JP2022167044A - Emi算出プログラム、emi算出方法およびemi算出装置 - Google Patents
Emi算出プログラム、emi算出方法およびemi算出装置 Download PDFInfo
- Publication number
- JP2022167044A JP2022167044A JP2021072550A JP2021072550A JP2022167044A JP 2022167044 A JP2022167044 A JP 2022167044A JP 2021072550 A JP2021072550 A JP 2021072550A JP 2021072550 A JP2021072550 A JP 2021072550A JP 2022167044 A JP2022167044 A JP 2022167044A
- Authority
- JP
- Japan
- Prior art keywords
- emi
- circuit
- information
- value
- frequency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 67
- 238000010801 machine learning Methods 0.000 claims abstract description 52
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims description 25
- 238000013459 approach Methods 0.000 claims description 4
- 208000032365 Electromagnetic interference Diseases 0.000 abstract description 275
- 238000010586 diagram Methods 0.000 description 19
- 238000012549 training Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 4
- 238000007796 conventional method Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
- G01R29/08—Measuring electromagnetic field characteristics
- G01R29/0864—Measuring electromagnetic field characteristics characterised by constructional or functional features
- G01R29/0871—Complete apparatus or systems; circuits, e.g. receivers or amplifiers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R1/00—Details of instruments or arrangements of the types included in groups G01R5/00 - G01R13/00 and G01R31/00
- G01R1/02—General constructional details
- G01R1/18—Screening arrangements against electric or magnetic fields, e.g. against earth's field
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
- G01R29/08—Measuring electromagnetic field characteristics
- G01R29/0807—Measuring electromagnetic field characteristics characterised by the application
- G01R29/0814—Field measurements related to measuring influence on or from apparatus, components or humans, e.g. in ESD, EMI, EMC, EMP testing, measuring radiation leakage; detecting presence of micro- or radiowave emitters; dosimetry; testing shielding; measurements related to lightning
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/001—Measuring interference from external sources to, or emission from, the device under test, e.g. EMC, EMI, EMP or ESD testing
