盡管這對于電子產(chǎn)品的消費者和用戶來說非常好，但對于工程師來說，PCB設(shè)計工作變得越來越困難，他們必須盡可能地充分利用可用空間并將組件緊密地放置在一起，而又不冒失敗的風險。因此，在設(shè)計PCB時，必須格外小心，而且這項任務(wù)通常由經(jīng)驗豐富的工程師承擔。
為了幫助簡化和優(yōu)化PCB設(shè)計和測試流程，弗勞恩霍夫研究所（Fraunhofer Institute）開發(fā)了一個模塊化的AI平臺，該平臺利用經(jīng)過訓練的算法來執(zhí)行不同的任務(wù)。
帶有用于機器學習，深度學習和人工智能的模塊的模塊化平臺，圖片由Fraunhofer FIT拍攝。
關(guān)于電路板AI模塊化平臺
“模塊化設(shè)計意味著我們可以利用多種算法，從而不斷提高自身的性能。通過持續(xù)自動檢查組件生成的數(shù)據(jù)將流回到算法中。這樣就為人工智能模塊的自學過程提供了基礎(chǔ)。”弗勞恩霍夫FIT項目經(jīng)理Timo Brune解釋說。 “這種永久性的反饋增強了數(shù)據(jù)庫并優(yōu)化了真實的負面率。業(yè)界的早期估計表明，這可能會將生產(chǎn)資源的使用減少約20％?！?/span>一旦對算法進行了訓練，就可以將其用于從頭開始設(shè)計新的PCB。根據(jù)FIT團隊的說法，這可能會結(jié)束PCB開發(fā)中的“冗長而昂貴的反復(fù)試驗程序”，在PCB開發(fā)中，在板上安排和重新布置組件，直到偶然發(fā)現(xiàn)最佳配置為止。該團隊還聲稱，PCB應(yīng)用只是許多示例之一，在該示例中，可以使用模塊化的自增強算法來增強電子設(shè)計過程。
