HyperLynx Design Space Exploration

最佳化挑戰

模擬可讓設計師在將原型發佈至製造之前，使用 digital twin 來分析、調試和最佳化電子設計。這樣可以降低實驗室測試期間出現問題的可能性，從而降低可能需要主機板重新啟動的問題的可能性，從而產生更堅固、可靠且具成本效益

模擬還允許使用者探索其設計的替代版本，以提高可靠性、速度或利潤，或降低整體製造成本。當模擬用作最佳化工具時，執行的分析的複雜度通常會逐階段增加：

Select...

最初，使用者一次修改設計並重新模擬變更。這適用於簡單的研究，並且對新的模擬用戶很容易理解。當只有一個或兩個要研究的設計參數（變量），並且使用者可以根據先前的結果輕鬆確定要用於下一項研究的參數值時，此方法最有效果。

使用盡可能少的模擬，有效地探索大型設計空間是一項艱難的任務，需要結合先進的分析技術。這需要一種平衡兩種相互衝突的要求的方法：

專注於任何有前途的結果，以快速找到其最佳值。 初始採樣設計空間時，選取的值很少會產生最佳值。相反，它們會產生漸層，這些漸層被處理以在響應表面上找到最佳位置（通常是局部最大/最小值）。重點放在本地（但不是全局）最佳結果需要額外的模擬實驗，這些實驗最終不會有助於找到全局最佳化。
確保整個設計空間得到充分取樣本。 考慮一個蛋盒，其中山峰和山谷都略有不同。有許多不同的局部最小值和最大值-但每個都只有一個全局值。在初始採樣後，很容易找到本地梯度和當地峰值/山谷-但很難確保找到全局值。整個空間必須充分採樣，以便在過程結束前找到全局最大/最小值。

平衡這兩個不同需求是一項艱難的任務，需要先進的技術來評估每個響應，當它可用於評估響應表面的數字順序並確定下一個要執行的實驗時，才能評估每個響應。對於大多數優化工具，這需要對正在解決的問題和搜索算法本身進行了解相當的了解，以「調整」算法的控制參數。

使用 HL-DSE，SHERPA 演算法在分析運行時評估回應並自動調整算法。HL-DSE 會在分析進行時產生回應的繪圖，顯示從每個模擬實驗中獲得的值。

在這個情節中，HL-DSE 有兩個優勢和相關目標：

藍線顯示了改善藍色指標值的實驗歷史記錄。此分析的預算是 100 個模擬，其中總共有 82,500 個可能的輸入值排列中。

在 25 個模擬中，SHERPA 能夠快速找到每個指標接近最佳值。

反應表面方法

由於正在研究的問題的複雜性質，進階最佳化技術只能取樣總設計空間的小百分比。能夠快速有效地視覺化分析結果是執行流程的關鍵部分，例如通過優化。

HyperLynx 設計空間探索提供豐富的輸出繪圖功能，以提供對設計的行為的深入洞察力。這些包括 3D 繪圖，它們可以顯示如何通過分離和反板直徑的回報損失受到影響的內容。

在此範例中，要最大化返回損失以提高信號完整性。這涉及後處理每個模擬的結果，以報告遇到的最大值作為響應測量結果，然後找到最小化該響應的輸入變數條件。

HL-DSE 與 HyperLynx 進階求解器 3D 瀏覽器和 HyperLynx Signal Integrity 預先配置序列連結合性流程整合，每個流程都已經能夠通過掃描參數分析執行設計最佳化。

當模擬案例數目變得無法維持時，會使用 HL-DSE 執行自動化最佳化。使用者已定義的設計變數和範圍會傳達給 HL-DSE，使用者可以視需要檢閱並調整。

分析目標

從模擬輸出（響應）角度，HL-DSE 與 3D 瀏覽器和佈局前符合性分析緊密整合。使用者已定義的輸出測量結果會傳遞給 HL-DSE，使用者會在其中新增通過/不通的要求和最佳化目標。

在某些應用程序中，只要執行模擬實驗並找到最佳配置並不夠，因為了解設計在數百萬個案例中的行為是目標。例如，一旦設計進行最佳化，用戶可能希望預測數百萬個單位的製造產量。在這種情況下，變數是設計的參數，但它們的範圍會成為由於製造公差所期望看到的值分佈。

執行數百萬種模擬實驗顯然並不實用，因此創建了一個合適的數學或代替模型，該模型與參數範圍內的設計輸入/輸出行為密切匹配。然後，這個代替模型可以代替實際模擬實驗來預測設計在大量條件下的行為，從而預測製造產量。