Optimierung von elektronischen Entwicklungsprozessen mit maschinellen Lernmethoden
Finanzierung: Freie und Hansestadt Hamburg
Kontakt: Morten Schierholz, M.Sc
01.10.2021 – 31.10.2024
Die Entwicklung modernen mehrlagen Leiterplatten ist eine herausfordernde Aufgabe, die von zahlreichen Anforderung begleitet wird. Um Fehlentwicklungen zu verhindern und alle Spezifkationen zu erfüllen, wird die Entwicklung durch elektromagnetische Simulation begleitet. Auf Grund der hohen Komplexität benötigen diese Simulationen Zeit und Computerresourcen. Unter der Annahme, dass die Simulationen zukünftiger Entwicklungen noch zeitintensiver werden, ist eine wichtige Aufgabe die Optimierung der Simulationsschritte. Werden die Simulationen nicht beschleuningt, ist das Resultat, dass künftige Layouts mehr Zeit und Kosten in der Entwicklung für benötigen. Im schlimmsten Fall kann der zusätzliche Aufwand zu fehlerhaften Entwicklungen führen. In diesem Projekt ist der Fokus auf der Optimierung von Entwicklungsmethoden und Prozessen. Ein vielversprechendes Mittel ist die Verwendung von maschinellen Lernmethoden. In einigen Publikationen der letzten Jahre können Ansätze gefunden werden, wie diese Methoden einzelne Optimierungsprozesse unterstützen (zum Bsp. die Platzierung von Entkoppelkondensatoren mit Hilfe von generischen Algorithmen). Des Weiteren sind mit künstlichen neuronalen Netzen Impedanzen von Leiterplatten untersucht worden und in welcher Form sich die Platzierung von Entkoppelkkondensatoren auf diese auswirkt. Zukünftige Aufgaben sollen die Anwendbarkeit der künstlichen neuronalen Netze zu einem gößeren Spektrum von Simulationsaufgaben erweitern. Der Hauptfokus liegt hierbei auf mehrlagen Leiterplatten, welche die Grundlage der meisten elektronischen Produkte bildet. Eine der wichtigsten Aufgaben in diesem Projekt ist neben der Optimierung von Entwicklungsprozessn die Sicherstellung der Kontinuität von Simulationsergebnisses mit bereits existierenden Methoden.
Publikationen:
Generation and Application of a Very Large Dataset for Signal Integrity Via Array and Link Analysis Artikel In: IEEE Transactions on Electromagnetic Compatibility, Early Access, pp. 1 -10, 2024. |
Dimensional Reduction by Auto-Encoders in Machine Learning Based Power Integrity Analysis Proceedings Article Geplante Veröffentlichung In: 2024 IEEE 28th Workshop on Signal and Power Integrity (SPI), Lisbon, Portugal, May 12-15, Geplante Veröffentlichung. |
Application of Gaussian Process Regression for Data Efficient Prediction of PCB-based Power Delivery Network Impedance Features Proceedings Article In: 2024 IEEE 28th Workshop on Signal and Power Integrity (SPI), Lisbon, Portugal, May 12-15 2024. |
PCB based Power Delivery Network Analysis Using Transfer Learning and Artificial Neural Networks Proceedings Article In: 2024 IEEE 28th Workshop on Signal and Power Integrity (SPI), Lisbon, Portugal, May 12-15, 2024. |
Applying Techniques of Transfer and Active Learning to Practical PCB Noise Decoupling Proceedings Article In: DesignCon 2024, Sanata Clara, USA, January 30 - February 1, 2024. |
Engineering-Informed Design Space Reduction for PCB Based Power Delivery Networks Artikel In: IEEE Transactions on Components, Packaging and Manufacturing Technology, vol. 13, no. 10, pp. 1613 - 1623, 2023. |
Data-Efficient Supervised Machine Learning Technique for Practical PCB Noise Decoupling Proceedings Article In: DesignCon 2023 Early-Career, Santa Clara, CA, USA, January 30 - February 1, 2023. |
Parametric S-Parameters for PCB based Power Delivery Network Design Using Machine Learning Proceedings Article In: IEEE Workshop on Signal and Power Integrity (SPI), Siegen, Germany, May 22 -25, 2022. |
Evaluation of Support Vector Machines for PCB based Power Delivery Network Classification Proceedings Article In: IEEE Conference on Electrical Performance of Electronic Packaging and Systems (EPEPS), virtual event, Austin, TX, USA, October 17-20, 2021. |
ANN Hyperparameter Optimization by Genetic Algorithms for Via Interconnect Classification Proceedings Article In: IEEE Workshop on Signal and Power Integrity (SPI), virtual event, Siegen, Germany, May 10-12, 2021. |
Efficient and Flexible Huygens’ Source Replacement of mm-scale Human Brain Implants Proceedings Article In: Joint IEEE International Symposium on Electromagnetic Compatibility, Signal and Power Integrity (EMCS+SIPI) and Symposium on EMC Europe (EMC Europe), virtual event, Glasgow, Scotland, July 26 - August 20, 2021. |
SI/PI-Database of PCB-Based Interconnects for Machine Learning Applications Artikel In: IEEE Access, vol. 9, pp. 34423-34432, 2021. |
ANN Performance for the Prediction of High-Speed Digital Interconnects over Multiple PCBs Proceedings Article In: IEEE Conference on Electrical Performance of Electronic Packaging and Systems (EPEPS) San Jose, CA, USA, 2020. |
Comparison of Collaborative versus Extended Artificial Neural Networks for PDN Design Proceedings Article In: IEEE Workshop on Signal and Power Intergrity (SPI) Cologne, Germany, May 17-20, 2020. |
Evaluation of Neural Networks to Predict Target Impedance Violations of Power Delivery Networks Proceedings Article In: IEEE Conference on Electrical Perfomance of Electronic Packaging and Systems (EPEPS) Montreal, Canada, October 6-9, 2019. |
