Gli attuali strumenti di progettazione dei circuiti stampati (PCB) sono ben lontani dagli strumenti rudimentali che si usavano qualche decennio fa, ma anche se gli algoritmi sono ora piuttosto intelligenti, risultano ancora basilari per quanto riguarda l'intelligenza. È possibile stabilire delle regole di progettazione complete per adattarsi ad innumerevoli vincoli, al fine di limitare il posizionamento e il routing (instradamento) dei componenti, che ci avvisano quando abbiamo oltrepassato i limiti. Sarebbe interessante sapere cosa avverrebbe se l'Intelligenza Artificiale (IA) venisse introdotta come strumento di progettazione di PCB, come potrebbe migliorare l'ambiente di progettazione e cosa accadrebbe se applicassimo tecniche di IA e apprendimento automatico come parte del flusso di progettazione. In questo articolo, faremo una panoramica sulle sfide, potenzialità e futuro prossimo dell’IA quale strumento di progettazione di PCB.
Introduzione
I progettisti di PCB sono abituati a progetti complessi, e gran parte del processo di progettazione è una sfida ingegneristica abbastanza semplice. Tuttavia, il numero di opzioni e potenziali interazioni è aumentato vertiginosamente. Esistono molti modi per raggiungere lo stesso obiettivo, ma alcuni modi sono migliori di altri nel contesto dell'integrità del sistema o di un'applicazione specifica. In ogni caso, tenere traccia di tutti i possibili compromessi e opzioni in un progetto complesso si sta avvicinando alla singolarità tecnologica, il punto ipotetico in cui la capacità del computer rivaleggia con quella di un cervello umano. Google, Synopsys, Xilinx, Cadence, Intel e Siemens stanno lavorando su applicazioni IA per la progettazione dei circuiti integrati. Di recente, le tecniche basate sull'apprendimento automatico (ML) sono state utilizzate in modo efficiente in diverse applicazioni, dove la capacità di apprendimento avanzata le rende uniche per risolvere qualsiasi problema complesso o non lineare. Anche la progettazione di circuiti integrati ha beneficiato delle tecniche ML a diversi livelli, dalla modellazione dei dispositivi al test dei chip prodotti. Il layout dei circuiti integrati è un'attività molto laboriosa che in genere richiede iterazioni. Le prestazioni di un circuito integrato dipendono da dove si trovano le cose l'una rispetto all'altra. Anche le distanze tra gli oggetti, la lunghezza del conduttore, la capacità e l'induttanza delle interconnessioni sono importanti. Dopo il layout iniziale, i valori simulati delle variabili vengono retro-annotati nella progettazione. Questo primo layout potrebbe non essere perfetto, quindi sono necessarie ulteriori iterazioni. Ridurre il numero di iterazioni e, quindi, il tempo del ciclo di progettazione utilizzando l'IA può essere estremamente conveniente. Gran parte della stessa metodologia si verifica con il layout PCB: eseguiamo una simulazione pre-layout per determinare i vincoli, una simulazione post-layout per verificare il layout e quindi i risultati vengono retro-annotati. Il processo può anche richiedere molte iterazioni.
All'inizio del 2023, Cadence ha annunciato il rilascio della tecnologia cloud Allegro X AI, affermando che riduce drasticamente i tempi di progettazione, automatizzando il posizionamento, la generazione del piano di alimentazione e il routing di rete critico. Cadence sviluppa da decenni strumenti di posizionamento e routing per la sintesi dei circuiti integrati, e ora ha adattato la tecnologia per il posizionamento e routing di PCB. Interconnessioni più corte e crossover ridotti sono essenziali sia per il layout del chip che per quello del PCB, ma il routing critico che incorpora i requisiti di integrità del segnale e tempo di esecuzione è di maggiore importanza per il PCB. Purtroppo, la maggior parte dei fornitori EDA non ha le stesse risorse delle grandi aziende tecnologiche, da investire nel posizionamento e routing. Il sostegno finanziario, unito all'ingegneria creativa, riduce il time-to-market. Gli strumenti EDA richiederanno inevitabilmente molto più tempo per essere sviluppati, quindi la maggior parte delle aziende EDA è principalmente interessata a fare ricerca e sviluppo che aumentino le vendite nel ciclo successivo, non a lungo termine.
