BMWK-Verbundprojekt: progressivKI - Unterstützung der Entwicklung von effizienten und sicheren Elektroniksystemen für zukünftige KFZ-Anwendungen mit automatisierten Fahrfunktionen mittels einer modular strukturierten KI-Plattform; Teilvorhaben: Schnittstellen- und KI-Module für Schematic-, Layout-.und Analysewerkzeuge
Schlussbericht
| dc.contributor.author | Choy, Dennis | |
| dc.contributor.author | Stube, Bernd | |
| dc.date.accessioned | 2025-10-16T08:52:24Z | |
| dc.date.available | 2025-10-16T08:52:24Z | |
| dc.date.issued | 2024-12-31 | |
| dc.description.abstract | Die zunehmende Komplexität der Leiterplattenentwicklung für hochintegrierte elektronische Systeme in Fahrzeugen erfordert innovative Ansätze, um Designqualität, Zeitaufwand und Kosten zu optimieren. Im Rahmen des Projekts ProgressivKI wurden Technologien entwickelt, die den Einsatz von Künstlicher Intelligenz (KI) in der Leiterplattenentwicklung ermöglichen und vorantreiben. Das Teilvorhaben „Schnittstellen- und KI-Module für Schematic-, Layout- und Analysewerkzeuge“ fokussierte sich auf die Entwicklung und Integration KI-basierter Methoden zur Optimierung von Stromverteilungsnetzen (Power Distribution Networks, PDNs) auf Leiterplatten. Zentrale Ergebnisse umfassen KI-gestützte Ersatzmodelle für Impedanzsimulationen und Algorithmen zur Optimierung der Platzierung von Abblockkondensatoren (DeCaps), die in den Designprozess eingebunden wurden. Ein Schwerpunkt des Projekts lag auf der Schaffung von Schnittstellen, die eine nahtlose Integration der entwickelten KI-Module in bestehende elektronische Design- und Analysewerkzeuge ermöglichen. Diese Schnittstellen fördern einen durchgängigen Workflow zwischen Schema-, Layout- und Simulationswerkzeugen und sorgen für eine optimale Nutzbarkeit der entwickelten KI-Technologien in der industriellen Praxis. Die Ergebnisse des Teilvorhabens tragen wesentlich dazu bei, die Leiterplattenentwicklung für zukünftige Fahrzeuge durch den Einsatz moderner KI-gestützter Entwurfs- und Optimierungsverfahren effizienter und leistungsfähiger zu gestalten. | ger |
| dc.description.abstract | The increasing complexity of printed circuit board (PCB) development for highly integrated electronic systems in vehicles demands innovative approaches to enhance design quality, reduce development time, and lower costs. Within the ProgressivKI project, technologies were developed to enable and advance the use of artificial intelligence (AI) in PCB design. The subproject “Interfaces and AI Modules for Schematic, Layout, and Analysis Tools” focused on the development and integration of AI-based methods for optimizing power distribution networks (PDNs) on PCBs. Key outcomes include AI-powered surrogate models for impedance simulations and algorithms for optimizing the placement of decoupling capacitors (DeCaps), which have been integrated into the design process. A core focus of the project was the creation of interfaces that enable seamless integration of the developed AI modules into existing electronic design and analysis tools. These interfaces support an end-to-end workflow between schematic, layout, and simulation tools, ensuring the optimal usability of the developed AI technologies in industrial applications. The results of the subproject significantly contribute to making PCB development for future vehicles more efficient and effective by leveraging modern AI-driven design and optimization methods. | eng |
| dc.description.version | publishedVersion | |
| dc.identifier.uri | https://oa.tib.eu/renate/handle/123456789/24708 | |
| dc.identifier.uri | https://doi.org/10.34657/23725 | |
| dc.language.iso | ger | |
| dc.publisher | Hannover : Technische Informationsbibliothek | |
| dc.relation.affiliation | Technische Universität Berlin, FSP Technologien der Mikroperipherik | |
| dc.rights.license | Creative Commons Attribution-NonDerivs 3.0 Germany | |
| dc.rights.uri | https://creativecommons.org/licenses/by-nd/3.0/de/ | |
| dc.subject.ddc | 500 | Naturwissenschaften | |
| dc.subject.other | Entwurfswerkzeuge | ger |
| dc.subject.other | Künstliche Intelligenz | ger |
| dc.subject.other | Elektroniksysteme | ger |
| dc.subject.other | Neuronale Netze | ger |
| dc.subject.other | Deep Learning | ger |
| dc.subject.other | Design Flow | ger |
| dc.subject.other | domänen- und applikationsspezifische Schnittstellenmodule | ger |
| dc.subject.sdg | 9 | |
| dc.title | BMWK-Verbundprojekt: progressivKI - Unterstützung der Entwicklung von effizienten und sicheren Elektroniksystemen für zukünftige KFZ-Anwendungen mit automatisierten Fahrfunktionen mittels einer modular strukturierten KI-Plattform; Teilvorhaben: Schnittstellen- und KI-Module für Schematic-, Layout-.und Analysewerkzeuge | ger |
| dc.title.alternative | Final report on the funding project "progressivAI - Supporting the development of efficient and safe electronic systems for future automotive applications with automated driving functions using a modular AI platform"; Sub-project: Interfaces and AI modules for schematic, layout, and analysis tools | eng |
| dc.title.subtitle | Schlussbericht | |
| dc.type | Report | |
| dcterms.extent | 1, 1, 127 Seiten | |
| dtf.duration | 01.04.2021 bis 30.09.2024 | |
| dtf.funding.funder | BMWE | |
| dtf.funding.program | 19A21006P | |
| dtf.funding.verbundnummer | 01232804 | |
| dtf.version | 1.0 | |
| tib.accessRights | openAccess | |
| tib.date.embargoEnd | 2012 |
Files
Original bundle
1 - 3 of 3
Loading...
- Name:
- 19_TUB_Berichtsblatt.pdf
- Size:
- 83.5 KB
- Format:
- Adobe Portable Document Format
- Description:
Loading...
- Name:
- 19_TUB_Document Control Sheet.pdf
- Size:
- 82.94 KB
- Format:
- Adobe Portable Document Format
- Description:
Loading...
- Name:
- 19_TUB_progressivKI-Schlussbericht.pdf
- Size:
- 3.57 MB
- Format:
- Adobe Portable Document Format
- Description:
