和生產(chǎn)力。

試想一下，如果您的電子系統(tǒng)設(shè)計(jì)工具內(nèi)置了 AI、ML 和 DL 技術(shù)，那將會(huì)是什么樣子。這正是西門(mén)子的愿景：將 AI、ML 和 DL 算法整合到產(chǎn)品中，以加快設(shè)計(jì)創(chuàng)新的速度并降低流程的復(fù)雜性。

西門(mén)子的目標(biāo)是提供 AI 增強(qiáng)工具，以幫助電氣工程師和設(shè)計(jì)人員：

? 做出明智的決策，提高效率

? 輕松完成日常工作，提高生產(chǎn)力

? 通過(guò)推薦后續(xù)任務(wù)來(lái)提升專(zhuān)業(yè)技能

PCB 設(shè)計(jì)中的 AI 應(yīng)用挑戰(zhàn)

PCB 電子系統(tǒng)工程師的任務(wù)很艱巨，需要為復(fù)雜、高速的 IC 設(shè)計(jì)合格的供電和散熱方案，同時(shí)還要確保電路板上各 IC 之間的每個(gè)高速信號(hào)的信號(hào)和熱完整性。設(shè)計(jì)人員必須在日益縮短的上市時(shí)間窗口內(nèi)，交付這些日益復(fù)雜的 PCB 和互連電子系統(tǒng)，并以較低功耗實(shí)現(xiàn)一流的性能。

學(xué)習(xí)曲線(xiàn) – 人的因素

高效 PCB 設(shè)計(jì)的重大挑戰(zhàn)之一是理解該領(lǐng)域并掌握 EDA 工具所涉及的學(xué)習(xí)曲線(xiàn)非常陡峭。大多數(shù)工程師是在工作中學(xué)習(xí) PCB 設(shè)計(jì)。他們向?qū)熣?qǐng)教，自己學(xué)習(xí)，或者通過(guò)查閱 EDA 公司的技術(shù)資料來(lái)學(xué)習(xí)。但重要的內(nèi)容 —— 設(shè)計(jì)的不同對(duì)象之間的連接原因和方式，以及如何高效利用設(shè)計(jì)工具 —— 卻很少在培訓(xùn)中涉及。

PCB 設(shè)計(jì)專(zhuān)家以特定方式使用工具來(lái)實(shí)現(xiàn)出色的設(shè)計(jì)。這些用戶(hù)對(duì)該領(lǐng)域有著深刻的理解，并能巧妙地應(yīng)對(duì)設(shè)計(jì)工具的各種微妙之處，從而交付高效的設(shè)計(jì)方案。雖然任何工程師都有可能成為專(zhuān)家，但培養(yǎng)所需的技能需要多年的時(shí)間。

AI 能夠從已完成的設(shè)計(jì)中挖掘出如何使用工具完成設(shè)計(jì)任務(wù)的模式，并以可復(fù)用的形式管理這些知識(shí)。然后，AI 會(huì)引導(dǎo)設(shè)計(jì)人員或工程師進(jìn)入下一個(gè)合理的步驟，而無(wú)需他們?nèi)ニ阉鹘酉聛?lái)應(yīng)該做什么，從而提供更好的設(shè)計(jì)質(zhì)量。

元器件選擇

設(shè)計(jì)工程師花費(fèi)大量時(shí)間研究和選擇符合設(shè)計(jì)要求的元器件。他們?yōu)g覽多家元器件制造商的產(chǎn)品說(shuō)明，尋找可用于設(shè)計(jì)的適當(dāng)元器件。我們可以基于歷史信息開(kāi)發(fā)一個(gè)模型，并用來(lái)推薦可行選擇以縮小搜索范圍。例如，當(dāng)選擇處理器時(shí)，ML 模型可以基于歷史知識(shí)預(yù)測(cè)所需的其他元器件。

元器件模型創(chuàng)建

生成表示元器件的模型（例如符號(hào)、2D/3D 物理幾何形狀和仿真模型）也需要大量時(shí)間。在大型企業(yè)中，有專(zhuān)門(mén)的庫(kù)管理員團(tuán)隊(duì)來(lái)負(fù)責(zé)查閱元器件產(chǎn)品說(shuō)明，并將其轉(zhuǎn)換為設(shè)計(jì)工具可以使用的模型。這不僅要求具備深入的電子 領(lǐng)域知識(shí)，還要求了解用于生成模型的各種工具。通過(guò)使用自然語(yǔ)言處理、圖像識(shí)別和 ML 等 AI 技術(shù)，系統(tǒng)可以自動(dòng)處理這些產(chǎn)品說(shuō)明來(lái)生成所需的模型。

原理圖連接

在原理圖中布置好元器件之后，另一項(xiàng)手動(dòng)任務(wù)是建立連接，此任務(wù)非常耗時(shí)且容易出錯(cuò)。如果訓(xùn)練 ML 模型從已完成設(shè)計(jì)中提取關(guān)于元器件的使用和連接的信息，原理圖輸入工具就能向用戶(hù)推薦可能要布置在原理圖中的元器件。例如，當(dāng)設(shè)計(jì)人員放置處理器時(shí)，ML 模型可以基于歷史知識(shí)預(yù)測(cè)其需要的其他元器件。用戶(hù)確認(rèn)布局之后，工具可以提出管腳對(duì)管腳連接建議，以加快設(shè)計(jì)任務(wù)的進(jìn)行。

