Prestaties van micro-elektronica voorspellen met fysica-geïnformeerde kunstmatige intelligentie
Wetenschappers van het Argonne National Laboratory hebben een fysica-geïnformeerd AI-model ontwikkeld om prestaties van micro-elektronica met hoge nauwkeurigheid en lagere rekenkosten te voorspellen. Het model combineert machine learning met fysische principes, wat snellere en betrouwbaardere simulaties mogelijk maakt.
Onderzoekers van Argonne National Laboratory hebben een fysica-geïnformeerd kunstmatige intelligentiemodel gecreëerd om de prestaties van micro-elektronica te voorspellen. Deze aanpak integreert natuurwetten in machinaal leren, wat de voorspellingsnauwkeurigheid verbetert en tegelijkertijd de benodigde rekenkracht vermindert in vergelijking met traditionele simulaties. Het model is ontworpen om het ontwerp en de optimalisatie van elektronische componenten te versnellen.
Bron: GNews EN — AI —
origineel