하이퍼링크스 디자인 스페이스 익스플로레이션

최적화의 어려움이에요.

시뮬레이션을 통해 설계자는 프로토타입을 제조에 출시하기 전에 디지털 트윈을 사용하여 전자 설계를 분석하고 디버그하고 최적화할 수 있어요.그 결과 실험실 테스트 중에 보드 재스핀이 필요할 수 있는 문제가 발생할 가능성이 줄어들어 더 견고하고 안정적이며 비용 효율적인 보드가 될 수 있어요.

또한 시뮬레이션을 통해 사용자는 다른 설계 버전을 탐색하여 신뢰성, 속도 또는 마진을 개선하거나 전체 제조 비용을 줄일 수 있어요.시뮬레이션을 최적화 도구로 사용하면 일반적으로 수행되는 분석의 복잡성이 단계적으로 증가해요.

Select...

처음에는 사용자가 디자인을 수정하고 변경 사항을 한 번에 하나씩 다시 시뮬레이션해요.이것은 간단한 연구에 적합하고 시뮬레이션을 처음 사용하는 사람들도 쉽게 이해할 수 있어요.이 방법은 연구할 설계 매개변수 (변수) 가 한두 개뿐이고 사용자가 이전 연구의 결과를 기반으로 다음 연구에 사용할 매개변수 값을 쉽게 결정할 수 있을 때 가장 잘 작동해요.

빠르고 효율적인 최적화

가능한 적은 시뮬레이션으로 넓은 설계 공간을 효율적으로 탐색하는 것은 고급 분석 기법을 조합해야 하는 어려운 작업이에요.이를 위해서는 상충되는 두 가지 요구 사항의 균형을 맞추는 접근 방식이 필요해요.

유망한 결과가 있으면 집중해서 최적값을 빨리 찾아요. 디자인 공간을 처음 샘플링할 때 선택한 값이 최적값이 되는 경우는 거의 없어요.대신 기울기를 생성하는데, 이 그래디언트를 처리해서 반응 표면에서 최적 위치 (보통 로컬 최대값/최소값) 를 구해요.국소적으로 (전체적으로는 아니지만) 최적의 결과에 초점을 맞추려면 궁극적으로는 글로벌 최적을 찾는 데 도움이 되지 않는 추가 시뮬레이션 실험이 필요해요.
전체 디자인 공간이 적절하게 샘플링되었는지 확인. 봉우리와 골짜기가 모두 조금씩 다른 달걀 상자를 생각해 보세요.지역 최소값과 최대값이 많이 다른데 글로벌 값은 각각 하나뿐이에요.초기 샘플링 후 지역 기울기와 지역 피크/밸리를 찾기는 쉽지만 전체 값을 찾기는 매우 어렵죠.그 전체예요 공간을 충분히 샘플링해서 프로세스 마지막까지 글로벌 최대값/최소값을 구해야 해요.

셰르파 알고리즘

이 두 가지 요구 사항의 균형을 맞추는 것은 어려운 작업이에요. 반응 표면의 수치적 순서를 평가하고 다음에 실행할 실험을 결정할 수 있게 되면 각 반응을 평가하는 고급 기술이 필요해요.대부분의 옵티마이저의 경우 해결 중인 문제와 알고리즘의 제어 파라미터를 “조정”하기 위한 검색 알고리즘 자체에 대한 상당한 이해가 필요해요.

HL-DSE를 사용하면, 분석이 실행되면서 SHERPA 알고리즘이 응답을 평가하고 알고리즘을 자동으로 조정해요.HL-DSE는 분석이 진행되면서 각 시뮬레이션 실험에서 얻은 값을 보여주는 반응의 도표를 생성해요.

HyperLynx graph showing a design of experiments optimization history shown via SHERPA algorithm

이 그림에서 HL-DSE에는 두 가지 성능 지수와 관련 목표가 있어요.

