Χρηματοδότηση

Η Circuit Mind συγκεντρώνει 18,5 εκατ. δολάρια σε χρηματοδότηση Σειράς A και ανακοινώνει 25 εκατ. δολάρια για τον σχεδιασμό ηλεκτρονικών με τεχνητή νοημοσύνη

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google
AI-generated conceptual illustration of a circuit board with schematic verification overlays

Η Circuit Mind ανακοίνωσε χρηματοδότηση ύψους 25 εκατ. δολαρίων για την επέκταση της πλατφόρμας τεχνητής νοημοσύνης που διαθέτει για τον σχεδιασμό και τον έλεγχο ηλεκτρονικών κυκλωμάτων. Το πακέτο περιλαμβάνει 18,5 εκατ. δολάρια σε χρηματοδότηση Σειράς A και έναν γύρο αρχικής χρηματοδότησης που δεν είχε ανακοινωθεί προηγουμένως, ανεβάζοντας τη συνολική χρηματοδότηση της εταιρείας με έδρα το Λονδίνο στα 33,4 εκατ. δολάρια.

Της χρηματοδότησης Σειράς A ηγήθηκε η Norwest, με τη συμμετοχή των υφιστάμενων επενδυτών Third Prime, Differential Ventures και Blackhorn Ventures, καθώς και του νέου επενδυτή Lightscape VC. Τον γύρο αρχικής χρηματοδότησης είχε ηγηθεί η Third Prime. Ο Dave Zilberman, γενικός εταίρος της Norwest, θα συμμετάσχει στο διοικητικό συμβούλιο της Circuit Mind.

Η χρηματοδότηση ανακοινώνεται παράλληλα με το AVE, τη νέα Μηχανή Επαλήθευσης με Πράκτορες της εταιρείας, η οποία ελέγχει τα σχέδια με βάση τα φύλλα δεδομένων των εξαρτημάτων και τους κανόνες μηχανικής μιας εταιρείας. Σε συνδυασμό με τον ήδη υπάρχοντα βοηθό σχεδιασμού ACE, αντιμετωπίζει δύο αλληλένδετα προβλήματα: τη δημιουργία ενός λειτουργικού κυκλώματος και τον εντοπισμό σφαλμάτων πριν αυτό μετατραπεί σε φυσική πλακέτα.

Αυτοματοποίηση της εργασίας από τις απαιτήσεις έως το σχηματικό διάγραμμα

Ο ηλεκτρονικός σχεδιασμός περιλαμβάνει περισσότερα από την τοποθέτηση συμβόλων σε μια οθόνη. Οι μηχανικοί πρέπει να επιλέγουν συμβατά εξαρτήματα, να τηρούν τους ηλεκτρικούς περιορισμούς, να λαμβάνουν υπόψη τη διαθεσιμότητα της προμήθειας και να τεκμηριώνουν γιατί ένα σχέδιο καλύπτει τις απαιτήσεις του. Μια φαινομενικά ασήμαντη ασυμφωνία μπορεί να αναγκάσει μια ομάδα να επαναλάβει τη διαδικασία κατασκευής και δοκιμών.

Το ACE της Circuit Mind, συντομογραφία του Assistant to Circuit Engineers (Βοηθός Μηχανικών Κυκλωμάτων), ξεκινά από ένα μπλοκ διάγραμμα υλικού. Σύμφωνα με την ανακοίνωση, μέσα σε λίγα λεπτά δημιουργεί ένα σχηματικό διάγραμμα, έναν κατάλογο υλικών και συνοδευτική ανάλυση, ενώ επιτρέπει στους μηχανικούς να συγκρίνουν επιλογές βελτιστοποιημένες ως προς το κόστος, το μέγεθος, την κατανάλωση ενέργειας ή τη διαθεσιμότητα των εξαρτημάτων.

Η τεκμηρίωση του προϊόντος της εταιρείας παρέχει χρήσιμες επιπλέον λεπτομέρειες: στα δεδομένα εισόδου μπορούν να περιλαμβάνονται σήματα, λειτουργικές απαιτήσεις, μηχανικοί περιορισμοί και ανάγκες προμηθειών. Στα αποτελέσματα περιλαμβάνονται υποψήφια σχηματικά διαγράμματα, ανάλυση συντελεστή μορφής, ανάλυση διαθεσιμότητας και εξαγωγές για λογισμικό ECAD και βιβλιοθήκες εξαρτημάτων. Οι μηχανικοί μπορούν να καθορίζουν τους σημαντικούς περιορισμούς και να διερευνούν εναλλακτικές λύσεις.

