23.07.2021. Ein Team aus acht Studenten, Doktoranden und Forschern der Technischen Universität Ilmenau und des IMMS Institut für Mikroelektronik- und Mechatronik-Systeme gemeinnützige GmbH (IMMS GmbH) gewann am 22. Juli 2021 den EDA Competition Award.
Der vom IEEE Council on Electronic Design Automation (CEDA) für Nachwuchswissenschaftler mit 1000$ gesponserte Wettbewerb rief anlässlich der internationalen Konferenzen zu Methoden für den Entwurf integrierter Schaltungen SMACD 2021 und PRIME 2021 dazu auf, Lösungen zu demonstrieren, die die Entwurfsautomatisierung für integrierte Schaltungen und Systeme verbessern helfen.
Julian Kuners, Student der Ingenieurinformatik an der TU Ilmenau und studentischer Mitarbeiter am IMMS, präsentierte der Jury aus Vertretern von Cadence Design Systems GmbH Germany, Dialog Semiconductor Germany, Infineon Technologies Germany, Gebze Technical University Turkey und der Universität Reutlingen den Beitrag „Trash or Treasure? Machine-learning based PCB layout anomaly detection with AnoPCB”. Dieses Software-Projekt wurde an der TU Ilmenau von Dr. Marco Seeland und Prof. Dr.-Ing. Patrick Mäder vom Lehrstuhl Daten-intensive Systeme und Visualisierung sowie am IMMS betreut. Die Arbeit baut auf Lösungen auf, die in der Thüringer Forschergruppe IntelligEnt für das Layout von Mikroelektronik-Chips entwickelt wurde. „Beim Layout von Analog-/Mixed-Signal-Schaltungen entwirft man den Bauplan für den Chiphersteller. Formal korrekte Layouts können aber Unstimmigkeiten enthalten, wie z.B. Substratkopplung und Mismatch“, erklärt Georg Gläser vom IMMS, Spezialist für die Integration von KI-Methoden in die Entwurfsautomation und Leiter der Forschergruppe.
Design-Erfahrung von Ingenieuren spiele vor allem beim geometrischen Entwurf von Schaltungen eine große Rolle und diese letzten Schritte auf dem Weg zur Fertigung erfordern Wissen darüber, welche Leitungen besonders empfindliche oder stark störende Signale führen und wie diese behandelt werden müssen, so Gläser weiter. „Wir haben deshalb in der Forschergruppe ein KI-basiertes Anomalie-Erkennungsverfahren entwickelt, mit dem nicht-erprobte und potenziell fehlerhafte Stellen in Layouts detektiert werden können.“ Wichtig seien dabei die Lösungen für eine flexible Datenrepräsentation, denn damit lassen sich Layoutdaten sowohl für Chips als auch für Leiterplatten verarbeiten – und um letztere gehe es im prämierten Beitrag.
„Julian Kuners, Henning Franke und Paul Kucera haben dann als studentische Mitarbeiter am IMMS das Software-Projekt weiterentwickelt. Sie haben unserem lernenden Anomalie-Erkennungsverfahren als Plugin für das freie PCB-Entwurfswerkzeug KiCad den letzten Schliff gegeben. Damit können unsere Ansätze viel breiter angewendet werden“, so die Einschätzung von Gläser. Mit dem Plugin lassen sich KiCad-Signale in Kategorien einteilen und an den Trainings- bzw. Evaluationsprozess übergeben.
Das System wurde so entworfen, dass die Entwurfsdaten beim Benutzer für das Verfahren vorbereitet und dann an einen zentralen Server zur Verarbeitung übermittelt werden. So wird einerseits ein ggf. notwendiger Grafikprozessor nur im Server benötigt und andererseits können die Entwürfe mehrerer Benutzer kombiniert werden. Die Jury bewertete die Lösungen der Kandidaten unter anderem anhand von Komplexität, Automatisierungsgrad, Designer-Schnittstelle, Anwendbarkeit, Integrationsgrad mit verfügbaren Entwurfswerkzeugen und Robustheit: „Das vorgestellte Tool überzeugte die Jury durch die Komplexität des gestellten Problems, das unserer Einschätzung nach gut gelöst wurde. Das Tool ist benutzerfreundlich und wir sehen es nicht nur als akademische Lösung an, sondern als eine Lösung, die auch im praktischen Einsatz von PCB-Designern genutzt werden kann. Das Tool hat ein erhebliches Potential und wir sind interessiert, wie es weitergeht“, sagt Jury-Mitglied Anton Klotz der Cadence Design Systems GmbH. „Fürs erste Training haben wir quelloffene Entwürfe wie Crazyflie und HackRF genutzt und dort dann Fehlerstellen eingebaut. Mit unserem Plugin zur Anomalie-Erkennung konnten wir diese Stellen schnell und korrekt ausfindig machen“, erklärt Julian Kuners. „Das spornt uns natürlich an – und der Preis sowieso.