Attualmente, gli strumenti EDA utilizzano algoritmi per controllare il posizionamento automatico e il routing. Si tratta di un set di istruzioni che un programma per computer segue per portare a termine un'attività. I router dei PCB hanno attraversato molte diverse fasi di sviluppo nel corso degli anni, da applicazioni di terze parti difficili da apprendere, utilizzare e interfacciare, ad un ambiente di layout/router coeso e basato sul cloud. Le applicazioni di routing di integrati e PCB hanno utilizzato molti degli stessi algoritmi nel tempo, e non sono tanto gli algoritmi a differire, quanto piuttosto l'ambiente che determina quale algoritmo è più efficace. Con l'avvento dell'IA, l'apprendimento automatico applica l'Intelligenza Artificiale che fornisce ai sistemi la capacità di apprendere e migliorare automaticamente dall'esperienza senza essere programmati in modo esplicito. È un pò come il modo in cui i progettisti di PCB esperti sanno come affrontare al meglio un compito complesso: l'esperienza è il miglior insegnante di tutti. Gli algoritmi sono procedure implementate nel codice e nei dati eseguiti, mentre i modelli di apprendimento automatico sono prodotti da algoritmi e sono composti da “dati modello” e da un algoritmo di previsione. Gli algoritmi di apprendimento automatico forniscono un tipo di programmazione in cui i modelli di apprendimento rappresentano il programma. In altre parole, gli algoritmi sono i mattoni che costituiscono l'apprendimento automatico e l'Intelligenza Artificiale.
Un modello di apprendimento automatico è un modello che è stato addestrato per riconoscere determinati tipi di modelli, il modello viene addestrato su un set di dati, fornendogli un algoritmo che può utilizzare per ragionare e apprendere da tali dati. In particolare, i modelli di apprendimento automatico sono programmi per computer utilizzati per riconoscere modelli nei dati o per fare previsioni. I modelli di apprendimento automatico vengono creati da algoritmi di apprendimento automatico. Gli algoritmi si adattano, evolvono e migliorano in base ai dati che elaborano. I modelli possono essere utilizzati per fare previsioni, categorizzare informazioni o scoprire schemi. I progettisti di PCB qualificati hanno molti anni di esperienza nella definizione di progetti complessi come i circuiti FPGA e di memoria ad alta velocità, per cui l'Intelligenza Artificiale deve assorbire queste stesse informazioni per ottenere gli stessi (o migliori) risultati ma in tempi molto più brevi. I dati sotto forma di regole di progettazione e immagini di strategie di routing preferite, possono essere immessi nel livello di input del modello di apprendimento automatico. Gli algoritmi nei livelli nascosti del modello possono quindi elaborare questi dati e riconoscere, prevedere e creare il layout risultante (Figura 1).
Figura 1: ML e IA per l’elaborazione, riconoscimento dei dati e creazione del layout di PCB
Immagini campione di modelli di routing costanti più la netlist, regole appropriate per vincoli elettrici e meccanici, configurazioni di stackup utilizzate di frequente, tempi di sistema e requisiti di memoria (oltre a diagrammi campione di progetti funzionanti), vengono immessi nel modello in cui gli algoritmi di apprendimento riconoscono ed elaborano le immagini ed i dati per prevedere una soluzione ottimale. L'apprendimento automatico utilizza due tipi di tecniche: apprendimento supervisionato, che addestra un modello su dati di input e output noti in modo che esso possa prevedere output futuri, e apprendimento non supervisionato, che trova modelli nascosti o strutture intrinseche nei dati di input.
ATTENZIONE: quello che hai appena letto è solo un estratto, l'Articolo Tecnico completo è composto da ben 2027 parole ed è riservato agli ABBONATI. Con l'Abbonamento avrai anche accesso a tutti gli altri Articoli Tecnici che potrai leggere in formato PDF per un anno. ABBONATI ORA, è semplice e sicuro.
