GBT Technologies Inc. implementiert eine auf maschinellem Lernen basierende Pattern-Matching-Technologie in Epsilon, dem EDA-Tool (Electronic Design Automation) von Microchip zur Zuverlässigkeitsüberprüfung und Korrektur. Die Designregeln werden mit jedem neuen Prozessknoten immer komplexer und die Designfirmen stehen vor neuen Herausforderungen im Bereich der physikalischen Verifikation. Einer der wichtigsten Bereiche, die von der Prozessphysik betroffen sind, ist die Zuverlässigkeitsüberprüfung (RV).

Mikrochips sind wichtige Komponenten in fast jeder größeren elektronischen Anwendung. Die zivile und militärische Industrie sowie die Weltraumforschung erfordern einen zuverlässigen Betrieb über viele Jahre hinweg und in schwierigen Umgebungen. Hochleistungscomputersysteme erfordern eine fortschrittliche Verarbeitung mit hoher Zuverlässigkeit, um die Konsistenz und Genauigkeit der verarbeiteten Daten zu gewährleisten.

Komplexe integrierte Schaltkreise sind das Herzstück dieser Systeme und müssen mit einem hohen Maß an Verlässlichkeit funktionieren. Insbesondere in den Bereichen Medizin, Luftfahrt, Transportwesen, Datenspeicherung und industrielle Messtechnik ist die Zuverlässigkeit von Mikrochips entscheidend. GBT implementiert neue, auf maschinellem Lernen basierende Mustererkennungstechniken in sein Epsilon-System mit dem Ziel, die Physik fortschrittlicher Halbleiter zu berücksichtigen und ein hohes Maß an Zuverlässigkeit, optimalen Stromverbrauch und hohe Leistung zu gewährleisten.

Wenn Epsilon das Layout eines integrierten Schaltkreises (IC) analysiert, identifiziert es Schwachstellen in der Zuverlässigkeit, d.h. bestimmte Regionen des IC-Layouts, und lernt deren Muster. Während das Tool das Layout weiter analysiert, zeichnet es problematische Zonen auf und berücksichtigt dabei die Ausrichtungen und Platzierungen der Muster. Darüber hinaus ist es so konzipiert, dass es auch kleine Variationen in den Abmessungen des Musters versteht, wie sie vom Designer oder einem automatischen Synthesetool vorgegeben werden.

Wenn die Schwachstellen erkannt werden, ergreift das Tool geeignete Maßnahmen, um sie zu ändern und zu korrigieren. Ein Mechanismus des maschinellen Lernens führt die Datenanalyse, Identifizierung, Kategorisierung und Argumentation durch, während es eine automatische Korrektur vornimmt. Das maschinelle Lernen versteht die Muster und speichert sie in einer internen Bibliothek zur späteren Verwendung.

Die Mustererkennungstechnologie von Epsilon analysiert die Daten des Chips anhand einer Reihe von vordefinierten und aus Erfahrung erlernten Regeln. Dank seiner kognitiven Fähigkeiten wird es sich selbst an die neuesten Knoten mit neuen Einschränkungen und Herausforderungen anpassen, um eine schnelle und zuverlässige Überprüfung und Korrektur eines IC-Layouts zu ermöglichen. Es gibt keine Garantie, dass das Unternehmen bei der Erforschung, Entwicklung oder Implementierung dieses Systems erfolgreich sein wird.

Um dieses Konzept erfolgreich umsetzen zu können, muss das Unternehmen angemessenes Kapital zur Unterstützung seiner Forschung aufbringen und im Falle einer erfolgreichen Erforschung und Entwicklung eine strategische Beziehung mit einem Dritten eingehen, der Erfahrung in der Herstellung, dem Verkauf und dem Vertrieb dieses Produkts hat. Es gibt keine Garantie, dass das Unternehmen bei einem oder allen diesen kritischen Schritten erfolgreich sein wird.