Zum Hauptinhalt springen

Projekt KI-EDA

IMMS entwickelt neuartiges Designer-Assistenzsystem und smarte Modelle zum Entwurf von Sensor- und Steuerchips für I4.0-Anwendungen

Ziel von KI-EDA ist es, die Werkzeuge der Künstlichen Intelligenz (KI) für den schnellen und zuverlässigen Entwurf von maßgeschneiderten Encoder- und Sensorchips zu erschließen. Solche mikroelektronischen Systeme werden für neuartige intelligente, autonome Produktionssysteme benötigt, die Daten sicher und dezentral analysieren und damit Fertigungsszenarien prognostizieren und verbessern können.

Herkömmliche Entwurfsmethoden reichen für komplexe und individuelle Designs meist nicht aus

Mit Encoder- und Sensorchips werden beispielsweise Drehbewegungen an Maschinen erfasst und in elektronische Signale für die digitale Verarbeitung umgewandelt. Diese Chips werden für Produktionsanlagen und -prozesse individuell angepasst und werden immer leistungsfähiger und komplexer. Der Entwurf und die Verifikation der Chips stößt mit herkömmlichen Methoden der elektronischen Design-Automation (EDA) an Grenzen und ist in weiten Teilen durch das Erfahrungswissen von Design-Ingenieuren geprägt.

Neue Methoden sollen Entwicklungszeit kundenspezifischer Chips um bis zu zwei Drittel senken

Im Projekt KI-EDA wird daher unter der Leitung der iC-Haus GmbH an KI-unterstützten Methoden der Entwurfsautomatisierung und an einem Baukastensystem für das Chipdesign gearbeitet. Individuelle Funktionen sollen sich in Form von Funktionsblöcken mit kurzen Designzeiten und geringer Fehlerquote schnell und kostengünstig auswählen, kombinieren, simulieren und in ein für die geplante Anwendung maßgeschneiderten Encoder- bzw. Sensorchip überführen lassen. Weiterhin wird es damit möglich, neue Funktionalitäten wie z. B. KI-basierte Predictive-Maintenance-Lösungen flexibel und schnell zu realisieren. Fehler im Entwurf und damit zeitaufwändige Redesigns sollen auf diese Weise reduziert werden. Es wird angestrebt, die Entwicklungszeit von kundenspezifischen Chips um bis zu zwei Drittel zu senken.

Die Partner iC-Haus und CENTITECH werden hierfür intelligente Funktionen und energieautarke Lösungen für die neuen mikroelektronischen Systeme erforschen, realisieren und in anwendungsnahen Demonstratoren charakterisieren. Damit sollen die für einen flächendeckenden und breiten Einsatz in I4.0-Produktionsumgebungen erforderlichen Eigenschaften gewährleistet werden. Zudem stellen die Partner sicher, dass die Systeme in hohen Stückzahlen gefertigt werden können.

IMMS überführt ML-Algorithmen und smarte Modelle in Baukastensystem zum schnellen und sicheren Chip-Entwurf

Das IMMS wird Algorithmen des maschinellen Lernens (ML) für ihre Anwendbarkeit im Chip-Design (EDA) erforschen und in ein neuartiges Designer-Assistenzsystem überführen, um die Entwurfsprozesse effizienter zu gestalten und zu beschleunigen. Die neu zu erforschenden ML-Methoden werden vor allem einer schnellen Entwurfsabsicherung dienen und damit die Designsicherheit erhöhen. Sie zielen insbesondere auf die modellbasierte Fehlersuche ab und sollen die Komplexität bei der Arbeit mit IP-Bibliotheken, d. h. mit Sammlungen von vorhandenen Schaltungskomponenten bzw. Elektronikblöcken, reduzieren. Neue Chips lassen sich so im Baukastensystem zusammenzusetzen. Darüber hinaus wird das IMMS „Smart Models“ erforschen und realisieren. Erstmals werden damit Modelle dank neuer Algorithmik in die Lage versetzt, ihren eigenen Gültigkeitsbereich rechnerisch zu überprüfen und damit falsch-positive Verifikationsergebnisse auszuschließen.

Akronym / Name:

KI-EDA / Baukastensystem mit Künstlicher Intelligenz für das beschleunigte Entwickeln von Spezialchips für die Industrie 4.0

Laufzeit:2020 – 2022

Anwendung:

Automatisierungstechnik und Industrie 4.0|EDA| Elektronische Design-Automation| Automatisierung Chip-Entwurf| ASIC-Design| Verifikation

Forschungsfeld:Integrierte Sensorsysteme


Zugehörige Inhalte

Alle PublikationenKI-EDA

Veranstaltung,

SMACD 2022

International Conference on Synthesis, Modeling, Analysis and Simulation Methods, and Applications to Circuit Design

Pressemitteilung,

KI zum Entwurf von Antriebssteuerchips als Schlüsselprodukte für die Industrie 4.0

Virtuelles Kick-off-Meeting zum Projektstart von KI-EDA


Kontakt

Kontakt

Eric Schäfer, M. Sc.

Leiter Mikroelektronik und Institutsteil Erfurt

eric.schaefer(at)imms.de+49 (0) 361 663 25 35

Eric Schäfer und sein Team erforschen Integrierte Sensorsysteme und hier insbesondere CMOS-basierte Biosensoren, ULP-Sensorsysteme und KI-basierte Entwurfs- und Testautomatisierung. Die Ergebnisse fließen in die Forschung an den Leitthemen Sensorsysteme für die In-vitro-Diagnostik und RFID-Sensoren ein. Er unterstützt Sie mit Dienstleistungen rund um die Entwicklung integrierter Schaltungen und mit KI-basierten Methoden für komplexe IC-Entwürfe.


Förderung

Das Projekt KI-EDA wird vom Bundesministerium für Bildung und Forschung im Rahmen der Maßnahme „Mikroelektronik für Industrie 4.0 (ElektroniK I4.0)“ unter der Verbundnummer es2eli4001 gefördert, das IMMS unter dem Kennzeichen 16ME0010.


Das könnte Sie auch interessieren

Dienstleistung

IC-Entwurfsmethoden

Wir entwickeln für Ihre System-on-Chip- und FPGA-Entwürfe neue KI-basierte Methoden und Werkzeuge, um die steigende Komplexität integrierter Systeme zu beherrschen und damit die Leistungsfähigkeit weiter zu steigern.

Dienstleistung

Integrierte Schaltungen

Wir entwickeln und realisieren für Sie anwendungsspezifische integrierte Schaltungen (ASICs) in CMOS-, BiCMOS- und SOI-Technologien. Wir realisieren fehlerfreie ASICs mit unseren Erstentwürfen.

Forschungsfeld

Integrierte Sensorsysteme

Hier erforschen wir in Halbleitertechnologien gefertigte miniaturisierte Systeme aus mikroelektronischen Komponenten für sensorische Anwendungen sowie Methoden, um diese hochkomplexen Systeme effizient und sicher zu entwerfen.

Kernthema

KI-basierte Entwurfs- und Testautomatisierung

Wir forschen daran, den Entwicklungsprozess von integrierten Sensorsystemen mit KI sicher und kostengünstiger zu machen. KI kann die Entwickler im Prozess unterstützen, Fehler zu vermeiden und informelles Wissen automatisiert anzuwenden.

Zurück