✏️ Edit

Dari Penentukuran MEMS ke AI: Sistem Kejuruteraan di Sebalik Satu Cip Kecil✎ Edit

👁 423 tontonan
Dari Penentukuran MEMS ke AI: Sistem Kejuruteraan di Sebalik Satu Cip Kecil
Bertahun-tahun lalu, saya terlibat dalam reka bentuk MEMS, di mana penderia dan litar bersepadu digabungkan dalam satu cip.

Antara tugas yang paling sukar ialah "mendidik" cip melalui pengaturcaraan peringkat rendah. Dengan menggunakan protokol komunikasi seperti I²C, kami mengumpul data penderia secara berterusan, menganalisis kelakuan cip, dan memprogramkan semula parameter penentukuran ke dalam peranti.

Cabarannya bukan sekadar memprogramkan cip.

Ia membina dan mengendalikan satu persekitaran pengesahan automatik yang lengkap. Bangku uji beroperasi 24/7 selama berbulan-bulan, mengintegrasikan multiplekser, bekalan kuasa boleh atur, pengawal tekanan Druck berketepatan tinggi dan pam, kebuk persekitaran, peti sejuk, ketuhar, pengawal suhu, sistem pengambilan data, osiloskop, dan pelbagai alat pengukuran untuk mencirikan sekeping silikon yang kecil di bawah keadaan operasi yang tidak terbilang.

Setelah data yang mencukupi dikumpul, kerja kejuruteraan sebenar bermula.
Kami menganalisis set data besar menggunakan persamaan kejuruteraan, analisis regresi, kaedah statistik, penentukuran berulang, dan iterasi yang tidak terbilang untuk mendapatkan parameter yang betul. Mencapai penentukuran yang sedia untuk pengeluaran sering memerlukan masa berbulan-bulan, dan kadangkala bertahun-tahun.

Kini, AI dan pengkomputeran statistik moden boleh menilai berjuta-juta atau malah berbilion kemungkinan dalam sebahagian kecil daripada masa. Regresi mengenal pasti hubungan, Monte Carlo meneroka ketidaktentuan melalui simulasi, dan inferens Bayesian mengemas kini kebarangkalian secara berterusan apabila bukti baharu tersedia.

Namun, prinsip kejuruteraan kekal sama.

Sistem yang paling berkesan tidak bergantung kepada AI untuk setiap pelaksanaan. Ia mula-mula menemui penyelesaian optimum, mengesahkannya, dan kemudian menukarkannya kepada proses deterministik yang dilaksanakan oleh peraturan, penghurai, dan sistem khusus.

AI mempercepat penemuan.
Sistem deterministik memastikan ketekalan.
Disiplin kejuruteraan kekal menjadi asas.
Teknologi telah berubah. Cara berfikir kejuruteraan tidak berubah.

Engineering & Deep Tech

Article image
BioResearch Kecerdasan penyelidikan mikrobiologi dan penyakit kanser 6 inputs → traceable research priorities Terokai →
Edge AI Kecerdasan IoT dan Linux terbenam di pinggir 14 edge agents → offline-capable Terokai →
IC DesignOps Kebolehulangan, kebolehkesanan dan kecerdasan pengesahan 21 detached services → 85% without LLM Terokai →
Robotics Robotik yang ditadbir di pinggir industri Perception → safety gateway → controller Terokai →
Ekosistem AINNA

Teruskan meneroka selepas artikel ini.

Setiap halaman artikel hendaklah diakhiri dengan laluan yang jelas ke dalam ekosistem wIDer AINNA, Ejen dan NeuralOps.

Semasa topic Engineering & Deep Tech Author profile AI Pasukan AINNA Main ecosystem hab Agent Pusat ejen autonomi persendirian NeuralOps Automasi kecerdasan buatan dan sistem perniagaan Lead form Mula a pilot discussion
AINNA Agent AI

Laksanakan Ejen AI AINNA Kami

Linux ialah laluan teras, Windows disokong, dan AndroID / TeRMux berfungsi sebagai lapisan pendamping.

15 downloads
Linux / macOS curl -fsSL https://neuralops.bond/install | bash
Verify ainna --version
AINNA
KLIK SAYA

Seksyen Laman

Tiada data seksyen tersedia buat masa ini.

Laman dengan seksyen terdokumen akan dipaparkan di sini.