Infineon este unul dintre cei mai importanți furnizori de circuite integrate pentru industria auto datorită nivelului ridicat al calității și tehnologiilor proprii. Aceasta presupune însă timpi de dezvoltare lungi și costuri ridicate de cercetare și proiectare, crescute și de necesitatea abordării specificațiilor din ce în ce mai complexe impuse de clienții companiei.
Aplicațiile tradiționale de CAD (computer-aided design), utilizate în mod curent pentru gestionarea acestor constrângeri, nu mai pot ține pasul cu specificațiile din ce în ce mai complexe. Una dintre soluțiile care se întrevăd, inspirată din progresul în multe alte domenii, este aceea de a utiliza tehnici de Inteligență Artificială (IA) în CAD.
Infineon a recunoscut potențialul IA pentru modernizarea și creșterea eficacității fluxului sau de lucru, dar necesită ajutorul unui centru de cercetare recunoscut și cu cunoștințe de specialitate în acest domeniu.
Scopul proiectului
În acest context, proiectul urmărește valorificarea experienței Infineon în proiectarea și verificarea circuitelor și a cunoștințelor Universității Politehnica București (UPB) în domeniul IA pentru a crește nivelul de maturitate al tehnologiei curente de proiectare folosită în Infineon. Mai precis, cei mai potriviți algoritmi de IA folosiți sau dezvoltați de UPB vor fi integrați în fluxul de lucru pentru proiectarea și verificarea circuitelor din Infineon.
Rezumatul etapelor proiectului
Etapa 1/2020
Prima etapă a proiectului DAIA a avut trei obiective principale care au fost realizate în proporție de 100%:
Definirea unor circuite reprezentative pentru optimizările propuse în cadrul proiectului și automatizarea simulărilor pentru acestea;
Adaptarea și integrarea unor algoritmi eficienți de optimizare multiobiectiv. Îmbunătățirea algoritmilor de optimizare cu capabilitatea de eșantionare inteligentă a condițiilor de operare. Caracterizarea lor din punct de vedere al convergenței și al gradului de explorare;
Testarea algoritmilor într-un flux de proiectare similar cu cel real cu un circuit de test.
Activitățile realizate în etapa 1/2020 au fost următoarele:
A1.1: Definirea, pregătirea și automatizarea setup-ului de test.
A1.2: Selectarea și adaptarea unor algoritmi de optimizare multi-obiectiv pentru tratarea variației condițiilor de operare.
A1.3: Evaluarea exhaustivă a algoritmilor de IA adaptați în cadrul A1.2. Partea I.
A1.4: Management, diseminare și comunicare etapa I.
Etapa 2/2021
Etapa a II-a a proiectului DAIA a avut opt obiective principale care au fost realizate în proporție de 100%:
Testarea algoritmilor într-un flux de proiectare similar cu cel real cu două circuite de test;
Proiectarea și dezvoltarea unei aplicații software pentru a conecta algoritmii de IA adaptați la A1.2 într-un flux de proiectare asemănător cu cel real;
Proiectarea și implementarea unei interfețe grafice care să permită unui inginer de proiectare să aplice tehnologia de optimizare în fluxul de proiectare folosit;
Proiectarea și implementarea unei interfețe de comunicație a tehnologiei de optimizare cu o bază de date pentru stocarea și accesarea rezultatelor;
Testarea de către 5 ingineri proiectanți din câteva departamente diferite a între trei și cinci circuite concrete folosind fluxul de proiectare cu unealta software de optimizare inteligentă;
Adresarea problemelor de tehnologie de optimizare ale uneltei software de către echipa de cercetare și dezvoltare care va analiza raportul și va decide care sunt activitățile ce trebuie realizate pentru rezolvarea problemelor semnalate de proiectanți, apoi va genera o variantă îmbunătățită de tehnologie și va solicita o nouă etapă de testare;
Adresarea problemelor de integrare in fluxul general de dezvoltare a uneltei software de către echipa de cercetare și dezvoltare care va genera o variantă îmbunătățită a uneltei software și va solicita o nouă etapă de testare;
Prezentarea rezultatelor științifice la două conferințe internaționale și actualizarea paginii web a proiectului;
Activitățile realizate în etapa 2/2021 au fost următoarele:
A2.1: Evaluarea exhaustivă a algoritmilor de IA adaptați în cadrul A1.2. Partea a II-a.
A2.2: Proiectarea și implementarea unei aplicații software de interconectare a tehnologiei de optimizare cu mediul de simulare.
A2.3: Proiectarea și implementarea unei interfețe grafice pentru aplicația software.
A2.4: Proiectarea și implementarea unei interfețe de comunicație cu o bază de date pentru aplicația software.
A2.5: Testarea si validarea uneltei software in mediul de lucru relevant, în cadrul Infineon. Partea I.
A2.6: Adresarea problemelor de tehnologie de optimizare ale uneltei software. Partea I.
A2.7: Adresarea problemelor de integrare in fluxul general de dezvoltare a uneltei software. Partea I.
A2.8: Management, diseminare și comunicare etapa II.
Etapa 3/2022
Cea de-a treia etapă a proiectului DAIA a avut patru obiective principale care au fost realizate în proporție de 100%:
Testarea și validarea uneltei software în mediul de lucru din cadrul companiei Infineon pentru un număr minim de trei circuite concrete.
