Mobile menu
AI＆機械学習
ホーム AI＆機械学習

AI＆機械学習

AI製品の回路基板を設計する場合でも、PCB設計ツール内で機械学習を使用する場合でも、次世代の設計ソフトウェアが必要です。アルティウムのソフトウェアには機械学習が組み込まれており、設計フローやその他数え切れないほどの機能で生産性を向上させることができます。業界におけるAI PCB設計と機械学習についての詳細はこちらをご覧ください。

Understanding the PCB Design Process
Filter
見つかりました
Sort by
役割
ソフトウェア
コンテンツタイプ
フィルターをクリア
チップ上に仮想ブレインを持つPCBボード AI革命を加速する：MLとAIを可能にする6つのコンポーネントトレンド 1 min Blog 電気技術者 電気技術者 電気技術者 人工知能（AI）と機械学習（ML）が世界経済に与える変革的な影響は否定できません。製造業、医療、物流、金融サービスに至るまで、これらの先進技術は私たちの未来を形作るだけでなく、現在を積極的に定義しています。この広範なデジタル革命の基盤となっているのは、あまり注目されていないが非常に重要なエネーブラーである電子部品産業です。 データが生の入力から価値ある洞察へと変わる旅は、現代の電子部品の驚異を証明しています。最先端のプロセッサ、高速メモリユニット、洗練されたセンサー、電力管理回路を横断する魅力的な航海です。各段階は、データを知識と実用的なインテリジェンスに変える部品によって容易にされる、重要な節目を表しています。 電子部品産業は、AIとML駆動の時代の単なるエネーブラーではなく、その真髄です。業界は継続的に革新し、適応することで、AIとMLの成長と進化を育んでいます。この記事では、この重要な関係を検討し、部品産業がAIとMLアプリケーションの進歩をどのように支え、その結果、私たちの集団的な賢明な未来への飛躍をどのように推進しているかを探ります。 AIとMLへの需要を理解する AIとML（機械学習）技術への関心は、各セクターを横断して指数関数的に増加しています。企業はこれらの先進技術を活用してタスクを自動化し、意思決定を改善し、パーソナライズされた体験を提供することで、前例のないレベルまで需要を高めています。しかし、AIとMLのアルゴリズムの複雑さは、膨大な計算能力と特定のコンポーネントを必要とします。 AIとMLの約束を果たすことは、ソフトウェアやアルゴリズムを超えた課題です。それは、堅牢で効率的なハードウェアを必要とします。例えば、機械学習に必要な膨大なデータ量を処理するには、強力なプロセッサが必要です。人間の脳の機能を模倣してAIを可能にするニューラルネットワークは、集中的な計算操作のために特殊なグラフィックス処理ユニット（GPU）を必要とします。さらに、AIとMLシステムは、データを保存および取得するための迅速かつ信頼性の高いメモリコンポーネントと、システム性能を最大化するための効率的な電力管理回路が必要です。 AIとMLを推進する主要なコンポーネントカテゴリー AIとMLアプリケーションの広範なスペクトラムは、多様な電子コンポーネントを必要とします。これらのコンポーネントの各カテゴリーは、AIとMLシステムの機能性、性能、および効率において重要な役割を果たします。 プロセッサはAI計算の基盤です。 セントラルプロセッシングユニット（CPU）は汎用性を提供し、 グラフィックプロセッシングユニット（GPU）は、その並列処理能力により、AIやMLアルゴリズムで一般的な集約的な行列やベクトル演算を特に適切に処理できます。さらに、 GoogleのTensor Processing Unit（TPU）のような特殊なAIチップは、Google自身のAIソフトウェアフレームワークであるTensorFlowに最適化されており、GraphcoreのIntelligence Processing Unit（IPU）と共に、AI計算用に特別に設計されており、高性能とエネルギー効率を提供します。 メモリコンポーネントは、AIおよびMLシステムによって処理される膨大なデータを扱うために不可欠です。高速メモリ技術である ダイナミックランダムアクセスメモリ（DRAM）および フラッシュメモリは迅速なデータアクセスを提供し、 抵抗性RAM（RRAM）および 記事を読む
PCB設計にChatGPTは使用できますか？ PCB設計にチャットGPTは使えるのか？ 1 min Blog PCB設計者 PCB設計者 PCB設計者 ChatGPTは、エンジニアリングを含めてすべてをひっくり返します。PCB設計にLLMは使用できるでしょうか。ChatGPTで自動化できるいくつかのタスクを見ていきます。 記事を読む
ChatGPTを使用した自動テスト ChatGPTを使用した自動テスト 1 min Altium Designer Projects 電気技術者 電気技術者 電気技術者 ChatGPTを効果的に自動テストに活用する方法を学びましょう。 記事を読む
