progressivKI - Unterstützung der Entwicklung von effizienten und sicheren Elektroniksystemen für zukünftige KFZ-Anwendungen mit automatisierten Fahrfunktionen mittels einer modular strukturierten KI-Plattform; Teilvorhaben: Erstellung von KI-Modulen auf der Basis des Python-basierten Frameworks Keras/Tensorflow

Abstract

Die Bearbeitung des Vorhabens progressivKI erfolgte in dem BMWK-Förderaufruf |Künstliche Intelligenz als Schlüsseltechnologie für das Fahrzeug der Zukunft| den Teilschwerpunkt (C) KI-Verfahren in der Fahrzeugentwicklung <=> KI-Methoden in der Simulation. Die Technische Universität Dortmund (AG Datentechnik/Bordsysteme) hat in diesem Teilvorhaben die Entwicklung von KI-Modellen zur Unterstützung des effizienten Entwurfs von HighSpeed-Anwendungen auf Leiterplatten für die physikalischen Effekte Signal Integrity/Power Integrity untersucht. Mittels KI-gestütztem Feedback und integriertem domänenspezifischen Wissen sollen die Entwickler dieser komplexen elektronischen Systeme unterstützt und so der gesamte Entwurfsprozess effizienter gestaltet werden. Dazu hat die Technische Universität Dortmund (AG Datentechnik/Bordsysteme) in progressivKI die folgenden Themenstellungen in ihrem Teilvorhaben |Erstellung von KI-Modulen auf der Basis des Python-basierten Frameworks Keras/Tensorflow| bearbeitet: Definition der Anforderungen an die benötigten KI-Module + Analyse von KI-Frameworks für Maschine Learning + genetische Algorithmen; Konzeptentwicklung zur KI-Umsetzung für die geplante Anwendungsebene PCB-Entwurf; Implementierung von Algorithmen zur Datengenerierung + Auswertung von Simulationsdaten zur Entwicklung von KI-Modellen für die physikalischen Effekte Signal Integrity/Power Integrity; Anpassung KI-Module und Generierung von Trainings- und Lerndaten-Modulen; Initialisierung eines Python-basierten KI-Frameworks (Keras/Tensorflow) + Entwicklung eines Matlab-basierten KI-Frameworks; Optimierung von Teilalgorithmen; Nutzenbewertung + Algorithmen zur Extraktion von Anwenderwissen. Die Forschungsergebnisse aus diesem Teilvorhaben haben direkten Einfluss auf die Ausbildung von Nachwuchskräften. Diese Ergebnisse werden für Ausbau der Forschung zum Thema KI am Arbeitsgebiet Datentechnik genutzt. Im Rahmen der Vorlesung |Signal Integrity (SI) Effekte beim Einsatz nano-/mikroelektronischer Komponenten auf Leiterplatten| werden Studenten an die Nutzung und Entwicklung von KI-Modellen für das Themengebiet Signal Integrity/Power Integrity herangeführt. Weiterhin wurden die erarbeiteten Forschungsergebnisse auf nationalen/internationalen wissenschaftlichen Konferenzen und öffentlichen Projekt-Workshops präsentiert und zur Diskussion gestellt (12 Tagungsbeiträge; 16 Vorträge; 4 Poster).