- G01R31/002—Measuring interference from external sources to, or emission from, the device under test, e.g. EMC, EMI, EMP or ESD testing where the device under test is an electronic circuit
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
- G01R31/2851—Testing of integrated circuits [IC]
- G01R31/2886—Features relating to contacting the IC under test, e.g. probe heads; chucks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
- G01R31/2851—Testing of integrated circuits [IC]
- G01R31/2886—Features relating to contacting the IC under test, e.g. probe heads; chucks
- G01R31/2889—Interfaces, e.g. between probe and tester
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/32—Circuit design at the digital level
- G06F30/33—Design verification, e.g. functional simulation or model checking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/39—Circuit design at the physical level
- G06F30/398—Design verification or optimisation, e.g. using design rule check [DRC], layout versus schematics [LVS] or finite element methods [FEM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/10—Noise analysis or noise optimisation
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67011—Apparatus for manufacture or treatment
- H01L21/67098—Apparatus for thermal treatment
- H01L21/67109—Apparatus for thermal treatment mainly by convection
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/683—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for supporting or gripping
- H01L21/687—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for supporting or gripping using mechanical means, e.g. chucks, clamps or pinches
- H01L21/68714—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for supporting or gripping using mechanical means, e.g. chucks, clamps or pinches the wafers being placed on a susceptor, stage or support
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/683—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for supporting or gripping
- H01L21/687—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for supporting or gripping using mechanical means, e.g. chucks, clamps or pinches
- H01L21/68714—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for supporting or gripping using mechanical means, e.g. chucks, clamps or pinches the wafers being placed on a susceptor, stage or support
