復雜的任務可以更快、更準確地完成，現在可以更可靠地預測故障，并在故障發生之前進行修復。用于實現這一切的人工智能技術，以及如何將這些技術應用于更多任務，是西門子數字工業軟件公司(Siemens Digital Industries Software)最新白皮書的主題。白皮書全面展示了我們不斷變化的世界，這是電子系統設計專業的必讀書目。首先讓我們看看西門子數字工業公司對人工智能的看法及其對系統設計的影響。

行業中的人工智能工具

人工智能這個詞的含義非常廣泛。它代表了算法和信息處理策略的集合。其中許多概念已經存在了很長一段時間，有些可以追溯到20世紀40年代。由巨大的處理能力支持的新應用策略組合創造了我們現在正在目睹的革命。根據白皮書:

在過去的十年里，人工智能(AI)已經從一個有遠見的概念發展成為許多大公司的主流現實。

白皮書概述了在這場革命中發揮作用的技術，以及它們如何結合起來解決現實世界的問題。建議您從白皮書中獲得所有這些的第一手資料。這些技術通過數學、計算機科學、統計學和心理學交織在一起。它們包括機器學習和深度學習。人工智能應用的目標是廣泛的，包括:

?做出明智的決定，提高效率；

?以最小的努力完成日常任務，提高工作效率；

?通過推薦下一個任務來提高專業知識；

?AI在PCB設計中的應用。

白皮書以PCB設計為例，說明人工智能的影響。PCB設計對工程師提出了挑戰，他們需要為復雜快速的IC提供足夠的功率和冷卻，同時保持電路板上各種IC之間的每個高速信號的信號和熱完整性。問題的復雜性可能會迅速爆發。這個應用程序提供了一個很好的背景，可以看到人工智能可以改變設計的各種方式。

白皮書討論了人工智能對設計過程的許多影響。這里是一個簡短的總結:

學習曲線：經驗豐富的工程師可以憑借直覺選擇最佳應用工具和設置選項。這就是高級工程師的生產率遠遠高于初級工程師的主要原因。如果人工智能能夠捕捉到這種直覺，讓初級工程師像高級工程師一樣工作，那會怎么樣?

組件選擇：工程師花費大量時間研究組件的選擇，以最佳地滿足系統需求。如果一個基于歷史信息的模型能夠大大減少選擇時間，結果會怎樣呢?

組件模型創建：生成模型來表示組件(例如，符號、2D/3D物理幾何和仿真模型)需要花費大量時間，并且需要許多不同的技能。如果自然語言處理、圖像識別和機器學習可以在這里應用呢?

原理圖連接：最佳的組件放置和連接需要一個廣闊的設計視角。這是人工智能發揮作用的另一個機會。

動態重用：一旦設計完成，應用于一個設計的知識通常就會丟失。如果這些知識可以被保存和管理呢?

約束條件：同樣，先驗知識可以使這項任務更容易，得到更高質量的結果。

布局：這些任務使用啟發式方法優化自動化過程。如果人工智能可以讓這些方法更具體、更準確呢?

分析和驗證：對材料特性、物理布局和溫度/電壓等因素的設計敏感性都使這一過程具有挑戰性。如果人工智能可以將相互依賴關系提煉成一個更可預測的模型呢?

設計綜合：將所有這些結合在一起，生成AI方法將產生巨大影響。

大局觀

西門子數字工業軟件涉足非常廣泛。客戶遍及許多市場、行業和應用領域。白皮書討論了在這一廣泛領域部署人工智能的一些投資。

討論的例子包括：

?基于AI/ ML的邊緣應用加速器更快進入市場；

?基于遺傳算法的輸電網高效解耦電容組優化；

?一個自適應UI，通過預測用戶最有可能使用的命令來提高用戶的工作效率；

?在微流中提供下一步建議的準確率達到90%。

這是一套應用非常廣泛的AI應用程序，涵蓋設計、制造和生產。作為西門子Xcelerator產品組合的一部分，這些工具可幫助電子系統設計公司利用人工智能技術將未來產品推向市場。