Podstawowe technologie firmy

Układy scalone, elektronika przemysłowa i energetyczna

Nasze badania w tej dziedzinie technologii obejmują wszystko, od opartego na sztucznej inteligencji EDA, projektowania IC/PCB i produkcji po zrównoważony rozwój sprzętu zdefiniowanego programowo w elektryfikacji, automatyzacji i cyfryzacji, integrując sprzęt elektroniczny, oprogramowanie i systemy mechatroniczne.

Przeglądaj publikacje

Wyobraź sobie, że sztuczna inteligencja, cyfrowe bliźniaki i sprzęt zdefiniowany programowo wymagały mniej sprzętu i energii

Co by było, gdyby inteligencja przemysłowa istniała bezpośrednio tam, gdzie odbywa się praca fizyczna? Ponieważ fabryki, systemy produkcyjne i sieci energetyczne wymagają większej autonomii, poleganie na ciężkich serwerach lub chmurze obliczeniowej powoduje opóźnienia, zużycie energii i wąskie garła śladu sprzętowego. Przyszłość automatyzacji wymaga inteligencji, aby zbliżyć się do krawędzi maszyny. Takie podejście wykorzystuje ułamek fizycznego sprzętu i oferuje znacznie lepszą efektywność energetyczną.

Ważne są rozwiązania dla bardziej wydajnych obliczeń, wykrywania, elektroniki mocy i wbudowanej sztucznej inteligencji dla systemów przemysłowych.

Podzielony obraz z niebieską wizualizacją cyfrowego mikroczipa i trzech badaczy patrzących razem na ekran laptopa

Ramię robota precyzyjnie montuje płytki obwodów drukowanych wzdłuż zautomatyzowanego fabrycznego przenośnika taśmowego.

Układy scalone, Industrial and Power Electronics obejmują zaawansowane architektury sprzętowe dla systemów cyfrowych, analogowych i mieszanych sygnałów, płytek drukowanych oraz obliczeń ogólnego przeznaczenia lub specyficznych dla aplikacji, w tym obciążeń związanych ze sztuczną inteligencją i bezpieczeństwem.

Procesy projektowe wykorzystują uczenie maszynowe i generacyjną sztuczną inteligencję do projektowania i weryfikacji sprzętu. Obejmują integrację, miniaturyzację, procesy produkcyjne i pełny cykl życia zrównoważonych produktów. Wykorzystując cyfrowe wątki i cyfrowe technologie podwójne, systemy specyficzne dla domeny napędzają współprojektowanie sprzętu i oprogramowania na platformach elektronicznych.

To Podstawowa technologia firmy obejmuje sprzęt do komputerów, komunikacji, wykrywania, uruchamiania i systemów mechatronicznych, aby umożliwić bezpieczne, zrównoważone urządzenia terenowe i krawędziowe do elektryfikacji, automatyzacji i cyfryzacji. Obejmuje również elektroniczną automatyzację projektowania z wykorzystaniem sztucznej inteligencji dla układów scalonych i płytek drukowanych, integrując cyfrowe rozwiązania z podwójnymi i cyfrowymi wątkami w domenach funkcjonalnych, elektrycznych, termicznych i mechanicznych.

Co więcej, ta Core Technology obejmuje specyficzne dla aplikacji układy scalone dla sprzętu zdefiniowanego programowo, elektronikę mocy do konwersji energii i sterowania ruchem oraz sprzętowe technologie sterowania oparte na sztucznej inteligencji dla automatyki przemysłowej i robotyki w czasie rzeczywistym.

Ikona dla układów scalonych, elektroniki przemysłowej i energetycznej

Publikacje

Poznaj nasze polecane artykuły

Emulacja pogłosu sprężynowego z hybrydowymi bramkowanymi sieciami konwolucyjnymi i modelami przestrzeni stanowej

Opublikowano w: ICASSP 2026
M. Wess, J. Janser, D. Dallinger, J. Janser, M. Wess, M. Bittner, D. Schnöll, A. Jantsch

