Keysight Technologies hat ein neues EDA-Softwareportfolio (Electronic Design Automation) vorgestellt. Es soll Entwicklern helfen, die Anforderungen von Technik der nächsten Generation zu meistern.
Da die Elektronikindustrie auf Hochtouren fortschrittliche Lösungen für 5G/6G- und Rechenzentrumsanwendungen entwickelt, nutze die Keysight-Suite, die aus verschiedenen EDA-Tools besteht, nun KI, Machine Learning (ML) und Python-Integrationen, um die Designzeit für komplexe HF- und Chiplet-Produkte deutlich zu reduzieren.
Damit adressiere man entscheidende Herausforderungen im Entwicklungslebenszyklus, indem sie die Datenmanipulation, Integration und Steuerung der bekannten Simulatoren verbessert und es den Entwicklern ermöglicht, effiziente Workflows nahtlos über mehrere Tools hinweg aufzubauen.
KI-gestützte Workflows und High-Performance-Computing verkürzen laut Keysight die Time-to-Insight weiter, sodass die Entwickler mit größerer Sicherheit von der Simulation zur Verifikation und Konformität übergehen können. Für die Simulation schneller digitaler Verbindungen ist die Software mit End-to-End-Komponentenmodellen und -messungen ausgestattet, die den digitalen Standards entsprechen und einen effizienten und hochpräzisen digitalen Zwilling für komplexe digitale elektronische Design-Herausforderungen darstellen.
Nilesh Kamdar, General Manager EDA Design & Verification bei Keysight, sagte dazu: „KI verändert die Art und Weise, wie Entwickler komplexe Design-Herausforderungen angehen. Die Automatisierung von traditionell zeitintensiven Aufgaben ermöglicht es Entwicklern, sich auf Innovationen statt auf sich wiederholende Verfeinerungen zu konzentrieren, was zu echten Produktivitätsgewinnen führt.“ Die Grundlage für die praktische Anwendung von KI und ML sei zunächst ein offener, interoperabler Workflow und dann die Bereitstellung schlüsselfertiger Lösungen, die auf spezifische Anwendungen abgestimmt sind. „Es ist eine faszinierende Zeit, und KI und ML werden in Zukunft zweifelsohne ein großer Motor für Design-Innovationen sein“, so Kamdar weiter.
Stephen Slater, Director of Product Management bei Keysight, ergänzte: „Mit dieser Version können Entwickler ganz einfach Daten aus Messungen oder Sweep-Simulationen importieren, um neuronale Netzwerkmodelle zu trainieren, die dann in nachfolgenden Simulationen sehr schnell ausgeführt werden. Das eröffnet neue Möglichkeiten, große Teile des HF-Designs zu abstrahieren und gemeinsam zu optimieren, was den Entwicklungsprozess erheblich beschleunigt.“