動(dòng)態(tài)復(fù)用

可以對(duì)已完成設(shè)計(jì)的功能模塊進(jìn)行分析以供復(fù)用，并在支持使用各種參數(shù)進(jìn)行搜索的智能數(shù)據(jù)庫(kù)中管理這些模塊。用 DL 算法訓(xùn)練模型以生成一個(gè)系統(tǒng)，使得設(shè)計(jì)工具可以預(yù)測(cè)模塊的潛在功能。通過(guò)分析原理圖中布置的元器件并使用訓(xùn)練好的 ML 模型，原理圖設(shè)計(jì)工具將會(huì)推薦匹配的功能模塊。類(lèi)似地，可以從已完成設(shè)計(jì)中提取可復(fù)用的布局布線(xiàn)模塊，并在設(shè)計(jì)人員布置電路板時(shí)呈現(xiàn)。

約束

PCB 設(shè)計(jì)通常要遵循版圖、高速設(shè)計(jì)、制造和測(cè)試方面的眾多規(guī)則（約束）。這些信息通常是手動(dòng)輸入到各個(gè)設(shè)計(jì)工具中，這是一個(gè)非常耗時(shí)且容易出錯(cuò)的過(guò)程。如果設(shè)計(jì)工具能夠推薦各種設(shè)計(jì)元素需要定義的約束和值，那么上述風(fēng)險(xiǎn)就能得到有效的控制。這些建議應(yīng)該基于當(dāng)前設(shè)計(jì)中使用的技術(shù)和從已發(fā)布設(shè)計(jì)中收集的知識(shí)。

版圖 - 布局和布線(xiàn)

元器件的布局和走線(xiàn)的布線(xiàn)要占用項(xiàng)目總時(shí)間的很大一部分。各種因素，如設(shè)計(jì)規(guī)則、匹配延遲和基于技術(shù)的布線(xiàn)策略等，都會(huì)影響版圖工程師關(guān)于元器件布局和布線(xiàn)的決策。AI 系統(tǒng)可以利用從已完成設(shè)計(jì)中獲得的知識(shí)，推薦布局和布線(xiàn)策略。

自動(dòng)布局是又一個(gè)可以大大縮短總設(shè)計(jì)時(shí)間的功能。開(kāi)發(fā)此功能需要根據(jù)當(dāng)前設(shè)計(jì)要求調(diào)整推薦的布局策略，并增強(qiáng)工具以執(zhí)行布局建議。

大多數(shù)現(xiàn)有版圖工具都支持自動(dòng)布線(xiàn)。此功能的當(dāng)前實(shí)現(xiàn)大多基于啟發(fā)法，并非在所有情況下都能產(chǎn)生理想的結(jié)果。使用自動(dòng)布線(xiàn)器的版圖工程師必須花費(fèi)大量時(shí)間為自動(dòng)布線(xiàn)器設(shè)置規(guī)則，并完成自動(dòng)布線(xiàn)器遺漏的網(wǎng)絡(luò)布線(xiàn)。根據(jù)所用的疊層和技術(shù)推薦自動(dòng)布線(xiàn)器設(shè)置，是減少與使用自動(dòng)布線(xiàn)器相關(guān)的工作量的第一步。

自動(dòng)布線(xiàn)器根據(jù)設(shè)計(jì)人員定義的規(guī)則集生成最優(yōu)布線(xiàn)，但生成的布線(xiàn)在視覺(jué)上并不美觀(guān)。西門(mén)子 Xpedition Layout 工具引入了一種先進(jìn)的布線(xiàn)方法 —— 草圖布線(xiàn)，版圖工程師可以指示該工具按照草圖為一組網(wǎng)絡(luò)線(xiàn)路生成美觀(guān)的布線(xiàn)。我們可以使用 AI/ML 提取這些草圖模式，將其應(yīng)用到新的設(shè)計(jì)中，并在自動(dòng)布線(xiàn)器中生成布線(xiàn)。

分析和驗(yàn)證

利用 AI/ML 算法，分析和驗(yàn)證工具可以了解各種設(shè)計(jì)敏感性，例如電氣材料特性的變化、物理設(shè)計(jì)尺寸及其影響、收發(fā)器 I/O 特性、溫度/ 電壓變化以及所有這些變量對(duì)電路板或系統(tǒng)的綜合影響，從而生成更好的設(shè)計(jì)。

ML/DL 算法可用來(lái)改進(jìn)網(wǎng)格細(xì)化，微調(diào)用戶(hù)選項(xiàng)以產(chǎn)生更精確的仿真結(jié)果，并為過(guò)孔、走線(xiàn)和電纜優(yōu)化提供更好的替代建模。根據(jù)歷史運(yùn)行情況，為各種設(shè)置推薦適當(dāng)?shù)闹祦?lái)運(yùn)行各種仿真，可以產(chǎn)生更好的結(jié)果。

設(shè)計(jì)綜合

自動(dòng)生成所需的 PCB 設(shè)計(jì)和相應(yīng)的制造輸出，是將 AI 應(yīng)用于電子系統(tǒng)設(shè)計(jì)的終極目標(biāo)。這不僅能減少完成設(shè)計(jì)所需的時(shí)間，還能消除通常由手動(dòng)操作造成的代價(jià)高昂的錯(cuò)誤。生成式設(shè)計(jì)依靠 AI 算法，通過(guò)系統(tǒng)地改變電路板的參數(shù)、結(jié)構(gòu)或形狀來(lái)找到最優(yōu)解。AI 驅(qū)動(dòng)的行為模型針對(duì)電路板設(shè)計(jì)流程中廣為人知環(huán)節(jié)的創(chuàng)新，加速了生成式設(shè)計(jì)技術(shù)的發(fā)展。

審核編輯：湯梓紅