Идет набор

    Проект: Исследование и разработка алгоритмов на базе искусственного интеллекта для многокритериального синтеза пассивных СВЧ-устройств

    Аннотация проекта:
    Проект направлен на решение актуальной задачи повышения эффективности и автоматизации проектирования пассивных СВЧ-устройств. Традиционные методы синтеза таких компонентов, как фильтры, делители мощности и трансформаторы, часто требуют значительных временных затрат и не всегда позволяют достичь оптимального сочетания характеристик. В рамках данного исследования предлагается разработка новых алгоритмов на основе технологий искусственного интеллекта. Ключевая цель – создание программных модулей, способных в автоматизированном режиме осуществлять многокритериальный синтез СВЧ-устройств. Это позволит одновременно оптимизировать целый ряд параметров: габариты, потери, стоимость и электрофизические характеристики. Результатом проекта станут алгоритмы и библиотека элементов для САПР, которые позволят сократить цикл разработки, снизить влияние человеческого фактора и улучшить качество проектируемых СВЧ-устройств, что имеет высокое значение для современной радиоэлектронной промышленности.
    Партнер проекта:

    Научно-исследовательская лаборатория "Фундаментальных исследований по электромагнитной совместимости" (НИЛ "ФИЭМС") кафедры ТУ

    Научно-исследовательская лаборатория "Фундаментальных исследований по электромагнитной совместимости" (НИЛ "ФИЭМС") кафедры ТУ

    Вакансии:
    ИсследовательСпециалист по машинному обучениюИнженер по данным и автоматизацииПрограммист-разработчик
    Классификация работы:
    НИР прикладная
    Направление исследований и разработок:
    Н1. Цифровые технологии

    Конечный продукт

    Компоненты программного модуля для синтеза пассивных СВЧ-устройств

    Актуальность и востребованность

    Актуальность данного проекта обусловлена тремя ключевыми факторами, определяющими развитие современной радиоэлектронной отрасли: ростом сложности и ужесточение требований к компонентной базе; неэффективность существующих методов проектирования; появлением новых инструментов для решения сложных оптимизационных задач. Стремительное развитие беспроводных систем связи (5G/6G), радиолокационных комплексов, спутниковых технологий и Интернета вещей (IoT) предъявляет все более жесткие требования к характеристикам СВЧ-устройств. Требуется одновременное достижение миниатюрных габаритов, низких потерь, широкой полосы пропускания и низкой стоимости. Традиционные подходы к проектированию, основанные на итерационных методах и опыте инженера, сталкиваются с фундаментальными ограничениями при поиске оптимального решения в таком многомерном пространстве параметров. Процесс синтеза становится "узким местом", замедляющим вывод новой продукции на рынок. Классический цикл разработки пассивных СВЧ-компонентов (фильтров, делителей, трансформаторов) является трудоемким и ресурсозатратным. Он требует от инженера глубоких теоретических знаний и практических навыков работы в специализированных САПР (HFSS, CST, AWR, ADS). Поиск оптимальной топологии и геометрии устройства часто сводится к методу проб и ошибок, что приводит к увеличению сроков проектирования и не гарантирует нахождения глобально оптимального решения. Автоматизация этого процесса является одной из главных задач современной радиоэлектроники. Технологии искусственного интеллекта (ИИ) и машинного обучения (МО) за последние годы продемонстрировали свою высокую эффективность в решении сложных, нелинейных и многокритериальных задач в различных областях науки и техники. Применение ИИ для синтеза СВЧ-устройств предлагает принципиально новый подход. Так, ИИ-модели способны мгновенно предсказывать характеристики устройства по его геометрии, заменяя часы электромагнитного моделирования. Алгоритмы могут анализировать тысячи возможных вариантов конструкций, находя нетривиальные и высокоэффективные решения, недоступные при ручном переборе. Создание интеллектуальных модулей позволяет автоматизировать рутинный этап синтеза, освобождая инженера для решения задач системного уровня. Таким образом, разработка алгоритмов интеллектуального синтеза пассивных СВЧ-устройств является высоко актуальной научно-технической задачей. Ее решение позволит создать наукоемкий инструментарий, который значительно сократит цикл разработки, повысит качество проектируемых изделий и будет способствовать повышению конкурентоспособности отечественной радиоэлектронной промышленности.

    Предмет разработки/исследования

    Предметом исследования и разработки являются математические модели, алгоритмы и методики, использующие технологии МО в частности и технологии ИИ в целом для решения задачи обратного проектирования (синтеза) пассивных СВЧ-устройств, а также их программная реализация в виде библиотек и модулей для дальнейшей интеграции в САПР.

