Opis projektu
Uczenie maszynowe może przyspieszyć konstrukcję zaawansowanych obwodów analogowych
Nowy trend zwany „smart everything”, oznaczający, że każde urządzenie może być inteligentne, przyczynił się do wzrostu zapotrzebowania na zaawansowane technologie półprzewodnikowe i inteligentne przetwarzanie danych. Pomimo postępów w tej dziedzinie analogowe obwody pozostają w tyle za ich cyfrowymi odpowiednikami – obwody analogowe są wciąż produkowane w laboratoriach, co zwiększa nie tylko ich podatność na błędy, ale również koszty wytwarzania. Badacze z finansowanego ze środków UE projektu AnalogCreate chcą wykorzystać potencjał uczenia maszynowego, aby przyspieszyć projektowanie zaawansowanych zintegrowanych obwodów na potrzeby obiecujących zastosowań w zakresie informacji i komunikacji. Prace prowadzone w ramach projektu umożliwią bezprecedensowe, autonomiczne tworzenie przystępnych cenowo obwodów analogowych w oparciu o specyfikacje, których układ będzie w pełni weryfikowalny i to bez konieczności czerpania informacji zwrotnych od człowieka.
Cel
Progress in semiconductor technology and in intelligent data processing are converging today, opening the door to countless smart ICT applications through the Cloud and Internet of Everything, to the people’s benefit in years to come. Applications that interact with the physical world (e.g. environmental sensing, healthcare, autonomous vehicles, etc.), also need analog integrated circuits in the cyber-physical or edge layer. But while digital circuits are largely synthesized automatically through software, the analog circuits are mainly still handcrafted in industry with low design productivity. This results in long and error-prone design cycles, and the high development costs jeopardize many potential new ICT applications from ever being realized (e.g. solutions for rare diseases). It becomes even more problematic when moving to advanced technologies below 16 nm CMOS, that come with way more design and layout rules to be dealt with. The showstopper for state-of-the-art analog synthesis tools is that they require design heuristics and constraints to be entered explicitly by designers in order to handle the humongous solution space and to steer the circuit and layout optimizations towards acceptable solutions. The proposed disruptively new approach is to use the self-learning capabilities of advanced machine learning algorithms to self-learn and then exploit the design expertise and constraints from the many available successfully completed designs. Also a true circuit topology synthesis approach will be developed to create a proper (possibly novel) schematic from the target specifications, as well as an innovative formal analog design verification approach based on Quick Error Detection. These innovations will enable for the first time ever to truly autonomously create analog circuits from specifications to fully verified layout without direct input from any designer in the loop, and therefore enable the affordable implementation of many promising ICT applications.
Dziedzina nauki
- engineering and technologymechanical engineeringvehicle engineeringautomotive engineeringautonomous vehicles
- engineering and technologyelectrical engineering, electronic engineering, information engineeringelectronic engineeringanalogue electronics
- natural sciencescomputer and information sciencesdata sciencedata processing
Słowa kluczowe
Program(-y)
Temat(-y)
System finansowania
ERC-ADG - Advanced GrantInstytucja przyjmująca
3000 Leuven
Belgia