Modelowanie analogowych pogłosów sprężyn jest trudne ze względu na nieliniowe zachowania i długie ogony. Proponujemy GCN-SSM, hybrydowy model głębokiego uczenia łączący bramkowane sieci konwolucyjne i modele przestrzeni stanowej. Osiągając najwyższą, wiodącą w branży jakość percepcyjną, wymaga tylko 125,7 tys. Parametrów i umożliwia nowoczesne wdrożenie CPU.
Zobacz na stronie wydawcy

Analiza zachowania materiałów i testu zmęczeniowego lutowania oraz wyniki przewidywania długotrwałego cyklu termicznego

Opublikowano w: 2025 26. Międzynarodowa Konferencja na temat symulacji termicznej, mechanicznej i wielofizycznej oraz eksperymentów w mikroelektronice i mikrosystemach (EuroSIME)
Peter Fruehauf, Andreas Weigert, Rainer Dudek, Kerstin Kreyßig, Matthias Prinz, Susana Richter-Trummer, Sven Rzepka

Badanie to potwierdza symulacje FE na podstawie 13-letnich testów termicznych w celu przewidywania trwałości zmęczeniowej w komponentach FBGA277 i QFN. Niezbędne jest uwzględnienie starzenia się materiału i skurczu utwardzalnego w związkach formujących, pomijając obliczone wypaczenie odwrócenia skurczu. Starsze prawa pełzania Ananda pasują do wzorców niepowodzeń fizycznych, w przeciwieństwie do danych niepostarzonych.
Zobacz na stronie wydawcy

Rekonfigurowalna inteligentna powierzchnia dla automatyki przemysłowej: wymagania dotyczące pomiaru propagacji mmWave, symulacji i algorytmu sterowania

Opublikowano w: 2024 IEEE 35. Międzynarodowe Sympozjum Osobistej, Wewnętrznej i Mobile Komunikacji Radiowej (PIMRC)
L. W. Mayer, A. Hofmann, M. Schiefer, H. Radpour, M. Hofer, D. Löschenbrand, T. Zemen

Nasze badania pokazują, że aktywna 127-elementowa rekonfigurowalna inteligentna powierzchnia (RIS) pracująca z częstotliwością 23,8 GHz omija blokady linii wzroku w przemysłowych środowiskach mmWave. Sterowany za pomocą wzmocnienia opartego na FET, skutecznie skupia sygnały na punktach docelowych. Pomiary potwierdzają wydajność szerokości wiązki, zapewniając praktyczne kryteria aktualizacji dla mobilnego śledzenia w pomieszczeniach.
Zobacz na stronie wydawcy

Modelowanie tranzystorów SiC i GaN na podstawie pomiarów impulsowych parametrów S.

Opublikowano w: grudzień 2025, Energetyczne urządzenia i komponenty elektroniczne
Martin Hergt, Bernhard Hammer, Martin Sack, Lukas W. Mayer, Sebastian Nielebock, Marc Hiller

W tym projekcie badawczym opracowaliśmy precyzyjny 12-elementowy model tranzystorów mocy SiC MOSFET i GaN HEMT przy użyciu pomiarów impulsowych parametrów S od 2 MHz do 500 MHz. Obejmujący obszary ściśnięte, omowe i aktywne, iteracyjnie dostosowany model wykazuje doskonałe dopasowanie do oryginalnych pomiarów dla szybkich falowników.
Zobacz na stronie wydawcy

Sterowanie ruchem oparte na sztucznej inteligencji z elastycznością dynamiki systemu

Opublikowano w: 2024 Energy Conversion Congress & Expo Europe (ECCE Europe)
Niklas Körwer; Martin Bischoff; Michael Laumen; Rik W. de Doncker

Algorytmy w dzisiejszych maszynach produkcyjnych stają się coraz bardziej złożone z dnia na dzień, aby nadążyć za wymaganiami rynku w zakresie zwiększenia wydajności i elastyczności. W artykule zaproponowano wykorzystanie uczenia się wzmacniającego i sieci neuronowych w celu przyspieszenia rozwoju kontroli ruchu dla maszyn produkcyjnych. Wyszkolona na cyfrowych bliźniakach sieć dostosowuje wartości nastawowe silnika do dynamiki przetwornic częstotliwości, redukując następujące błędy, wygładzając kontrolę i umożliwiając elastyczne ponowne wykorzystanie w różnych konfiguracjach maszyn.
Zobacz na stronie wydawcy