Analizarea și rezolvarea problemelor de tehnologie semnalate de inginerii proiectanți și testarea suplimentara a uneltei software îmbunătățite rezultate.
Analizarea și rezolvarea problemelor de integrare semnalate de inginerii proiectanți și testarea suplimentara a uneltei software îmbunătățite rezultate.
Prezentarea rezultatelor științifice la conferințe din domeniu și și publicarea în jurnale științifice. Actualizarea paginii web a proiectului unde vor fi publicate și diseminate informațiile proiectului.
Activitățile realizate în etapa 3/2022 au fost următoarele:
A3.1: Testarea si validarea uneltei software in mediul de lucru relevant, în cadrul Infineon. Partea a II-a.
A3.2: Adresarea problemelor de tehnologie de optimizare ale uneltei software. Partea a II-a.
A3.3: Adresarea problemelor de integrare in fluxul general de dezvoltare a uneltei software. Partea a II-a.
A.3.4: Management, diseminare și comunicare etapa III.
Rezultate
Rezultatul proiectului este o tehnologie de optimizare multiobiectiv ce abordează simultan proiectarea și verificarea funcționării circuitului în diverse condiții de operare. Această tehnologie a fost implementată într-o unealtă software și validată în mediul de lucru specific al Infineon, atingând astfel nivelul de maturitate tehnologică TRL6.
Tehnologia de proiectare și verificare tradițională (sus), respectiv tehnologia bazată pe IA la finalizarea proiectului (jos). Legenda termeni: PP - parametri de proiectare, CO - condiții de operare, spec - specificații.
Mecanismul de stabilire automată a parametrilor de proiectare (PP), respectiv a condițiilor de operare (CO) ce sunt utilizate în simulări, este integrat într-o unealtă software ce este pusă la dispoziția inginerului proiectant. Folosind această unealtă, care include și o interfață grafică, inginerul introduce datele privind circuitul proiectat, precum și gamele de variație pentru parametrii de proiectare, având posibilitatea de a solicita optimizarea PP și acoperirea tuturor CO sau a unei selecții de CO. Concomitent cu procesul de optimizare a PP, este verificată și funcționarea corectă a circuitului în diverse CO.
Pe baza testelor interne estimăm că am realizat o creștere a indicatorilor de performanță de cel puțin 10%, creștere ce ar trebui să fie suficientă menținerii produsului în limita specificațiilor în condiții reale de funcționare. Această creștere poate fi observată calitativ în figura de mai jos.
Cele mai bune soluții generate de MACE, BO, GDE3, MODEBI-S1, MODEBI-S2, MODEBI-S3 pentru cele trei obiective ale unui circuit studiat.
De asemenea, am implementat și integrarea unui modul inteligent pentru configurarea automată a acestor algoritmi în vederea obținerii performanțelor maxime fără a necesita ajustări din partea inginerului proiectant. Așa cum se poate vedea în figura următoare, noii algoritmi dezvoltați în cadrul proiectului sunt capabili să reducă cu 50% timpul de optimizare a parametrilor de proiectare și să verifice funcționarea circuitului în CO critice.
Evoluția în timp a CV-ului pentru cea mai bună soluție din populație (linie continuă) și evoluția HV-ului populației (linie punctată) pentru populația cu soluții fezabile pentru GDE3, MACE și MODEBI-S2 pe două circuite studiate.
Rezultatele au fost publicate (sau sunt în curs de publicare) în șase articole științifice la conferințe și în reviste de profil:
M. Stănescu, C. Vişan, G. Sandu, H. Cucu, C. Diaconu, A. Buzo and G. Pelz, "Multi-Objective Optimization Algorithms for Automated Circuit Sizing of Analog/ Mixed-Signal Circuits," in 2021 International Semiconductor Conference (CAS), 2021, pp. 117-120.
C. Vişan, O. Pascu, M. Stănescu, H. Cucu, C. Diaconu, A. Buzo and G. Pelz, "Versatility and Population Diversity of Evolutionary Algorithms in Automated Circuit Sizing Applications," in 2021 International Conference on Speech Technology and Human-Computer Dialogue (SpeD), 2021, pp. 68-73.
C. Vișan, O. Pascu, M. Stănescu, E.-D. Șandru, C. Diaconu, A. Buzo, G. Pelz and H. Cucu, "Automated Circuit Sizing with Multi-objective Optimization based on Differential Evolution and Bayesian Inference," Knowledge Based Systems, 2022 (in press).
C. Vișan, O. Pascu, M. Stănescu, H. Cucu, C. Diaconu, A. Buzo and G. Pelz, "Improving MODEBI: Multi-Objective Optimization Based on Differential Evolution and Bayesian Inference," U.P.B. Scientific Bulletin, 2022 (in press).
C. Manolache, A. Caranica, M. Stănescu, H. Cucu, A. Buzo, C. Diaconu and G. Pelz, "Advanced Operating Conditions Search applied in Analog Circuit Verification," in 2022 18th International Conference on Synthesis, Modeling, Analysis and Simulation Methods and Applications to Circuit Design (SMACD), 2022, pp. 1-4.
O. Pascu, C. Vișan, M. Stănescu, H. Cucu, C. Diaconu, A. Buzo and G. Pelz, "Efficient Modeling of PVT Variation for Mixed-Signal Circuit Sizing," in 2022 International Semiconductor Conference (CAS), 2022 (in press).