    Способы и методы реализации проекта

    -

    Новизна предлагаемых в проекте решений

    -

    Задел по тематике проекта

    -

    Конкурентные преимущества создаваемого продукта

    -

    Календарный план

    1 этап:
    Аналитический
    Продолжительность:
    3 месяца
    Работы, выполняемые на этапе:
    1. Изучение и анализ существующих методов синтеза пассивных СВЧ-устройств, обзор научных публикаций по применению ИИ в области СВЧ. 2. Формулирование детальных технических требований к прототипам разрабатываемых модулей совместно с индустриальным партнером. 3. Обоснование и выбор САПР для электромагнитного моделирования, библиотек машинного обучения и языков программирования. 4. Определение ключевых параметров и диапазонов их варьирования для первичного набора устройств (например, микрополосковых фильтров).
    Результаты выполнения этапа:
    1. Аналитический отчет, содержащий обзор существующих решений 2. Утвержденное техническое задание (ТЗ) на разработку программно-алгоритмического комплекса. 3. Развернутая и настроенная программная среда для проведения исследований и разработок. 4. План-программа проведения вычислительных экспериментов.
    2 этап:
    Разработка базовых алгоритмов и моделей
    Продолжительность:
    6 месяцев
    Работы, выполняемые на этапе:
    1. Разработка скриптов для автоматического запуска процесса моделирования в выбранной САПР и сбора результатов. 2. Генерация набора данных для одного-двух классов устройств (например, фильтры нижних частот) путем проведения моделирования. 3. Создание и обучение первой версии нейросетевой или суррогатной модели, решающей задачу синтеза по заданным характеристикам. 4. Проверка работоспособности и точности прототипа на тестовой выборке.
    Результаты выполнения этапа:
    1. Программные скрипты для сопряжения Python и САПР СВЧ. 2. Первичный набор данных (dataset) для обучения моделей. 3. Программный прототип алгоритма интеллектуального синтеза для одного класса устройств. 4. Промежуточный научный отчет с результатами тестирования прототипа.
    3 этап:
    Программная реализация и расширение функционала
    Продолжительность:
    6 месяцев
    Работы, выполняемые на этапе:
    1. Улучшение точности и быстродействия базовых алгоритмов на основе результатов Этапа 2. 2. Генерация датасетов и адаптация алгоритмов для синтеза других компонентов (делители мощности, трансформаторы, направленные ответвители). 3. Проектирование архитектуры программной библиотеки, определение API для взаимодействия модулей. 4. Разработка отдельных программных модулей для синтеза каждого класса устройств в соответствии с разработанной архитектурой.
    Результаты выполнения этапа:
    1. Оптимизированные алгоритмы многокритериального синтеза. 2. Расширенные наборы данных, охватывающие несколько классов пассивных СВЧ-устройств. 3. Описание архитектуры программной библиотеки. 4. Первая версия программной библиотеки, включающая модули синтеза для 2-3 классов устройств.
    4 этап:
    Комплексное тестирование, верификация и подведение итогов
    Продолжительность:
    6 месяцев
    Работы, выполняемые на этапе:
    1. Проведение всестороннего тестирования разработанной библиотеки на решении практических задач синтеза. 2. Сравнительный анализ результатов работы модулей с результатами ручного проектирования и моделирования в САПР. 3. Написание финального научного отчета, технической документации и руководства пользователя для разработанной библиотеки. 4. Подготовка и подача научных статей в рецензируемые журналы, выступление с докладами на конференциях. Подготовка демонстрационных материалов для заказчика.
    Результаты выполнения этапа:
    1. Протоколы испытаний и верификации программного комплекса. 2. Финальная версия прототипа программной библиотеки, готовая к опытной эксплуатации. 3. Комплект отчетной и технической документации по проекту.

    Вакансии для обучающихся

    Идет набор

    Исследователь

    Основы теории цепей СВЧ, понимание работы пассивных компонентов; опыт работы в САПР СВЧ; умение анализировать характеристикСВЧ-устройств.

    Идет набор

    Специалист по машинному обучению

    Знание Python и библиотек (Pandas, NumPy, Scikit-learn, TensorFlow/PyTorch); Понимание принципов работы нейронных сетей и методов оптимизации; математическая подготовка (статистика, линейная алгебра).

    Идет набор

    Инженер по данным и автоматизации

    Навыки программирования (Python, возможно, VBA или скриптовые языки САПР); опыт работы с базами данных или системами хранения файлов; внимательность к деталям, понимание процесса моделирования СВЧ.

    Идет набор

    Программист-разработчик

    Python; системное мышление, понимание принципов ООП и разработки ПО; опыт работы с Git.