Daten Getriebener Entwurf und Analyse von Hochgeschwindigkeits Verbindungen von Leiterplatten
Finanzierung: Freie und Hansestadt Hamburg
Kontakt: Til Hillebrecht, M.Sc
Start Datum: 17.10.2022
Durch den Ausbau von Informationsnetzen wie beispielsweise das industrielle Internet of Things (IoT) entsteht eine stets steigende Nachfrage nach Daten. Diese erzeugt in logischer Folge eine Nachfrage nach Datenerzeugung, -verarbeitung, -speicherung und dem Datentransport zwischen diesen Schritten. In diesem Projekt werden Möglichkeiten untersucht, wie ein schneller Datentransport gewährleistet werden kann. Ziel ist es dabei Methoden des maschinellen Lernens (ML) zu nutzen, um den Entwurfsprozess für Hochgeschwindigkeits Verbindungen zu beschleunigen. Das Hauptaugenmerk liegt dabei auf der Struktur der Leiterplatte, jedoch werden dabei auch die Effekte von Line Coding und Entzerrern betrachtet. Insgesamt soll dabei eine große SI/PI Datenbank entstehen, auf dessen Grundlage ein hybrider Entwurfs-Fluss entstehen, der Daten getriebene und Physik basierte Methoden kombiniert. Dabei wird untersucht, für welche Teilbereiche und in welcher Weise jeweilige ML Methoden optimal eingesetzt werden können.
Publikationen:
Automated Generation and Correlation of Physics-Based Via Models with Full-Wave Simulation for an SI/PI Database Proceedings Article In: Conference on Electrical Performance of Electronic Packaging and Systems (EPEPS), Milpitas, CA, USA, October 15-18, 2023. |
Multiconductor Transmission Lines for Orbital Angular Momentum (OAM) Communication Links Artikel In: IEEE Transactions on Components, Packaging and Manufacturing Technology, vol. 12, no. 2, pp. 329-340, 2022. |
Prediction of Frequency Dependent Shielding Behavior for Ground Via Fences in Printed Circuit Boards Proceedings Article In: IEEE Workshop on Signal and Power Integrity (SPI), Chambery, France, June 18-21, 2019. |
