HyperLynx Design Space Exploration

Optimizasyon zorluğu

Simülasyon, tasarımcıların bir prototipi üretime bırakmadan önce dijital bir ikiz kullanarak bir elektronik tasarımı analiz etmesine, hata ayıklamasına ve optimize etmesine olanak tanır. Bu, laboratuvar testleri sırasında ortaya çıkan ve bir panonun yeniden başlatılmasını gerektirebilecek sorunların olasılığını azaltarak daha sağlam, güvenilir ve uygun maliyetli bir kart ile sonuçlanır.

Simülasyon ayrıca kullanıcıların güvenilirliği, hızı veya marjı artırmak veya genel üretim maliyetini azaltmak için tasarımlarının alternatif sürümlerini keşfetmelerine olanak tanır. Simülasyon bir optimizasyon aracı olarak kullanıldığında, gerçekleştirilen analizin karmaşıklığı normalde aşamalar halinde artar:

Select...

Başlangıçta, kullanıcılar tasarımı değiştirir ve değişiklikleri birer birer yeniden simüle eder. Bu, basit çalışmalar için iyi çalışır ve yeni simülasyon kullanıcılarının anlaması kolaydır. Bu yöntem, incelenecek yalnızca bir veya iki tasarım parametresi (değişken) olduğunda ve kullanıcı öncekilerin sonuçlarına dayanarak bir sonraki çalışma için kullanılacak parametre değerlerini kolayca belirleyebildiğinde en iyi sonucu verir.

Hızlı, verimli optimizasyon

Mümkün olduğunca az simülasyonla geniş tasarım alanlarını verimli bir şekilde keşfetmek, gelişmiş analiz tekniklerinin bir kombinasyonunu gerektiren zor bir görevdir. Bu, iki çelişkili gereksinimi dengeleyen bir yaklaşım gerektirir:

Optimal değerlerini hızlı bir şekilde bulmak için umut verici sonuçlara odaklanın. Bir tasarım alanı başlangıçta örneklendiğinde, seçilen değerler nadiren optimum değerlerle sonuçlanır. Bunun yerine, yanıt yüzeyinde optimum konumları (genellikle yerel maksimum/minima) bulmak için işlenen gradyanlar üretirler. Yerel olarak (ancak küresel olarak değil) optimal bir sonuca odaklanmak, sonuçta küresel optimumu bulmaya katkıda bulunmayan ek simülasyon deneyleri gerektirir.
Tüm tasarım alanının yeterince örneklendiğinden emin olmak. Zirvelerin ve vadilerin hepsinin biraz farklı olduğu bir yumurta kartonu düşünün. Birçok farklı yerel minimum ve maksimum vardır - ancak her birinin yalnızca bir küresel değeri vardır. İlk örneklemeden sonra yerel bir gradyan ve yerel zirve/vadiyi bulmak kolaydır - ancak küresel değerin bulunmasını sağlamak çok zordur. tüm uzay, sürecin sonunda küresel maksimum/minimumların bulunması için yeterince örneklenmelidir.

SHERPA algoritması

Bu iki farklı gereksinimi dengelemek, yanıt yüzeyinin sayısal sırasını değerlendirmek ve çalıştırılacak bir sonraki deneyi belirlemek için kullanılabilir hale geldikçe her yanıtı değerlendirmek için gelişmiş teknikler gerektiren zor bir görevdir. Çoğu optimizatörde bu, hem çözülmekte olan problemin hem de algoritmanın kontrol parametrelerini “ayarlamak” için arama algoritmasının kendisinin önemli ölçüde anlaşılmasını gerektirir.

HL-DSE ile SHERPA algoritması analiz çalışırken yanıtları değerlendirir ve algoritmayı otomatik olarak ayarlar. HL-DSE, analiz ilerledikçe yanıtların bir grafiğini üretir ve her simülasyon deneyinden elde edilen değerleri gösterir.