Den Anlass möchten wir gerne nutzen und Entwickler aufrufen, mit dem Plugin zu arbeiten. Je mehr Trainingsdaten es gibt, desto mehr können wir es ausbauen und verbessern.“ Dafür soll das Plugin in naher Zukunft bereitgestellt werden.
Der vom IEEE Council on Electronic Design Automation (CEDA) für Nachwuchswissenschaftler mit 1000$ gesponserte Wettbewerb rief anlässlich der internationalen Konferenzen zu Methoden für den Entwurf integrierter Schaltungen SMACD 2021 und PRIME 2021 dazu auf, Lösungen zu demonstrieren, die die Entwurfsautomatisierung für integrierte Schaltungen und Systeme verbessern helfen.
Julian Kuners, Student der Ingenieurinformatik an der TU Ilmenau und studentischer Mitarbeiter am IMMS, präsentierte der Jury aus Vertretern von Cadence Design Systems GmbH Germany, Dialog Semiconductor Germany, Infineon Technologies Germany, Gebze Technical University Turkey und der Universität Reutlingen den Beitrag „Trash or Treasure? Machine-learning based PCB layout anomaly detection with AnoPCB”. Dieses Software-Projekt wurde an der TU Ilmenau von Dr. Marco Seeland und Prof. Dr.-Ing. Patrick Mäder vom Lehrstuhl Daten-intensive Systeme und Visualisierung sowie am IMMS betreut. Die Arbeit baut auf Lösungen auf, die in der Thüringer Forschergruppe IntelligEnt für das Layout von Mikroelektronik-Chips entwickelt wurde. „Beim Layout von Analog-/Mixed-Signal-Schaltungen entwirft man den Bauplan für den Chiphersteller. Formal korrekte Layouts können aber Unstimmigkeiten enthalten, wie z.B. Substratkopplung und Mismatch“, erklärt Georg Gläser vom IMMS, Spezialist für die Integration von KI-Methoden in die Entwurfsautomation und Leiter der Forschergruppe.
Design-Erfahrung von Ingenieuren spiele vor allem beim geometrischen Entwurf von Schaltungen eine große Rolle und diese letzten Schritte auf dem Weg zur Fertigung erfordern Wissen darüber, welche Leitungen besonders empfindliche oder stark störende Signale führen und wie diese behandelt werden müssen, so Gläser weiter. „Wir haben deshalb in der Forschergruppe ein KI-basiertes Anomalie-Erkennungsverfahren entwickelt, mit dem nicht-erprobte und potenziell fehlerhafte Stellen in Layouts detektiert werden können.“ Wichtig seien dabei die Lösungen für eine flexible Datenrepräsentation, denn damit lassen sich Layoutdaten sowohl für Chips als auch für Leiterplatten verarbeiten – und um letztere gehe es im prämierten Beitrag.
„Julian Kuners, Henning Franke und Paul Kucera haben dann als studentische Mitarbeiter am IMMS das Software-Projekt weiterentwickelt. Sie haben unserem lernenden Anomalie-Erkennungsverfahren als Plugin für das freie PCB-Entwurfswerkzeug KiCad den letzten Schliff gegeben. Damit können unsere Ansätze viel breiter angewendet werden“, so die Einschätzung von Gläser. Mit dem Plugin lassen sich KiCad-Signale in Kategorien einteilen und an den Trainings- bzw. Evaluationsprozess übergeben.
Das System wurde so entworfen, dass die Entwurfsdaten beim Benutzer für das Verfahren vorbereitet und dann an einen zentralen Server zur Verarbeitung übermittelt werden. So wird einerseits ein ggf. notwendiger Grafikprozessor nur im Server benötigt und andererseits können die Entwürfe mehrerer Benutzer kombiniert werden. Die Jury bewertete die Lösungen der Kandidaten unter anderem anhand von Komplexität, Automatisierungsgrad, Designer-Schnittstelle, Anwendbarkeit, Integrationsgrad mit verfügbaren Entwurfswerkzeugen und Robustheit: „Das vorgestellte Tool überzeugte die Jury durch die Komplexität des gestellten Problems, das unserer Einschätzung nach gut gelöst wurde. Das Tool ist benutzerfreundlich und wir sehen es nicht nur als akademische Lösung an, sondern als eine Lösung, die auch im praktischen Einsatz von PCB-Designern genutzt werden kann. Das Tool hat ein erhebliches Potential und wir sind interessiert, wie es weitergeht“, sagt Jury-Mitglied Anton Klotz der Cadence Design Systems GmbH. „Fürs erste Training haben wir quelloffene Entwürfe wie Crazyflie und HackRF genutzt und dort dann Fehlerstellen eingebaut. Mit unserem Plugin zur Anomalie-Erkennung konnten wir diese Stellen schnell und korrekt ausfindig machen“, erklärt Julian Kuners. „Das spornt uns natürlich an – und der Preis sowieso.
Den Anlass möchten wir gerne nutzen und Entwickler aufrufen, mit dem Plugin zu arbeiten. Je mehr Trainingsdaten es gibt, desto mehr können wir es ausbauen und verbessern.“ Dafür soll das Plugin in naher Zukunft bereitgestellt werden.
