Հեղինակի գրքերը (1)
Տեխնոլոգիա
Разработка и исследование средств для смягчения последствий перекрестных помех в интегральных cxeмax с использованием искусственного интеллекта
Այս գիտական ուսումնասիրությունը նվիրված է ինտեգրալ սխեմաներում առաջացող խաչաձև խանգարումների՝ cross-talk-ի, ազդեցությունը մեղմելու միջոցների մշակմանն ու հետազոտմանը՝ այդ նպատակով արհեստական բանականության մեթոդների կիրառմամբ։ Խաչաձև խանգարումները ինտեգրալ սխեմաների նախագծման և շահագործման կարևոր խնդիրներից են և առաջանում են այն ժամանակ, երբ մեկ հաղորդիչի կամ էլեկտրական հանգույցի ազդանշանը անցանկալի կերպով ազդում է հարակից հաղորդիչների, տարրերի կամ ազդանշանային ուղիների վրա։ Ժամանակակից միկրոէլեկտրոնիկայում ինտեգրալ սխեմաների տարրերի չափերի փոքրացումը, հաղորդիչների խտության աճը և աշխատանքային հաճախականությունների բարձրացումը մեծացնում են նման փոխազդեցությունների հավանականությունը՝ դրանք դարձնելով ազդանշանի ամբողջականության, էներգաարդյունավետության և համակարգի հուսալիության կարևոր խնդիր։ Ուսումնասիրության առանցքային նպատակը խաչաձև խանգարումների ազդեցության նվազեցման այնպիսի տեխնիկական և ալգորիթմական լուծումների մշակումն է, որոնք կարող են կիրառվել ինտեգրալ սխեմաների նախագծման տարբեր փուլերում։ Խնդիրը կարող է ներառել խանգարումների առաջացման պատճառների բացահայտում, դրանց տարածման և ազդեցության մոդելավորում, առավել խոցելի հատվածների հայտնաբերում, ինչպես նաև նախագծային պարամետրերի օպտիմալացում։ Արհեստական բանականության կիրառումը հնարավորություն է տալիս այս գործընթացներում օգտագործել մեծածավալ նախագծային և մոդելավորման տվյալներ՝ հայտնաբերելու այնպիսի օրինաչափություններ, որոնք ավանդական վերլուծական մեթոդներով կարող են դժվարությամբ բացահայտվել։ Հետազոտության կարևոր ուղղություններից մեկը խաչաձև խանգարումների ավտոմատ հայտնաբերումն է։ Մեքենայական ուսուցման ալգորիթմները կարող են վերլուծել ինտեգրալ սխեմայի կառուցվածքային, էլեկտրական և ժամանակային պարամետրերը և կանխատեսել այն հատվածները, որտեղ խանգարումների առաջացման հավանականությունը բարձր է։ Այս մոտեցումը կարող է թույլ տալ դեռևս նախագծման վաղ փուլերում հայտնաբերել հնարավոր խնդիրները և նվազեցնել հետագա վերանախագծման անհրաժեշտությունը։ Աշխատության շրջանակում կարող են ուսումնասիրվել նաև խանգարումների տարբեր տեսակները և դրանց ազդեցության չափման եղանակները։ Խաչաձև կապակցումը կարող է առաջանալ հարակից հաղորդիչների միջև էլեկտրաստատիկ կամ էլեկտրամագնիսական փոխազդեցությունների հետևանքով և հանգեցնել ազդանշանի անցանկալի տատանումների, ուշացումների, ամպլիտուդային փոփոխությունների կամ տրամաբանական սխալների։ Հետևաբար խանգարման մակարդակի գնահատումը պահանջում է էլեկտրական և ժամանակային բնութագրերի համատեղ վերլուծություն։ Արհեստական բանականության մեթոդները կարող են օգտագործվել ոչ միայն խնդիրների հայտնաբերման, այլև դրանց մեղմացման արդյունավետ միջոցների ընտրության համար։ Օրինակ՝ ալգորիթմները կարող են օգնել օպտիմալացնել հաղորդիչների տարածական դասավորությունը, դրանց միջև հեռավորությունը, հաղորդիչների երկրաչափական պարամետրերը, պաշտպանիչ կառուցվածքների կիրառումը կամ ազդանշանների երթուղավորման տարբերակները։ Այսպիսի օպտիմալացումը հատկապես կարևոր է մեծ բարդության ինտեգրալ սխեմաների դեպքում, որտեղ հնարավոր նախագծային տարբերակների թիվը չափազանց մեծ է ձեռքով արդյունավետ ուսումնասիրելու համար։ Ուսումնասիրության կարևոր բաղադրիչ կարող է լինել նաև թվային մոդելավորումը և մեքենայական ուսուցման մոդելների ուսուցումը։ Դրա համար հնարավոր է օգտագործել տարբեր նախագծային