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

Bu çizimde, HL-DSE'nin iki liyakat figürü ve ilişkili hedefleri vardır:

kırmızı değerleri optimize edin
mavi değerleri en aza indirin

Mavi çizgi, mavi metriğin değerini artıran deneylerin geçmişini gösterir. Bu analiz için bütçe olarak toplam 82.500 olası girdi değeri permütasyonundan 100 simülasyon verildi.

25 simülasyon içinde SHERPA, her metrik için en uygun değerleri hızlı bir şekilde bulabildi.

Tepki Yüzeyi Metodolojisi

Sonuç görselleştirme

Araştırılan problemlerin karmaşık doğası nedeniyle, gelişmiş optimizasyon teknikleri toplam tasarım alanının yalnızca küçük bir yüzdesini örnekleyebilir. Analiz sonuçlarını hızlı ve etkili bir şekilde görselleştirebilmek, optimizasyon gibi süreçleri gerçekleştirmenin önemli bir parçasıdır.

HyperLynx Design Space Exploration, tasarımın nasıl davrandığına dair fikir vermek için zengin bir çıktı çizim yetenekleri yelpazesi sunar. Bunlar, ayırma ve antipad çapı yoluyla geri dönüş kaybının nasıl etkilendiğini gösterebilen 3B grafikleri içerir.

Bu örnekte, sinyal bütünlüğünü iyileştirmek için dönüş kaybı en üst düzeye çıkarılmalıdır. Bu, yanıt metriği olarak karşılaşılan maksimum değeri bildirmek için her simülasyonun sonuçlarının sonradan işlenmesini ve ardından bu yanıtı en aza indiren girdi değişkeni koşullarını bulmayı içerir.

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

HyperLynx DSE'den yanıt yüzeyi metodolojisi

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

Tasarım alanının tanımlanması

HL-DSE, hem HyperLynx Advanced Solvers 3D Explorer hem de HyperLynx Signal Integrity yerleşim öncesi seri bağlantı uyumluluk akışları ile entegre edilmiştir ve bunların her biri zaten swept-parametre analizi yoluyla tasarım optimizasyonu gerçekleştirebilir.

Simülasyon vakalarının sayısı savunulamaz hale geldiğinde, otomatik optimizasyon gerçekleştirmek için HL-DSE kullanılır. Kullanıcı tarafından önceden tanımlanmış tasarım değişkenleri ve aralıkları, kullanıcının gerektiğinde gözden geçirebileceği ve ayarlayabileceği HL-DSE'ye iletilir.

Analiz Hedefleri

Optimizasyon hedeflerini tanımlama

HL-DSE, 3D Explorer ve bir simülasyon çıktısı (yanıt) perspektifinden düzen öncesi uyumluluk analizi ile sıkı bir şekilde entegre edilmiştir. Kullanıcı tarafından önceden tanımlanmış çıktı metrikleri, kullanıcının geçen/başarısız gereksinimleri ve optimizasyon hedefleri eklediği HL-DSE'ye iletilir.

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

Taşıyıcı modelleme

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

Bazı uygulamalarda, sadece simülasyon deneyleri yapmak ve en uygun konfigürasyonları bulmak yeterli değildir, çünkü tasarımın milyonlarca durumda nasıl davrandığını bilmek hedeftir. Örneğin, bir tasarım optimize edildikten sonra, kullanıcı milyonlarca birim üzerinde üretim verimini tahmin etmek isteyebilir. Bu durumda, değişkenler tasarımın parametreleridir, ancak aralıkları, üretim toleranslarının bir sonucu olarak görülmesi beklenen değerlerin dağılımı haline gelir.

Milyonlarca simülasyon deneyi çalıştırmak açıkça pratik değildir, bu nedenle parametre aralığındaki tasarım giriş/çıkış davranışıyla yakından eşleşen uygun bir matematiksel veya vekil model oluşturulur. Bu vekil model daha sonra tasarımın davranışını çok sayıda koşul üzerinde tahmin etmek ve dolayısıyla üretim verimini tahmin etmek için gerçek simülasyon deneyleri yerine kullanılabilir.

SHERPA keşif algoritması