빨간색 값 최적화해요.
파란색 값 최소화해요

파란색 선은 파란색 메트릭의 가치를 향상시킨 실험의 역사를 보여줍니다. 이 분석에는 가능한 총 82,500개의 입력값 순열 중 100개의 시뮬레이션이 예산으로 주어졌어요.

25번의 시뮬레이션 만에 SHERPA는 각 지표에 대해 거의 최적에 가까운 값을 빠르게 찾을 수 있었어요.

반응 표면 방법론

결과 시각화

조사 중인 문제의 복잡성 때문에 고급 최적화 기법으로는 전체 설계 공간에서 극히 일부만 샘플링할 수 있어요.분석 결과를 빠르고 효과적으로 시각화하는 것이 최적화 같은 프로세스 수행의 핵심 부분이에요.

HyperLynx Design Space Exploreation은 설계가 어떻게 작동하는지에 대한 통찰력을 제공하기 위해 다양한 출력 플로팅 기능을 제공해요.여기에는 비아 분리나 안티패드 직경이 반사 손실에 어떻게 영향을 미치는지 보여주는 3D 도표가 포함돼요.

이 예시에서는 신호 무결성을 개선하기 위해 반사 손실을 최대화해야 해요.여기에는 각 시뮬레이션 결과를 후처리하여 발견된 최대값을 응답 메트릭으로 보고한 다음 해당 응답을 최소화하는 입력 변수 조건을 찾는 작업이 포함돼요.

3D graph showing colored surface with contour lines, representing data visualization or response surface methodology

하이퍼링크스 DSE의 반응 표면 방법론이었죠.

A design table showing various home styles with columns for square footage, bedrooms, bathrooms, and garage spaces.

디자인 공간의 정의하기

HL-DSE는 HyperLynx Advanced Solvers 3D Explorer 및 HyperLynx 신호 무결성 사전 레이아웃 직렬 링크 컴플라이언스 플로우와 통합되어 있어요. 각 플로우는 스윕 파라미터 분석을 통해 이미 설계 최적화를 수행할 수 있어요.

시뮬레이션 사례가 늘어날 때 자동 최적화를 수행하는 데 HL-DSE가 사용돼요.사용자가 이미 정의한 설계 변수와 범위가 HL-DSE에 전달되어 사용자가 필요에 따라 검토하고 조정할 수 있어요.

분석 목표

최적화 목표 정의하기

HL-DSE는 3D 탐색기 및 시뮬레이션 출력 (응답) 관점에서의 사전 레이아웃 컴플라이언스 분석과 긴밀하게 통합돼요.사용자가 이미 정의한 출력 지표가 HL-DSE로 전달되고, 여기서 사용자는 합격/불합격 요구 사항과 최적화 목표를 추가해요.

Diagram showing study responses and parameters with data visualization elements and charts

서로게이트 모델링

Colorful abstract 3D shapes and patterns representing surrogate modeling or data visualization

어떤 응용 분야에서는 단순히 시뮬레이션 실험을 수행하고 최적의 구성을 찾는 것만으로는 충분하지 않아요. 수백만 사례에서 설계가 어떻게 작동하는지 아는 것이 목표이기 때문이죠.예를 들어, 설계가 최적화되면 사용자는 수백만 단위 이상의 제조 생산량을 예측하고 싶어할 수 있어요.이 경우 변수는 설계의 매개변수지만 범위는 제조 허용오차의 결과로 볼 것으로 예상되는 값의 분포가 돼요.

수백만 번의 시뮬레이션 실험을 하는 것은 분명히 실용적이지 않아요. 그래서 파라미터 범위 내에서 설계의 입력/출력 동작과 거의 일치하는 적합한 수학적 모델, 즉 대리 모델이 만들어져요.그런 다음 실제 시뮬레이션 실험 대신 이 대리 모델을 사용하여 수많은 조건에서 설계의 동작을 예측하여 제조 수율을 예측할 수 있어요.

셰르파 탐사 알고리즘