Siemensiin kuuluva EDA-talo Mentor Graphics on liittynyt eurooppalaiseen Nano2022-tutkimushankkeeseen. Sen sisällä yhtiö aikoo yhdessä STMicroelectronicsin kanssa kehittää koneoppimista hyödyntävää piirien verifioinnin tekniikkaa.
ST:n suunnittelualustojen johtaja Cyril Colin-Madanin mukaan tarvitaan tiiviimpää yhteistyötä EDA- ja puolijohdetoimittajan välillä, jotta Euroopassa voidaan pysyä mukana sirutekniikan kehityksessä. Yksi välttämätön keino on hyödyntää tekoälyä. - Kymmenen vuoden kuluttua koneoppiminen on muuttanut EDA-työkaluja radikaalisti.
Yksi alue, jossa koneoppimista tullaan nopeasti hyödyntämään, on suunnittelujen verifiointi eli toiminnallisuuden varmentaminen. Mentorin DMS/AMS-työkalujen suunnittelujohtaja Jean-Marc Talbotin mukaan tyypillinen moderni solukirjasto pitää sisällään yli tuhat erilaista solua/toiminnallisuutta, yleensä vähintään kolme eri jännitealuetta, sekä satoja variaabeleita, jotka liittyvät prosessiin, jännitteeseen ja lämpötilamuuttujiin.
Yleensä nämä ovat osana suunnittelua erilaisina datatyyppeinä. – Tämä tarkoittaa, että tarvitaan yli 25 miljoonaa simulointia ja täytyy validoida yli tuhat tiedostoa, että suunnittelu saadaan verifioitua. – Tämä tarkoittaa, että pitäisi ajaa tuhansia prosessoreita useiden viikkojen ajan, Talbot sanoo.
Tilastollinen samanlaisen piiri karakterisointi edellyttäisi yli biljoonaa simulaatiota, mikä tarkoittaa tuhannen CPU:n farmin ajamista useiden vuosien ajan. On selvää, etteivät vanhat tekniikat toimi. Lisäksi nykymenetelmät generoivat paljon virheitä, eli piirien toimintaa ei pystytä varmentamaan.
Onneksi Mentorilla on ratkaisu tähän karakterisoinnin pullonkaulaan. Se perustuu vuonna 2017 ostettuun Solidoon ja sen kehittämiin, koneoppimista hyödyntäviin karakterisointityökaluihin. Kyse on standardikirjastoja tukevasta alustasta, joka toimii kaikkien karakterisointityökalujen kanssa ja kaikkien kirjastodatatyyppien kanssa.
Mentoin analogia- ja sekasignaalipiirien verifiointityökaluihin (AMS) nykyään sisältyvän Solidon työkalujen iso etu on, että ne oppivat suunnittelusta koko ajan lisää lennossa alkuvaiheen suunnittelusta lähtien. ML-mallien avulla suunnittelu nopeutuu 5-10-kertaisesti. Tulokset ovat myös parempia, sillä standardisolujen ajoituksen tarkkuus paranee alle kahteen prosenttiin tai kahteen pikosekuntiin.
Käytännössä suunnittelut saadaan verifioitua tunneissa viikkojen sijaan, Talbot kehuu Solidon koneoppimismalleja. – Työkalut korjaavat suunnittelun monimutkaisia ongelmia nopeasti ja luotettavasti.
ST:n kannalta Nano2022-yhteistyö Mentorin kanssa antaa sille pääsyn uusimpiin EDA-työkaluihin. ST pyrkii myös sertifioimaan Mentorin työkalujen käytön omissa tuotteissaan.
Autoteollisuus on siirtymässä yhä monimutkaisempiin ohjelmistopohjaisiin järjestelmiin, joissa virheetön ohjelmisto on elintärkeää turvallisuuden ja suorituskyvyn varmistamiseksi. Ohjelmiston laatu ja luotettavuus eivät ole enää vain valinnaisia ominaisuuksia, vaan kriittisiä vaatimuksia erityisesti autonomisessa ajamisessa, kehittyneissä kuljettajaa avustavissa järjestelmissä (ADAS) ja yhdistetyissä ajoneuvojärjestelmissä.
Kestävä digitaalinen infrastruktuuri on kriittinen, jotta tietoliikenneverkot voidaan tehokkaasti valjastaa tekoälyinnovaatioiden ja pilvipohjaisten palveluiden tarpeisiin. Tekoälyyn liittyvien datarikkaiden sovellusten lisääntyvä kysyntä edellyttää tietoliikenneverkkoa, joka kykenee käsittelemään suuria tietomääriä alhaisella viiveellä, kirjoittaa Orange Businessin kumppaniratkaisuista vastaava Carl Hansson.
Euroopan unioni ottaa merkittävän askeleen avaruusteknologian kehittämisessä allekirjoittamalla sopimuksen uuden IRIS²-satelliittijärjestelmän toteuttamisesta. Tämä 290 satelliitin verkko on suunniteltu vahvistamaan Euroopan itsenäisyyttä ja turvallista yhteydenpitoa.
Jotta voidaan vastata uuden teknologian vaatimuksiin ja pitää järjestelmät toimimassa ”kellon tavoin”, on aika harkita ajoitusratkaisuja uudelleen. Tässä kaksiosaisessa "Precision Timing" -artikkelissa opit, miksi mikroelektromekaanisiin järjestelmiin eli MEMS-komponentteihin perustuvat piiajoituslaitteet päihittävät kvartsin elektroniikkasuunnittelun uudella aikakaudella. 
Matalatehoisten langattomien ratkaisujen asiantuntija Nordic Semiconductor ja eSIM-ratkaisuja kehittävä Kigen ovat julkistaneet yhteistyön, joka sujuvoittaa massiivisten IoT-verkkojen käyttöönottoa. Yhdessä he esittelevät CES 2025 -messuilla ratkaisun, joka yhdistää Nordic Semiconductorin nRF9151-moduulin ja Kigenin SGP.32 IoT eSIM-teknologian sekä laitteiden hallinta-alustan.