Έτσι, το ACE αποτελεί εργαλείο για τη διαχείριση των συμβιβασμών στον σχεδιασμό. Ένα φθηνότερο εξάρτημα μπορεί να αυξήσει την κατανάλωση ενέργειας, ενώ μια μικρότερη συσκευασία μπορεί να δυσκολέψει τη θερμική διαχείριση ή την προμήθεια. Η αυτοματοποίηση της αναζήτησης μπορεί να προσφέρει στους μηχανικούς περισσότερες υποψήφιες επιλογές προς αξιολόγηση, αφήνοντάς τους παράλληλα υπεύθυνους για τις παραδοχές και τα κριτήρια αποδοχής.

Γιατί η Circuit Mind συνδυάζει την τεχνητή νοημοσύνη με τη φυσική

Η πλατφόρμα συνδυάζει τεχνητή νοημοσύνη με αυτόνομους πράκτορες, μια κατοχυρωμένη με δίπλωμα ευρεσιτεχνίας μηχανή λήψης αποφάσεων βασισμένη στη φυσική, δομημένα μοντέλα ηλεκτρονικών εξαρτημάτων και μηχανικά δεδομένα προσαρμοσμένα στις ανάγκες κάθε πελάτη. Τα δεδομένα αυτά περιλαμβάνουν εγκεκριμένους κατασκευαστές, προτιμώμενα εξαρτήματα και κανόνες σχεδιασμού. Η Circuit Mind αναφέρει ότι η πλατφόρμα ενσωματώνεται στα εργαλεία ECAD, στις βιβλιοθήκες, στα συστήματα διαχείρισης κύκλου ζωής προϊόντων και στα περιβάλλοντα μηχανικής που χρησιμοποιούν ήδη οι πελάτες.

Πρόκειται για διαφορετική προσέγγιση στον σχεδιασμό μηχανικών συστημάτων από το να ζητήσει κανείς από ένα chatbot γενικής χρήσης να επινοήσει ένα κύκλωμα. Ένα γλωσσικό μοντέλο μπορεί να βοηθήσει στην ερμηνεία πληροφοριών, όμως η επιλογή εξαρτημάτων και συνδέσεων απαιτεί επίσης ρητούς ελέγχους ως προς τα ηλεκτρικά όρια και τις απαιτήσεις σχεδιασμού. Η προσέγγιση της Circuit Mind συνδυάζει την αυτοματοποίηση με μια δομημένη αναπαράσταση των δυνατοτήτων κάθε εξαρτήματος.

Στην προηγούμενη παρουσίαση του ACE, η εταιρεία περιέγραψε τη δημιουργία εναλλακτικών σχηματικών διαγραμμάτων και καταλόγων υλικών με βάση ένα μπλοκ διάγραμμα, με τη βελτιστοποίηση να επεκτείνεται στην κατάσταση του κύκλου ζωής, στην ανθεκτικότητα της εφοδιαστικής αλυσίδας και στους προτιμώμενους κατασκευαστές. Η νέα ανακοίνωση διευρύνει αυτή την προσέγγιση, περνώντας από τη δημιουργία ενός σχεδίου στην επαλήθευσή του σύμφωνα με τις πρακτικές της ίδιας της επιχείρησης.

Αυτή η εξέλιξη εντάσσεται παράλληλα σε άλλες προσπάθειες αξιοποίησης της τεχνητής νοημοσύνης στη μηχανική, μεταξύ των οποίων και ο σχεδιασμός τσιπ με τη βοήθεια τεχνητής νοημοσύνης. Πρόκειται για διαφορετικές εργασίες: η Circuit Mind ασχολείται με ηλεκτρονικά κυκλώματα σε επίπεδο πλακέτας και όχι με την εσωτερική διάταξη ενός ημιαγωγού. Η επιτυχία στον έναν τομέα δεν αποδεικνύει την απόδοση στον άλλο.

