Thursday , May 28 2020

Suscribete gratis a nuestro boletin semanal

VISIONA . DESARROLLADORES . CONECTADOS .

Suscribete nuestro boletin semanal

PATROCINADORES
Home / Software Embebido / ML empodera a herramientas EDA para acelerar diseño de circuitos

ML empodera a herramientas EDA para acelerar diseño de circuitos

Compañías dedicadas a la fabricación de plataformas de diseño electrónico (EDAs) han obtenido excelentes resultados de desempeño implementando Machine Learning en el software embebido de sus productos.

ElectronicosOnline.com Magazine / Oswaldo Barajas

Desde que el Aprendizaje de Máquinas llegó a la industria formalmente y pasó de ser un concepto experimental de prototipos de laboratorio a una tecnología democratizada, diversos segmentos industriales se han visto beneficiados con el aparecimiento de más productos y servicios empoderados con Machine Learning (ML), incluyendo el sector de herramientas de diseño electrónico (EDA, por sus siglas en inglés).

 

Una de las empresas que ha implementado exitosamente soluciones de Inteligencia Artificial y ML en sus herramientas EDA es Cadence, firma norteamericana que ofrece una variedad de productos para el diseño de circuitos electrónicos.

En su sitio Web la firma reconoce que la IA promete revolucionar la forma en que viven las personas, y su impacto se verá marcadamente definido en segmentos como los vehículos autónomos o la industria de dispositivos médicos.

“Todos nos beneficiaremos de esta revolución. Los sistemas convolucionales y las redes neuronales recurrentes, así como los algoritmos de Aprendizaje Profundo de Máquinas presentan la oportunidad para dar paso a una revolución electrónica y crear un nuevo renacimiento del silicio con avances en software y bloques IP”, menciona Cadence.

La IA, el ML y el Deep Learning pueden clasificarse en función de la arquitectura subyacente utilizada, en lugar de cómo se aplica. (Imágenes: Cadence).

 

De acuerdo a Rod Metcalfe, miembro del equipo de Administración de Productos de Cadence, la complejidad de los circuitos integrados conlleva a un incremento en el número de iteraciones posibles en el diseño de los circuitos y por consiguiente, una cantidad proporcional de evaluaciones y pruebas técnicas.

Esta apreciación denota que para cada proyecto de diseño los recursos principalmente horas-hombre son un factor predominante que deriva en mayores gastos de inversión para las compañías, no obstante, una regularidad logra culminar en reglas de trabajo que funcionan e inciden enormemente en otras áreas también importantes del diseño.

- PUBLICIDAD -
El lapso previsto antes y durante el flujo de la ruta debe representar el tiempo del diseño final.

 

“El uso de la IA y el ML para pasar del ‘quizás’ al ‘definitivamente’ en menos pasos iterativos puede proporcionar una mayor productividad en un flujo automatizado”, puntualizó Metcalfe. “En EDA, los resultados lo son todo. La industria está en un estado constante de desarrollo para acelerar el proceso de diseño. A medida que los procesos de fabricación se reducen en dimensiones, los ICs se vuelven proporcionalmente más complejos, y, como cualquier ingeniero de diseño enterado de esto, la complejidad aumenta el ciclo de diseño.”

Según refiere el especialista, el descubrimiento de técnicas basadas en ML para integrarlas como software embebido en sus herramientas EDA, ha ayudado a acelerar el diseño de prototipos de los ingenieros dedicados al diseño de circuitos, ya que principalmente les ha ayudado a reducir el número de iteraciones y por ende el tiempo que suelen invertir en fases de evaluación del sistema, haciendo a un lado las codependencias entre los parámetros de diseño.

Se pueden aplicar modelos de predicción al utilizar los datos del tiempo final para el entrenamiento de Aprendizaje de Máquinas.

 

El experto también destaca el hecho de que los circuitos tienden a incrementar su complejidad debido a la densidad en el número de transistores acomodados en los trozos de silicio, lo que es una particularidad en la miniaturización electrónica de las arquitecturas de procesamiento.

“A medida que las dimensiones del proceso de fundición continúan reduciéndose, la densidad de los transistores aumenta en línea con el último nodo. A 7 nm, ya no es posible crear bloques con ‘sólo’ 2 millones de celdas. De hecho, 5, 10 o incluso 15 millones de bloques de celdas se están convirtiendo en la norma, y los ICs pueden integrar fácilmente más de 50 bloques de este tipo”, agrega Rod Metcalfe.

Mejoras documentadas según los antecedentes de Cadence sobre el uso de ML en procesos de diseño de circuitos.

 

Entre los beneficios directos que se han identificado del uso de ML en el flujo de diseño de circuitos, se encuentra el potencial de utilizar recursos de prevención y monitoreo, gracias a la naturaleza del Aprendizaje de Máquinas, que puede ser entrenada para detectar posibles fallos o errores en el flujo de diseño, prediciendo incluso comportamientos que puedan surgir de forma extraordinaria tomando en cuenta diversos factores en el historial del diseño.

- PUBLICIDAD -

Revisa también ...

Esto hace Facebook para detectar cuentas falsas

El equipo asignado a estas tareas implementa algoritmos de Machine Learning y otros métodos computacionales …

NULL