組み込みAI 組み込みAIの前進への道 1 min Blog 2021年4月、私はPrinted Circuit Design & Fabに記事を発表し、AIの未来は組み込みにあると宣言しました。簡単に言うと、私の見解は、組み込みシステムがエンドデバイスでAIの使用をより多く活用し、推論のためにクラウドプラットフォームやデータセンターに頼ることが少なくなるというものです。 疑いなく、私はAIの未来は依然として組み込みにあると信じていますが、思っていたチップセットやシステムアーキテクチャとは異なります。前の記事を書いた時点では、組み合わせ論理+順序論理がすべての計算問題を克服できるという考えにまだ固執していました。経験から、それが単純に不可能であることが示されました。 この見解は過去18か月間で確認されており、特に2022年に多くの新しいAIアクセラレータチップがリリースされたことを考えると、明らかです。PCBデザイナーやエンジニアにとって、これらのチップは標準インターフェースを介して設計に迅速にAI機能を追加するための優れたオプションです。通常、これらはPCIe Gen2またはそれ以上の速度のレーン、可能性としてはUSB経由、または低計算アクセラレータの場合はSPIのような遅いものを介してアクセスされます。チップは、通常の方法で配置してルーティングする標準パッケージ（クアッドまたはBGA）で提供されます。オンデバイスAIがどこから来て、次にどこへ向かっているのかを見るために、2022年にリリースされた最も興味深いAIアクセラレータのいくつかを紹介することにしました。 2022年のAIプロセッサリリース 世界がAIの世界に入った今、ハードウェア業界はソフトウェア業界に匹敵するために多くの地盤を築く必要があります。以下の表には、組み込みAIアプリケーションを対象とした新しい高度なプロセッサのいくつかがリストされています。 製品 組織 差別化要因 スパイキングニューラルネットワークチップ インド工科大学 超低消費電力 階層型学習プロセッサ Ceromorphic 代替トランジスタ構造 インテリジェントプロセッシングユニット（IPU） 記事を読む
アプリケーションのためのAIのカスタマイズ アプリケーションに合わせたAIのカスタマイズ 1 min Blog AI技術は、デバイスが世界とどのように相互作用するかを急速に変えています。従来、プログラマーはシステムが現実世界のさまざまな予測不可能な状況にどのように反応するかを事前に決定する必要がありました。AIを使用すると、そのモデルは望ましい反応を捉えるように訓練され、予期しなかった状況に対しても信頼性の高い望ましい反応を提供できるようになります。 AIに新しい開発者が直面する課題の一つは、アプリケーションに合わせたAI実装をカスタマイズすることです。特定のアプリケーションが自身のボード実装を正当化するのに十分なボリュームを持っていない限り、市販のAIボードは一般的な効果に焦点を当てがちです。それらはすべてのアプリケーションに必要ではないリソースやインターフェースを持っているため、不必要にコストを増加させます。 例えば、 Jetson Nano Developer Kit のような開発者キットは、基本的なAI実装を作成する方法に慣れるのに最適な方法です。Jetson Nanoにはさまざまなインターフェースが付属しており、非常に短時間でテストシステムを立ち上げて動かすことが簡単です。このキットは、センサー処理からビデオ分析、音声処理に至るまで、幅広い多様なアプリケーションの優れた出発点として機能します。 しかし、一般的なAIシステムの構築方法を理解すると、最終的な製造ハードウェアに可能な限り近いプロトタイプを使用してアプリケーションの開発を開始したくなるでしょう。これは、AIをエッジに移行する際に特に重要です。 クラウド内のGPUのコスト、可用性、およびスケーラビリティは非常に柔軟です。必要な応答性を得られない場合や、モデルが当初考えていたよりも多くのデータを効果的に処理する必要があることがわかった場合、簡単にクラウドリソースを追加できます。 しかし、エッジではそうはいきません。エッジでは、コスト、パフォーマンス、および精度のバランスを取りたい場合に最適なリソースの組み合わせを決定する必要があります。理想的には、大幅なハードウェア変更を強いることなく簡単にダウンスケールできるシステムが必要です。 また、センサー、カメラ、インターフェース、メモリ、MCUなど、アプリケーションの残りの部分を構成するコンポーネントも設計の容易さに影響します。これは、ある時点でAIシステムをアプリケーションの残りの部分と統合する必要があるためです。 ビデオイメージのサイズを増やす必要があることがわかった場合に必要となるカスケード変更を考えてみてください。AIモデルは異なるサイズのイメージを扱う必要があり、システム全体のパフォーマンスとメモリ要件が完全に変わります。さらに、新しいカメラを既存のファームウェアとシームレスに統合する必要があり、できればファームウェアの書き換えを避けたいところです。この新しいリソースの組み合わせをバランス良く最適化するには時間もかかります。さらに、2台目のカメラを追加し、実効フレームレートを上げる必要があると想像してみてください。 この統合段階は、手動で行う必要がある場合、非常に時間がかかり、イライラすることがあります。たとえば、同じベンダーのカメラドライバーであっても互換性がないことがよくあります。新しいドライバーが前のものと全く同じように動作することを確認するために、広範なテストを行う必要があります。 Geppetto のようなカスタムプラットフォームアプローチをデザインに採用することで、開発時間を大幅に短縮できます。Geppettoを使用すると、実証済みの機能ブロックをドラッグアンドドロップでカスタムボードに追加できます。AIアプリケーションの場合、Jetson Nanoから始めて、必要ない機能を削除できます。その後、センサー、インターフェース、プロセッサー、その他の回路を広範なモジュールライブラリから追加し、アプリケーションに最適化されたカスタムモジュールを構築できます。 このアプローチの主な利点は、初期の開発とテストのために少数のボードをコスト効率よく製造できることです。もし、より多くの処理能力が必要になった場合、またはそれ以下である場合でも、完全に新しいシステムを設計することなく、簡単にデザインを調整できます。 さらに、カスタムボードはOSとドライバーが事前に統合されています。すべてのコンポーネントを連携させる必要はありません。なぜなら、私たちがすでにそれを行っているからです。 記事を読む