- H01L21/68785—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for supporting or gripping using mechanical means, e.g. chucks, clamps or pinches the wafers being placed on a susceptor, stage or support characterised by the mechanical construction of the susceptor, stage or support
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Shielding Devices Or Components To Electric Or Magnetic Fields (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】機械学習処理の負担を減らし、各周波数のEMI値を精度よく予測する機械学習モデルを生成すること。
【解決手段】EMI算出装置100は、第1の回路の回路情報を機械学習モデルに入力し、第1の回路の特定の周波数におけるEMI値を取得する。EMI算出装置100は、第1の回路のインピーダンス特性と特定の周波数におけるEMI値に基づいて、複数の回路それぞれのインピーダンス特性と複数の回路それぞれの複数の周波数におけるEMI値とが対応付けられた複数のEMI情報のうち、第1のEMI情報を選択する。EMI算出装置100は、特定の周波数におけるEMI値と第1のEMI情報とに基づいて、第1の回路の特定の周波数とは異なる他の周波数におけるEMI値を算出する。
【選択図】図1
【解決手段】EMI算出装置100は、第1の回路の回路情報を機械学習モデルに入力し、第1の回路の特定の周波数におけるEMI値を取得する。EMI算出装置100は、第1の回路のインピーダンス特性と特定の周波数におけるEMI値に基づいて、複数の回路それぞれのインピーダンス特性と複数の回路それぞれの複数の周波数におけるEMI値とが対応付けられた複数のEMI情報のうち、第1のEMI情報を選択する。EMI算出装置100は、特定の周波数におけるEMI値と第1のEMI情報とに基づいて、第1の回路の特定の周波数とは異なる他の周波数におけるEMI値を算出する。
【選択図】図1
Description
本発明は、電子回路基板における電磁波放射を算出するEMI算出技術に関する。
電子回路基板(以下、回路)に電流を流すことで、電磁波が放射される。かかる電磁波がノイズとして電子機器などに悪影響を与えることをEMI(Electro Magnetic Interference)と呼ぶ。以下の説明では、回路に電流を流した場合に放射される電磁波の強度を適宜、「EMI値」と表記する。
周波数毎に規制値が設けられており、回路を設計する場合には、周波数毎のEMI値が規制値以内となるように設計することが求められる。このため、シミュレーションや深層学習(Deep Learning)技術によって、回路の情報からEMI値を予測している。
シミュレーションを用いてEMI値を予測すると高精度にEMI値を予測することが可能であるが、コストが高いため、深層学習(Deep Learning)の技術をシミュレーションの代わりとして用いる場合もある。以下において、EMI値を予測する従来技術の一例として、従来技術1について説明する。
従来技術1について説明する。図9は、従来技術1を説明するための図である。従来技術1では、いくつかの回路情報10を用いてシミュレーションを実行することで、EMI値を算出し、算出したEMI値を正解データ11として利用する。従来技術1では、回路情報10と正解データ11との組を訓練データとし、機械学習モデル12の訓練を実行する。機械学習モデル12は、AI(Artificial Intelligence)等に対応する。従来技術1では、実用の回路情報13を、機械学習モデル12に入力することで、回路情報13に対応するEMI値を算出する。
しかしながら、上述した従来技術では、各周波数のEMI値を予測する機械学習モデルを生成しようとすると、機械学習処理の負担が高くなるという問題がある。
図10及び図11は、従来技術の問題を説明するための図である。図10について説明する。図10に示すグラフG1の横軸は周波数に対応する軸であり、縦軸はEMI値に対応する軸である。グラフG1では、30MHzから1GHzまで、9.7MHz刻みでEMI値を出力している。このように9.7MHz刻みでEMI値を出力する場合、従来技術をそのまま適用すると、101次元の回帰を行うことになり、機械学習処理の負担が大きくなる。
図11について説明する。図11に示すグラフG2の横軸は周波数に対応する軸であり、縦軸はEMI値に対応する軸である。線l1は、機械学習モデルを訓練する場合に用いた周波数毎のEMI値を示す。線l2は、訓練された機械学習モデルが出力する周波数毎のEMI値を示す。EMI値のピークは急峻な場合が多く、101次元の平均誤差等を損失関数にすると、ピークを当てようとして誤差を大きくするよりも、他の部分の誤差を小さくするように訓練されるため、ピークがずれてしまう。グラフG2についても、線l1のピークと、線l2のピークとがずれている。
1つの側面では、本発明は、機械学習処理の負担を減らし、各周波数のEMI値を精度よく予測する機械学習モデルを生成することができるEMI算出プログラム、EMI算出方法およびEMI算出装置を提供することを目的とする。
