Основні технології компанії

Інтегральні схеми, промислова та силова електроніка

Наші дослідження в цій галузі технологій охоплюють все: від EDA на основі штучного інтелекту, проектування IC/PCB та виробництва до стійкості програмного забезпечення для визначеного програмним забезпеченням для електрифікації, автоматизації та оцифровки, інтегруючи електронне обладнання, програмне забезпечення та мехатронні системи.

Ознайомтеся з публікаціями

Уявіть, якби ШІ, цифрові близнюки та програмно визначене обладнання потребували менше обладнання та енергії

Що, якби промислова розвідка існувала безпосередньо там, де відбувається фізична робота? Оскільки заводи, виробничі системи та енергетичні мережі вимагають більшої автономії, покладка на важкі серверні або хмарні обчислення призводить до затримки, енергоспоживання та вузьких місць апаратного відбитку. Майбутнє автоматизації вимагає інтелекту, щоб наблизитися до краю машини. Цей підхід використовує частину фізичного обладнання та пропонує значно вищу енергоефективність.

Важливими є рішення для більш ефективних обчислень, зондування, силової електроніки та вбудованих можливостей штучного інтелекту для промислових систем.

Розділене зображення з візуалізацією синього цифрового мікрочіпа та троє дослідників, які разом дивляться на екран ноутбука

Роботизована рука точно збирає друковані плати вздовж автоматизованої заводської конвеєрної стрічки.

Інтегральні схеми, промислова та силова електроніка охоплює передові апаратні архітектури для цифрових, аналогових та змішаних сигнальних систем, друкованих плат та обчислень загального призначення або специфічних для застосування, включаючи навантаження на штучний інтелект та безпеку.

Процеси проектування використовують машинне навчання та генеративний штучний інтелект для проектування та перевірки апаратного забезпечення. Вони охоплюють інтеграцію, мініатюризацію, виробничі процеси та повний життєвий цикл стійких продуктів. Використовуючи цифрові потоки та цифрові технології близнюків, специфічні для домену системи керують апаратним та програмним кодизайном на електронних платформах.

Це Основна технологія компанії охоплює апаратне забезпечення для обчислювальних, комунікаційних, зондування, спрацьовування та мехатронних систем, щоб забезпечити безпечні, стійкі польові та периферійні пристрої для електрифікації, автоматизації та цифровізації. Він також охоплює автоматизацію електронного дизайну з підтримкою штучного інтелекту для інтегральних схем та друкованих плат, інтегруючи цифрові рішення з подвійними та цифровими потоками у функціональних, електричних, теплових та механічних областях.

Крім того, ця основна технологія компанії охоплює специфічні для застосування інтегральні схеми для програмно визначеного апаратного забезпечення, силову електроніку для перетворення енергії та управління рухом, а також апаратні технології управління, що підтримують штучний інтелект, для промислової автоматизації та робототехніки в режимі реального часу.

Значок для інтегральних схем, промислової та силової електроніки

Публікації

Ознайомтеся з нашими рекомендованими документами

Емуляція пружинної реверберації з гібридними закритими згортковими мережами та моделями простору станів

Опубліковано в: ІКАССП 2026
М. Весс, Дж. Янсер, Д. Даллінгер, Дж. Янсер, М. Весс, М. Біттнер, Д. Шнелл, А. Янч

Моделювання аналогових пружинних реверберацій є складним завданням через нелінійну поведінку та довгі хвости. Ми пропонуємо GCN-SSM, гібридну модель глибокого навчання, що поєднує закриті згорткові мережі та моделі простору станів. Досягаючи найвищого рівня, провідної в галузі якості сприйняття, він вимагає лише 125.7k параметрів і дозволяє розгорнути сучасний процесор.
Переглянути на сторінці видавця

Аналіз поведінки матеріалів та результатів випробування на втомлюваність припою та прогнозування довгострокового теплового циклу

Опубліковано в: 2025 26-а Міжнародна конференція з теплового, механічного та мультифізичного моделювання та експериментів у мікроелектроніці та мікросистемах (EuroSime)
Пітер Фрухауф, Андреас Вайгерт, Райнер Дудек, Керстін Крейсіг, Маттіас Принц, Сусана Ріхтер-Траммер, Свен Ржепка

Це дослідження підтверджує моделювання FE на основі 13-річних теплових випробувань для прогнозування терміну служби втоми в компонентах FBGA277 та QFN. Врахування старіння матеріалу та усадки затвердіння у формувальних сумішах є важливим, не враховуючи розраховану деформацію усадки. Старі закони повзання Ананда відповідають моделям фізичних відмов, на відміну від нестарих даних.
Переглянути на сторінці видавця

Реконфігурована інтелектуальна поверхня для промислової автоматизації: вимоги до вимірювання поширення хвиль мм, моделювання та алгоритму управління

Опубліковано в: 2024 IEEE 35-й міжнародний симпозіум з персонального, внутрішнього та мобільного радіозв'язку (PIMRC)
Л. В. Майєр, А. Гофманн, М. Шифер, Х. Радпур, М. Хофер, Д. Лешенбранд, Т. Земен

Наше дослідження представляє активну 127-елементну реконфігуровану інтелектуальну поверхню (RIS), що працює на частоті 23,8 ГГц, обходить блокування прямої видимості в промислових середовищах mmWave. Керується за допомогою посилення на основі FET, він ефективно фокусує сигнали на цільових точках. Вимірювання підтверджують продуктивність ширини променя, забезпечуючи практичні критерії оновлення для мобільного відстеження в приміщенні.
Переглянути на сторінці видавця

Моделювання SiC і GaN транзисторів на основі імпульсних вимірювань S-параметрів

Опубліковано в: Грудень 2025, Силові електронні пристрої та компоненти
Мартін Хергт, Бернхард Хаммер, Мартін Сак, Лукас Майєр, Себастьян Нільєбок, Марк Хіллер

У цьому дослідницькому проекті ми отримали точну 12-елементну модель для силових транзисторів SiC MOSFET та GaN HEMT з використанням імпульсних вимірювань S-параметрів від 2 МГц до 500 МГц. Охоплюючи від'ємні, омічні та активні області, ітеративно налаштована модель чудово відповідає оригінальним вимірюванням для швидких інверторів.
Переглянути на сторінці видавця

Управління рухом на основі штучного інтелекту з гнучкістю динаміки системи

Опубліковано в: Конгрес конверсії енергії 2024 та Експо Європа (ECCE Europe)
Ніклас Кьорвер; Мартін Бішофф; Майкл Лаумен; Рік В. Де Донкер

Алгоритми сучасних виробничих машин з кожним днем стають все складнішими, щоб не відставати від вимог ринку щодо підвищення продуктивності та гнучкості. У цій статті пропонується використовувати підсилювальне навчання та нейронні мережі для прискорення розробки управління рухом для виробничих машин. Навчена цифровим близнюкам, мережа адаптує задані значення двигуна до динаміки перетворювача частоти, зменшуючи наступні помилки, згладжуючи контроль та забезпечуючи гнучке повторне використання в різних конфігураціях машини.
Переглянути на сторінці видавця