Anzeige der Artikel nach Schlagwörtern: kunstliche intelligenz

Die galvanische Verkupferung spielt bei der Herstellung von Leiterplatten eine entscheidende Rolle. Ihr Hauptvorteil ist die Reduzierung der Impedanz der Leitung und des Spannungsabfalls. Die Prozessleistung wirkt sich direkt auf die Qualität der Kupferschicht und die damit verbundenen mechanischen Eigenschaften aus: Bei der sauren Verkupferung besteht die Herausforderung darin, eine angemessene Schichtdickenverteilung und Oberflächengleichmäßigkeit zu erreichen, ohne dabei die metallurgischen Eigenschaften wie die prozentuale Dehnung und die Zugfestigkeit der Abscheidung übermäßig zu beeinträchtigen. Eine Verringerung der Stromdichte kann die Kupferdicke bis zu einem gewissen Grad ausgleichen, führt aber zu einer übermäßigen Verlängerung der Gesamtbeschichtungszeit, was den Durchsatz von Leiterplatten drastisch beeinträchtigt. Daher ist die ordnungsgemäße Kontrolle der Prozessleistung und folglich der Qualität der galvanischen Kupferschicht ein wichtiger Bestandteil der Leiterplattenbeschichtungstechnik, die selbst für relativ erfahrene Leiterplattenfabriken eine der größten Herausforderungen darstellt. Es scheint also, dass eine frühzeitige Erkennung der Leistung des Galvanisierungsprozesses in Bezug auf die Kupferschichtdicke und -verteilung einen großen Mehrwert für die richtige Prozessgestaltung und -kontrolle darstellen würde. Wie lässt sich das erreichen? Hier kommt das Konzept eines digitalen Zwillings des Cu-Galvanisierungsprozesses ins Spiel.

Renesas Electronics Corporation, ein japanischer Anbieter von Halbleiterlösungen, zeigte auf der ‚embedded world 2023' in Nürnberg die ersten Demos von künstlicher Intelligenz (KI) und maschinellem Lernen (ML) in anspruchsvollen Anwendungen auf einer MCU, die auf dem Arm Cortex-M85 basiert. Auf der ‚embedded world' im Vorjahr hatte Renesas als erstes Unternehmen funktionsfähiges Silicium auf der Basis des Arm Cortex-M85-Prozessors vorgestellt. Die nun gezeigten Anwendungen belegen die Leistungssteigerung des neuen Cortex-M85-Kern und der Helium-Technologie von Arm.

ChatGPT sorgt seit Monaten für viel Aufregung. Selbst IT-Experten und Veteranen sind von der Qualität überrascht. Der aktuelle Technologiesprung birgt zahlreiche Chancen und Gefahren. Massenentlassungen, Elend und Chaos auf der einen, paradiesische Zustände auf der anderen Seite werden prognostiziert. Doch wie genial oder unheilvoll ist diese KI wirklich und was bringt sie für den Arbeitsalltag?

– Teil 3 – Der letzte Konferenztag wartete noch einmal mit einem beachtlichen Angebot an Vorträgen auf. Ein spannender Themenblock war dabei „Neue Anforderungen an die Galvano- und Oberflächentechnik“, über den im vollen Umfang berichtet wird. In diesem letzten Teil zu den Oberflächentagen stehen auch die Fortschritte in der Anlagen- und Steuerungstechnik im Fokus, über die bereits am Nachmittag des Vortages referiert wurde. Hier ging es überwiegend um Digitalisierung und künstliche Intelligenz (KI).

Cerebras Systems im kalifornischen Sunnyvale, Pionier von komplexen Rechensystemen mit Künstlicher Intelligenz, zeigte im November auf der SC22 (International Conference for High Performance Computing) in Dallas, Texas, seinen AI-Supercomputer Andromeda mit 13,5 Millionen Kernen. Die Besonderheit ist der Aufbau als Cluster aus 16 von Cerebras' CS-2 Systemen auf Basis der Cerebras MemoryX- und SwarmX-Technologien. Andromeda liefert mehr als 1 Exaflops im AI-Bereich und 120 Petaflops für extrem hohe Rechenleistung (dense computing) mit halber Genauigkeit (16 bit).

Eigentlich wollte ich ein weiteres technisches Thema in meiner Kolumne aufgreifen. Aber irgendwie gibt es da wenig Neues und Erfolgreiches zu berichten und zu betrachten. Und über die boomende Rüstungsindustrie wollte ich nun doch nicht schreiben - zumindestens nicht als Innovationskraft und Jobmotor.

As part of a graduation thesis, a system was developed with which convolutional neural networks (CNN) can be trained to reliably identify electronic components in X-ray images. The concept of transfer learning is used to train the CNNs. A procedure was designed and implemented to generate suitable training data sets. With the help of the training data sets, different network architectures for image classification and object detection could be trained and evaluated. For the transfer learning, freely available models from another domain were used. The results show that transfer learning is a suitable method to reduce the effort (time, amount of data) in creating classification and object detector models. The models created show a high degree of accuracy in classification and object detection, even with unknown data. Applications that are related to the evaluation of radiographic images of electronic assemblies can be designed more effectively thanks to the available knowledge.

Im Rahmen einer Graduierungsarbeit wurde ein System entwickelt, mit dem Convolutional Neural Networks (CNN) trainiert werden können, um in Röntgenaufnahmen elektronische Bauelemente sicher zu erkennen. Hierbei wird das Konzept des Transfer-Learning verwendet. Zur Erzeugung geeigneter Trainingsdatensätze wurde ein Verfahren entworfen. So konnten verschiedene Netzarchitekturen für die Bildklassifikation und Objektdetektion trainiert und evaluiert werden. Für das Transfer-Learning wurden frei verfügbare Modelle einer anderen Domäne verwendet. Die Ergebnisse zeigen, dass Transfer-Learning eine geeignete Methode zur Reduzierung des Aufwands (Zeit, Datenmenge) bei der Erstellung von Klassifizierungs- und Objektdetektor-Modellen ist. Die erstellten Modelle zeigen dabei eine hohe Genauigkeit bei der Klassifikation und Objektdetektion auch bei unbekannten Daten. Anwendungen, die mit der Auswertung radiografischer Aufnahmen elektronischer Baugruppen in Zusammenhang stehen, können so effektiver gestaltet werden.

Der Informatiker und Tech-Pionier Prof. Dr. Sebastian Thrun wird beim Vordenker Forum in der Goethe-Universität Frankfurt für sein bisher erreichtes Lebenswerk ausgezeichnet.

DasUlmer Gespräch 2022 vom 4./5. Mai 2022 in Neu-Ulm mit dem Schwerpunkt „Nachhaltigkeit und Klimaneutralität – Herausforderungen und Chancen für elektrochemische Prozesse und Galvanotechnik“ im Rückblick.