第1の案では、EMI算出プログラムは、第1の回路の回路情報を機械学習モデルに入力し、第1の回路の特定の周波数におけるEMI値を取得する処理をコンピュータに実行させる。EMI算出プログラムは、第1の回路のインピーダンス特性と特定の周波数におけるEMI値に基づいて、複数の回路それぞれのインピーダンス特性と複数の回路それぞれの複数の周波数におけるEMI値とが対応付けられた複数のEMI情報のうち、第1のEMI情報を選択する処理をコンピュータに実行させる。EMI算出プログラムは、特定の周波数におけるEMI値と第1のEMI情報とに基づいて、第1の回路の特定の周波数とは異なる他の周波数におけるEMI値を算出する処理をコンピュータに実行させる。
機械学習処理の負担を減らし、各周波数のEMI値を精度よく予測する機械学習モデルを生成することができる。
以下に、本願の開示するEMI算出プログラム、EMI算出方法およびEMI算出装置の実施例を図面に基づいて詳細に説明する。なお、この実施例によりこの発明が限定されるものではない。
本実施例に係るEMI算出装置の処理の一例について説明する。図1は、本実施例に係るEMI算出装置の処理を説明するための図である。図1に示すグラフG3の横軸は周波数に対応する軸であり、縦軸はEMI値に対応する軸である。
EMI算出装置100は、共振周波数を入力した場合に、入力された共振周波数に対応するEMI値を出力する機械学習モデル141を事前に訓練しておき、利用する。また、EMI算出装置は、各周波数のEMI値が既知の回路と、この回路のインピーダンスの周波数特性との関係を定義したEMI情報テーブル142を保持する。
以下の説明では、適宜、インピーダンスの周波数特性を、「インピーダンス特性」と表記する。各周波数のEMI値をまとめて「EMI情報」と表記する。各周波数のEMI値およびインピーダンス特性が既知の回路を「解析済み回路」と表記する。また、EMI値の推定対象となる回路を「推定対象回路」と表記する。
EMI算出装置100は、推定対象回路40の入力を受け付けると、推定対象回路40の共振周波数を、機械学習モデル141に入力することで、推定対象回路40の共振周波数に対応するEMI値40a,40bを特定する。
EMI算出装置100は、推定対象回路40のインピーダンス特性に類似するインピーダンス特性となる解析済み回路を特定し、特定した解析済み回路のEMI情報40cを取得する。
EMI算出装置100は、EMI情報40cのピーク値が、共振周波数に対応するEMI値40a,40bに合うように、EMI情報40c全体の形状を補正することで、EMI情報40dを生成する。EMI算出装置100は、EMI情報40dを、推定対象回路40の各周波数のEMI値として出力する。
上記のように本実施例に係るEMI算出装置100によれば、機械学習モデル141を用いて推定対象回路の共振周波数のEMI値を特定する。また、EMI算出装置100は、共振周波数以外の残りの周波数のEMI値を、推定対象回路のインピーダンス特定に類似する特性を有する解析済み回路の各周波数のEMI値を用いて算出する。機械学習モデル141は、共振周波数とEMI値との関係によって訓練されるため、各周波数のEMI値をそれぞれ用いて機械学習を実行する場合と比較して、機械学習モデルの機械学習に要する負荷を減らすことができる。
なお、共振周波数のEMI値を基にして、残りの周波数のEMI値を補間する場合、単純に、解析済み回路の各周波数のEMI値から、共振周波数のEMI値が近いEMI情報を抽出する方法が考えられる。しかし、共振周波数のEMI値が近い場合でも、他の周波数が一致するとは限らない。
図2は、共振周波数のEMI値が近くても他の周波数でEMI値が異なる例を示す図である。図2のグラフG4、G5の横軸は周波数に対応する軸であり、縦軸はEMI値に対応する軸である。グラフG4のEMI情報と、グラフG5のEMI情報とはそれぞれ異なる解析済み回路の各周波数のEMI値とする。グラフG4と、グラフG5とを比較すると、共振周波数のEMI値と、G5の共振周波数のEMI値とは類似しているが、他の周波数のEMI値が一致していない。
すなわち、共振周波数のEMI値を基にして、残りの周波数のEMI値を補間する場合、解析済み回路のEMI情報から、共振周波数のEMI値が近いEMI情報を抽出する方法では、推定対象回路の各周波数のEMI値を精度よく算出できない。
一方、本実施例に係るEMI算出装置100は、図1で説明したように、共振周波数以外の残りの周波数のEMI値を基にして、推定対象回路のインピーダンス特性に類似する特性を有する解析済み回路のEMI情報を補正することで算出する。これにより、EMI値の推定精度を損なうことなく、全周波数でのEMI値を算出することができる。
インピーダンスは電流強度に影響し、電流強度は電磁ノイズ強度に影響するため、インピーダンス特性に近い解析済み回路のEMI情報を利用することで、共振周波数以外のEMI値の微細な変動を近似できる。
次に、本実施例に係るEMI算出装置100の構成の一例について説明する。図3は、本実施例に係るEMI算出装置の構成を示す機能ブロック図である。図3に示すように、EMI算出装置100は、通信部110、入力部120、表示部130、記憶部140、制御部150を有する。
通信部110は、ネットワークを介して、外部装置(図示略)とデータ通信を実行する。たとえば、通信部110は、外部装置から推定対象回路の情報等を受信する。
入力部120は、ユーザ等から各種データを受け付けて、EMI算出装置100に入力する。
表示部130は、制御部150から出力される情報を表示する。たとえば、表示部130は、制御部150から出力される推定対象回路のEMI情報等を表示する。
