Die Elektromagnetische Verträglichkeit (EMV) befasst sich mit der Unterdrückung ungewollter elektromagnetischer Störungen zwischen elektronischen Geräten, Systemen und Komponenten. Steigende Anforderungen im Bereich der EMV – man denke z.B. an die fortschreitende drahtlose Kommunikation bei immer höheren Frequenzen – erfordern eine kontinuierliche Entwicklung der ingenieurwissenschaftlichen Methoden, um früh und kostengünstig die richtigen Entscheidungen bei der Entwicklung zu treffen. In diesem Workshop werden verschiedene Methoden des Maschinellen Lernens vorgestellt, die in den EMV-Anwendungsfeldern der Signalintegrität (signal integrity) von drahtgebundenen Kanälen sowie der Kontrolle der Spannungsversorgung (power integrity) und der Abstrahlung (electromagnetic interference) von elektronischen Komponenten und Systemen aktuell erforscht werden. Eigene Forschungen im Bereich von künstlichen Neuronalen Netzen, die zur Analyse von Leiterplattenstrukturen verwendet werden, zeigen hierbei auf, welche Chance sich für die EMV und ganz allgemein die Hardware-Entwicklung in Zukunft ergeben.
A. Sánchez-Masís, ANN Hyperparameter Optimization by Genetic Algorithms for Via Interconnect Classification. In 2021 IEEE 25th Workshop on Signal and Power Integrity (SPI), Siegen, Germany, May 2021
M. Schierholz et al., SI/PI-Database of PCB-Based Interconnects for Machine Learning Applications. IEEE Access, vol. 9, pp. 34423–34432, 2021. K. Scharff, C. M. Schierholz, C. Yang, and C. Schuster, ANN Performance for the Prediction of High-Speed Digital Interconnects over Multiple PCBs. In 2020 IEEE 29th Conference on Electrical Performance of Electronic Packaging and Systems (EPEPS), San Jose, CA, USA, Oct. 2020.
C. M. Schierholz, K. Scharff, and C. Schuster, Evaluation of Neural Networks to Predict Target Impedance Violations of Power Delivery Networks. In 2019 IEEE 28th Conference on Electrical Performance of Electronic Packaging and Systems (EPEPS), Montreal, QC, Canada, Oct. 2019.
M. Schierholz, C. Yang, K. Roy, M. Swaminathan, and C. Schuster, Comparison of Collaborative versus Extended Artificial Neural Networks for PDN Design. In 2020 IEEE 24th Workshop on Signal and Power Integrity (SPI), Cologne, Germany, May 2020.
K. Scharff, H. M. Torun, C. Yang, M. Swaminathan, and C. Schuster, Bayesian Optimization for Signal Transmission Including Crosstalk in a Via Array. In 2020 International Symposium on Electromagnetic Compatibility - EMC EUROPE, Rome, Italy, Sep. 2020