人工智能对工业软件的影响

人工智能的影响似乎无处不在。产品变得更加智能，可以做更多过去由人类完成的工作。复杂的任务可以更快、更准确地完成，现在可以更可靠地预测故障，并在故障发生之前进行修复。用于实现这一切的人工智能技术，以及如何将这些技术应用于更多任务，是西门子数字工业软件公司(Siemens Digital Industries Software)最新白皮书的主题。白皮书全面展示了我们不断变化的世界，这是电子系统设计专业的必读书目。首先让我们看看西门子数字工业公司对人工智能的看法及其对系统设计的影响。

行业中的人工智能工具

人工智能这个词的含义非常广泛。它代表了算法和信息处理策略的集合。其中许多概念已经存在了很长一段时间，有些可以追溯到20世纪40年代。由巨大的处理能力支持的新应用策略组合创造了我们现在正在目睹的革命。根据白皮书:

在过去的十年里，人工智能(AI)已经从一个有远见的概念发展成为许多大公司的主流现实。

白皮书概述了在这场革命中发挥作用的技术，以及它们如何结合起来解决现实世界的问题。建议您从白皮书中获得所有这些的第一手资料。这些技术通过数学、计算机科学、统计学和心理学交织在一起。它们包括机器学习和深度学习。人工智能应用的目标是广泛的，包括:

•做出明智的决定，提高效率；

•以最小的努力完成日常任务，提高工作效率；

•通过推荐下一个任务来提高专业知识；

•AI在PCB设计中的应用。

白皮书以PCB设计为例，说明人工智能的影响。PCB设计对工程师提出了挑战，他们需要为复杂快速的IC提供足够的功率和冷却，同时保持电路板上各种IC之间的每个高速信号的信号和热完整性。问题的复杂性可能会迅速爆发。这个应用程序提供了一个很好的背景，可以看到人工智能可以改变设计的各种方式。

白皮书讨论了人工智能对设计过程的许多影响。这里是一个简短的总结:

学习曲线：经验丰富的工程师可以凭借直觉选择最佳应用工具和设置选项。这就是高级工程师的生产率远远高于初级工程师的主要原因。如果人工智能能够捕捉到这种直觉，让初级工程师像高级工程师一样工作，那会怎么样?

组件选择：工程师花费大量时间研究组件的选择，以最佳地满足系统需求。如果一个基于历史信息的模型能够大大减少选择时间，结果会怎样呢?

组件模型创建：生成模型来表示组件(例如，符号、2D/3D物理几何和仿真模型)需要花费大量时间，并且需要许多不同的技能。如果自然语言处理、图像识别和机器学习可以在这里应用呢?

原理图连接：最佳的组件放置和连接需要一个广阔的设计视角。这是人工智能发挥作用的另一个机会。

动态重用：一旦设计完成，应用于一个设计的知识通常就会丢失。如果这些知识可以被保存和管理呢?

约束条件：同样，先验知识可以使这项任务更容易，得到更高质量的结果。

布局：这些任务使用启发式方法优化自动化过程。如果人工智能可以让这些方法更具体、更准确呢?

分析和验证：对材料特性、物理布局和温度/电压等因素的设计敏感性都使这一过程具有挑战性。如果人工智能可以将相互依赖关系提炼成一个更可预测的模型呢?

设计综合：将所有这些结合在一起，生成AI方法将产生巨大影响。

大局观

西门子数字工业软件涉足非常广泛。客户遍及许多市场、行业和应用领域。白皮书讨论了在这一广泛领域部署人工智能的一些投资。

讨论的例子包括：

•基于AI/ ML的边缘应用加速器更快进入市场；

•基于遗传算法的输电网高效解耦电容组优化；

•一个自适应UI，通过预测用户最有可能使用的命令来提高用户的工作效率；

•在微流中提供下一步建议的准确率达到90%。

这是一套应用非常广泛的AI应用程序，涵盖设计、制造和生产。作为西门子Xcelerator产品组合的一部分，这些工具可帮助电子系统设计公司利用人工智能技术将未来产品推向市场。

审核编辑：黄飞