կառուցվածքների սիմուլյացիոն արդյունքներ՝ որպես ուսուցման տվյալներ, որոնց հիման վրա ալգորիթմը սովորում է կապը սխեմայի կառուցվածքային առանձնահատկությունների և առաջացող խանգարումների միջև։ Այնուհետև ստացված մոդելը կարող է կիրառվել նոր նախագծերի գնահատման և հնարավոր ռիսկերի կանխատեսման համար։ Այս մոտեցումը կարող է զգալիորեն արագացնել նախագծման գործընթացը՝ համեմատած յուրաքանչյուր տարբերակի ամբողջական ֆիզիկական մոդելավորման հետ։ Հետազոտության մեջ կարևոր նշանակություն ունի նաև կանխատեսման ճշգրտության և հաշվարկային արդյունավետության միջև հավասարակշռությունը։ Բարձր ճշգրտությամբ ֆիզիկական մոդելավորումը հաճախ պահանջում է մեծ հաշվարկային ռեսուրսներ և ժամանակ, մինչդեռ արհեստական բանականության վրա հիմնված մոտավոր մոդելները կարող են ապահովել արագ գնահատում։ Ուստի կարևոր է որոշել այնպիսի մեթոդաբանություն, որի դեպքում մեքենայական ուսուցման մոդելի արագությունը չի հանգեցնի նախագծային անվտանգության և ազդանշանի ամբողջականության էական կորստի։ Աշխատանքը կարող է ներառել տարբեր արհեստական բանականության մեթոդների համեմատական ուսումնասիրություն՝ կախված լուծվող խնդրի բնույթից։ Դասակարգման մեթոդները կարող են կիրառվել խոցելի հատվածների հայտնաբերման համար, ռեգրեսիոն մոդելները՝ խանգարման մակարդակի կանխատեսման համար, իսկ օպտիմալացման ալգորիթմները՝ ինտեգրալ սխեմայի նախագծային պարամետրերի ընտրության համար։ Ավելի բարդ խնդիրների դեպքում հնարավոր է կիրառել նաև խորը ուսուցման կամ ուժեղացման ուսուցման մեթոդներ՝ սխեմայի կառուցվածքի և երթուղավորման ավտոմատ օպտիմալացման նպատակով։ Կարևոր է նաև գնահատել առաջարկվող միջոցների գործնական արդյունավետությունը։ Դրա համար հնարավոր է համեմատել ավանդական նախագծային մոտեցումներով և արհեստական բանականության աջակցությամբ ստացված լուծումները՝ ըստ խաչաձև խանգարման մակարդակի, ազդանշանի ուշացման, էներգիայի սպառման, սխեմայի զբաղեցրած մակերեսի և նախագծման ժամանակի։ Այսպիսի համեմատությունը հնարավորություն է տալիս պարզել, թե արդյոք արհեստական բանականության կիրառումը իրականում ապահովում է տեխնիկական առավելություն և ինչ պայմաններում է դրա օգտագործումն առավել նպատակահարմար։ Թեման կարևոր է նաև ժամանակակից բարձրարտադրողական միկրոէլեկտրոնային համակարգերի զարգացման տեսանկյունից։ Գերարագ պրոցեսորները, հիշողության համակարգերը, կապի չիպերը և այլ բարդ ինտեգրալ սխեմաներ պահանջում են բարձր հաճախականությամբ և մեծ խտությամբ ազդանշանների փոխանցում, ինչի հետևանքով ազդանշանների փոխադարձ ազդեցությունը կարող է սահմանափակել համակարգի կատարողականությունը։ Խաչաձև խանգարումների արդյունավետ կառավարումը կարող է նպաստել սխեմաների հուսալիության, աշխատանքի արագության և նախագծման կանխատեսելիության բարձրացմանը։ Ընդհանուր առմամբ, ուսումնասիրությունը միավորում է միկրոէլեկտրոնիկայի, էլեկտրատեխնիկայի, ազդանշանների ամբողջականության, համակարգչային մոդելավորման և արհեստական բանականության մեթոդները՝ ինտեգրալ սխեմաներում անցանկալի փոխազդեցությունների կանխատեսման և նվազեցման նպատակով։ Աշխատանքի գործնական նշանակությունը կարող է արտահայտվել ինտեգրալ սխեմաների նախագծման գործընթացի ավտոմատացման, հնարավոր սխալների վաղ հայտնաբերման, նախագծային լուծումների օպտիմալացման և վերջնական արտադրանքի հուսալիության բարձրացման մեջ։ Թեման կարող է հետաքրքրել միկրոէլեկտրոնիկայի ինժեներներին, ինտեգրալ սխեմաների նախագծողներին, էլեկտրոնային համակարգերի մասնագետներին, մեքենայական ուսուցման հետազոտողներին, համակարգչային մոդելավորման մասնագետներին և համապատասխան տեխնիկական մասնագիտությունների ուսանողներին։
Թարմացվել է՝ 2026-09-12