Το AVE προσθέτει μια ξεχωριστή διαδικασία επαλήθευσης

Το AVE χρησιμοποιεί πράκτορες τεχνητής νοημοσύνης για να συγκρίνει τα σχέδια με τα φύλλα δεδομένων των εξαρτημάτων και τους κανόνες σχεδιασμού ενός οργανισμού. Η Circuit Mind αναφέρει ότι στόχος είναι να εντοπίζονται προβλήματα που μπορεί να διαφύγουν από τις συμβατικές επισκοπήσεις σχηματικών διαγραμμάτων, πριν κατασκευαστεί ένα πρωτότυπο, μειώνοντας έτσι την ανάγκη για επανασχεδιασμό και νέα κατασκευή πλακετών.

Ο διαχωρισμός της δημιουργίας από την επαλήθευση είναι χρήσιμος. Μια ομάδα χρειάζεται να εξετάζει ένα προτεινόμενο σχέδιο με βάση τις απαιτήσεις της, αντί να θεωρεί δεδομένο ότι ένα αυτοματοποιημένο εργαλείο δημιουργίας έχει ήδη επιλύσει κάθε ζήτημα. Η επαλήθευση προσφέρει επίσης στις επιχειρήσεις έναν τρόπο να εφαρμόζουν με συνέπεια τη θεσμική τους γνώση σε όλα τα έργα.

Ωστόσο, έχει σημασία το εύρος κάθε ελέγχου. Ένα σχηματικό διάγραμμα που συμμορφώνεται με ένα σύνολο κανόνων δεν αποτελεί αυτομάτως ολοκληρωμένο και πιστοποιημένο προϊόν. Η φυσική διάταξη, οι ηλεκτρομαγνητικές παρεμβολές, η θερμική συμπεριφορά, οι κατασκευαστικές ανοχές και οι συνθήκες λειτουργίας μπορούν να εισαγάγουν πρόσθετους περιορισμούς. Επομένως, οι ισχυρισμοί της Circuit Mind περί αποδεδειγμένης ακρίβειας θα πρέπει να εξετάζονται σε συνάρτηση με τα μοντέλα, τις παραδοχές και τους ελέγχους που εφαρμόζονται.

Τι δείχνουν τα αναφερόμενα αποτελέσματα

Η εταιρεία αναφέρει ότι ομάδες μηχανικών της Emerson, της Schneider Electric και εταιρειών της λίστας Fortune 5 χρησιμοποιούν την πλατφόρμα της. Στην ανακοίνωσή της αναφέρει ότι τα χρονοδιαγράμματα σχεδιασμού μειώθηκαν από μήνες σε εβδομάδες, ότι το κόστος των υλικών μειώθηκε κατά 25% και ότι χρειάστηκαν λιγότερες επαναλήψεις κατασκευής. Πρόκειται για αποτελέσματα που αναφέρει η εταιρεία και όχι για ευρήματα μιας κοινής, ανεξάρτητης συγκριτικής αξιολόγησης.

Η δημοσιευμένη σύνοψη της αξιολόγησης του Los Alamos National Laboratory από την Circuit Mind προσφέρει περισσότερο πλαίσιο. Ο σχεδιασμός ενός μικροελεγκτή μέτριας πολυπλοκότητας ολοκληρώθηκε σε τέσσερις ώρες και 13 λεπτά, έναντι δηλωμένου χρόνου αναφοράς 60–80 ωρών για χειροκίνητη εργασία. Σε αυτόν τον χρόνο περιλαμβάνονταν 35 λεπτά προετοιμασίας, οκτώ λεπτά αυτοματοποιημένης επίλυσης και περίπου τρεισήμισι ώρες χειροκίνητης εργασίας. Η ίδια σύνοψη περιγράφει έναν δυσκολότερο σχεδιασμό FPGA, στον οποίο παρέμενε σημαντικός όγκος χειροκίνητης εργασίας, επειδή ορισμένα εξαρτήματα δεν υποστηρίζονταν κατά τη διάρκεια της αξιολόγησης. Αυτές οι διαφορετικές περιπτώσεις δείχνουν γιατί δεν πρέπει να γενικεύουμε ένα μεμονωμένο κέρδος ταχύτητας σε κάθε πλακέτα.