記憶部140は、データや制御部150が実行するプログラムなどを記憶する。記憶部140は、機械学習モデル141、EMI情報テーブル142を記憶する。
機械学習モデル141は、訓練データによって事前に訓練されているものとする。機械学習モデル141は、ニューラルネットワークの一例である。たとえば、機械学習モデル141は、逆伝播法等に基づいて訓練される。
機械学習モデル141を訓練する場合に用いる訓練データは、入力「回路の共振周波数」と、出力(正解データ)「回路の共振周波数に対応するEMI値」とを対応付ける。訓練済みの機械学習モデル141に、共振周波数を入力することで、共振周波数に対応するEMI値が出力される。
EMI情報テーブル142は、複数の解析済み回路に関して、解析済み回路のインピーダンス特性と、EMI情報とを対応付けて保持する。図4は、EMI情報テーブルのデータ構造の一例を示す図である。図4に示すように、このEMI情報テーブル142は、回路識別情報と、インピーダンス特性と、EMI情報とを対応付ける。回路識別情報は、解析済み回路を一意に識別する情報である。
インピーダンス特性は、解析済み回路のインピーダンスの周波数特性を示す。図5は、インピーダンス特性の一例を示す図である。図5のグラフG6の横軸は周波数に対応する軸であり、縦軸はインピーダンスZinの絶対値に対応する軸である。図5に示すように、インピーダンス特性では、周波数毎に、インピーダンスの値が対応付けられる。
EMI情報は、解析済み回路の各周波数のEMI値を示す。図6は、EMI情報の一例を示す図である。図6のグラフG7の横軸は周波数に対応する軸であり、縦軸はEMI値に対応する軸である。図6に示すように、EMI情報では、周波数毎に、周波数に対応するEMI値がそれぞれ対応付けられる。
図3の説明に戻る。制御部150は、取得部151、算出部152を有する。
取得部151は、通信部110または入力部を介して、推定対象回路の情報を取得する。取得部151は、推定対象回路の情報を基にして、推定対象回路と等価な等価回路情報を生成する。等価回路情報は、推定対象回路の要素を、推定対象回路の特性を表す最小限の要素に単純化した情報である。
取得部151は、等価回路情報を回路シミュレーターに入力して、推定対象回路(等価回路情報)の共振周波数と、インピーダンス特性を取得する。たとえば、取得部151は、回路シミュレーターとして、SPICE(Simulation Program with Integrated Circuit Emphasis)等を利用する。
続いて、取得部151は、推定対象回路の共振周波数を、訓練済みの機械学習モデル141に入力することで、推定対象回路の共振周波数に対応するEMI値を取得する。
取得部151は、上記処理により取得した推定対象回路の共振周波数におけるEMI値と、推定対象回路のインピーダンス特性を、算出部152に出力する。
算出部152は、推定対象回路のインピーダンス特性と、EMI情報テーブル142に登録された各解析済み回路のインピーダンス特性とを比較して、推定対象回路のインピーダンス特性に最も類似するインピーダンス特性を特定する。以下の説明では、推定対象回路のインピーダンス特性と最も類似するインピーダンス特性を有する解析済み回路を「類似回路」と表記する。
たとえば、算出部152は、比較するインピーダンス特性の各周波数のインピーダンスの差分の絶対値をそれぞれ算出し、絶対値の合計値が小さいほど、比較したインピーダンス特性が類似していると判定する。
算出部152は、EMI情報テーブル142に含まれる複数のEMI情報から、類似回路のEMI情報を選択し、選択したEMI情報を取得する。
続いて、算出部152は、推定対象回路の共振周波数のEMI値と、類似回路のEMI情報とを基にして、推定対象回路の共振周波数とは異なる他の周波数におけるEMI値を算出する。
上述した図1を用いて、算出部152の処理を説明する。推定対象回路の共振周波数のEMI値を、EMI値40a,40bとし、類似回路のEMI情報を、EMI情報40cとする。算出部152は、EMI情報40cのピーク値が、共振周波数に対応するEMI値40a,40bに合うように、EMI情報40c全体の形状を補正することで、EMI情報40dを生成する。EMI算出装置100は、EMI情報40dを、推定対象回路の各周波数のEMI値として算出する。
算出部152は、EMI情報40c全体の形状を補正する場合には、EMI情報40cのピーク値が、EMI値40a,40bに合うように、周波数方向、EMI値の方向に変形する。算出部152は、推定対象回路のEMI情報40cを、表示部130に出力して表示させてもよいし、通信部110を介して、外部装置に出力してもよい。
次に、本実施例に係るEMI算出装置100の処理手順の一例について説明する。図7は、本実施例に係るEMI算出装置の処理手順を示すフローチャートである。図7に示すように、EMI算出装置100の取得部151は、推定対象回路の情報の入力を受け付ける(ステップS101)。
取得部151は、推定対象回路の等価回路情報を生成する(ステップS102)。取得部151は、回路シミュレーターを実行し、推定対象回路(等価回路情報)の共振周波数、インピーダンス特性を取得する(ステップS103)。
取得部151は、共振周波数を機械学習モデル141に入力し、共振周波数に対応するEMI値を取得する(ステップS104)。EMI算出装置100は、推定対象回路のインピーダンス特性と、EMI情報テーブル142のインピーダンス特性とを比較して、類似回路を特定する(ステップS105)。