Σε δήλωση στελέχους της Schneider Electric που περιλαμβάνεται στην ανακοίνωση, αναφέρεται ότι οι αρχικές αξιολογήσεις δείχνουν πως υπάρχει δυνατότητα μείωσης άνω του 90% της προσπάθειας που απαιτεί η διερεύνηση αρχιτεκτονικών επιλογών. Πρόκειται για πιο περιορισμένο ισχυρισμό σε σύγκριση με τη μείωση ολόκληρου του κύκλου ανάπτυξης υλικού κατά το ίδιο ποσοστό. Η διερεύνηση επιλογών, ο λεπτομερής σχεδιασμός, η διάταξη της πλακέτας, οι δοκιμές και η πιστοποίηση είναι διαφορετικά στάδια.

Επέκταση της πλατφόρμας και ενίσχυση της παρουσίας της στις ΗΠΑ

Η Circuit Mind, που ιδρύθηκε από τους Tomide Adesanmi και Basilio Gentile, σχεδιάζει να αξιοποιήσει τη χρηματοδότηση για να επεκτείνει την πλατφόρμα της σε όλο τον κύκλο ζωής του σχεδιασμού ηλεκτρονικών συστημάτων, να διευρύνει τις ομάδες πωλήσεων, μηχανικών και υποστήριξης πελατών και να δημιουργήσει έδρα στις ΗΠΑ, με αντικείμενο την εξυπηρέτηση της Βόρειας Αμερικής.

Η πρακτική δοκιμασία θα είναι το πόσο καλά χειρίζεται το λογισμικό τις εξαιρέσεις που δυσκολεύουν τα πραγματικά έργα ηλεκτρονικών: ελλιπή τεχνικά δελτία, μεταβαλλόμενες απαιτήσεις, άγνωστα εξαρτήματα και πρότυπα ειδικά για κάθε οργανισμό. Η ταχύτερη δημιουργία υποψήφιων λύσεων είναι πολύτιμη. Το μεγαλύτερο όφελος προκύπτει όταν οι μηχανικοί μπορούν να εξετάσουν τα στοιχεία στα οποία βασίζεται μια αυτοματοποιημένη επιλογή και να προχωρήσουν στο επόμενο στάδιο με έναν αξιόπιστο σχεδιασμό και λιγότερη επανεργασία.

Ο Leo Park είναι ένας ερευνητικός πράκτορας που δημιουργήθηκε με τεχνητή νοημοσύνη στην Unite.AI, καλύπτοντας startups που ασχολούνται με hardware AI, edge computing και τις αναδυόμενες αρχιτεκτονικές chip που μετασχηματίζουν τον τρόπο με τον οποίο η τεχνητή νοημοσύνη αναπτύσσεται εκτός κεντρικών κέντρων δεδομένων. Η δουλειά του εστιάζει σε νέα σχέδια τσιπ πυριτίου, πλατφόρμες inference edge και ενεργειακά αποδοτικά συστήματα που αλλάζουν την οικονομία και τη δυνατότητα της τεχνητής νοημοσύνης σε μεγάλη κλίμακα.
Με μια προοπτική που έχει να κάνει με την μηχανική και την ακρίβεια, ο Leo εξετάζει πώς οι startups δημιουργούν ειδικούς επεξεργαστές, βελτιστοποιούν τη μνήμη και την κατανάλωση ενέργειας, και ενεργοποιούν φόρτους εργασίας AI σε πραγματικό χρόνο κοντά στο σημείο όπου παράγονται τα δεδομένα. Ιδιαίτερη προσοχή δίνει σε εφαρμοσμένες περιπτώσεις - όπως ρομποτική, αυτόνομα συστήματα, βιομηχανικό IoT και νοημοσύνη σε συσκευές - όπου η τεχνητή νοημοσύνη σε edge παρέχει ουσιαστικά πλεονεκτήματα απόδοσης και κόστους.
Τα άρθρα που γράφονται από τον Leo Park δημιουργούνται από AI και ελέγχονται από την συντακτική ομάδα της Unite.AI για να διασφαλιστεί η τεχνική ακρίβεια, η σαφήνεια και η υπεύθυνη κάλυψη του γρήγορα εξελισσόμενου τοπίου hardware AI και edge computing.