算出部152は、EMI情報テーブル142から、類似回路に対応するEMI情報を取得する(ステップS106)。算出部152は、推定対象回路の共振周波数のEMI値と、取得したEMI情報とを基にして、推定対象回路のEMI情報を算出する(ステップS107)。算出部152は、推定対象回路のEMI情報を、出力する(ステップS108)。
次に、本実施例に係るEMI算出装置100の効果について説明する。EMI算出装置100は、機械学習モデル141を用いて推定対象回路の共振周波数のEMI値を特定する。また、EMI算出装置100は、共振周波数以外の残りの周波数のEMI値を、推定対象回路のインピーダンス特定に類似する特性を有する類似回路のEMI情報を用いて算出する。機械学習モデル141は、共振周波数とEMI値との関係によって訓練されるため、全ての周波数のEMI値をそれぞれ用いて機械学習を実行する場合と比較して、機械学習モデルの機械学習に要する負荷を減らすことができる。
また、EMI算出装置100は、類似回路のEMI情報のピーク値が、解析済み回路の共振周波数に対応するEMI値に合うように、EMI情報全体の形状を補正する。これにより、EMI値の推定精度を損なうことなく、全周波数でのEMI値を算出することができる。
EMI算出装置100は、推定対象回路の情報から等価回路情報を生成し、等価回路情報を回路シミュレーターに入力することで、共振周波数を取得し、取得した共振周波数を、機械学習モデル141に入力することで、EMI値を特定する。これによって、推定対象回路の共振周波数に対応するEMI値を効率的に取得することができる。
ところで、上述したEMI算出装置100の処理は一例であり、EMI算出装置100はその他の処理を実行してもよい。たとえば、EMI算出装置100が、訓練データを用いて、機械学習モデル141を訓練し、訓練済みの機械学習モデル141を用いて、共振周波数に対応するEMI値をする。
また、EMI算出装置100は、機械学習モデル141を訓練する場合、入力「回路の共振周波数」および「回路の電流分布の画像」と、出力「回路の共振周波数に対応するEMI値」とを対応付ける訓練データを用いて訓練してもよい。この場合には、取得部151は、回路シミュレーターを利用して、推定対象回路(等価回路情報)の共振周波数と電流分布の画像を取得し、取得した共振周波数と電流分布の画像を、機械学習モデル141に入力して、共振周波数に対応するEMI値を算出する。
次に、上記実施例に示したEMI算出装置100と同様の機能を実現するコンピュータのハードウェア構成の一例について説明する。図8は、EMI算出装置と同様の機能を実現するコンピュータのハードウェア構成の一例を示す図である。
図8に示すように、コンピュータ200は、各種演算処理を実行するCPU201と、ユーザからのデータの入力を受け付ける入力装置202と、ディスプレイ203とを有する。また、コンピュータ200は、外部装置からデータを受信する通信装置204と、各種の装置と接続するインタフェース装置205とを有する。コンピュータ200は、各種情報を一時記憶するRAM206と、ハードディスク装置207とを有する。そして、各装置201~207は、バス208に接続される。
ハードディスク装置207は、取得プログラム207a、算出プログラム207bを有する。CPU201は、取得プログラム207a、算出プログラム207bを読み出してRAM206に展開する。
取得プログラム207aは、取得プロセス206aとして機能する。算出プログラム207bは、算出プロセス206bとして機能する。
取得プロセス206aの処理は、取得部151の処理に対応する。算出プロセス206bの処理は、算出部152の処理に対応する。
なお、各プログラム207a,207bについては、必ずしも最初からハードディスク装置207に記憶させておかなくてもよい。例えば、コンピュータ200に挿入されるフレキシブルディスク(FD)、CD-ROM、DVDディスク、光磁気ディスク、ICカードなどの「可搬用の物理媒体」に各プログラムを記憶させておく。そして、コンピュータ200が各プログラム207a,207bを読み出して実行するようにしてもよい。
以上の各実施例を含む実施形態に関し、さらに以下の付記を開示する。
(付記1)第1の回路の回路情報を機械学習モデルに入力し、前記第1の回路の特定の周波数におけるEMI値を取得し、
前記第1の回路のインピーダンス特性と前記特定の周波数におけるEMI値に基づいて、複数の回路それぞれのインピーダンス特性と前記複数の回路それぞれの複数の周波数におけるEMI値とが対応付けられた複数のEMI情報のうち、第1のEMI情報を選択し、
前記特定の周波数におけるEMI値と前記第1のEMI情報とに基づいて、前記第1の回路の前記特定の周波数とは異なる他の周波数におけるEMI値を算出する、
処理をコンピュータに実行させることを特徴とするEMI算出プログラム。
前記第1の回路のインピーダンス特性と前記特定の周波数におけるEMI値に基づいて、複数の回路それぞれのインピーダンス特性と前記複数の回路それぞれの複数の周波数におけるEMI値とが対応付けられた複数のEMI情報のうち、第1のEMI情報を選択し、
前記特定の周波数におけるEMI値と前記第1のEMI情報とに基づいて、前記第1の回路の前記特定の周波数とは異なる他の周波数におけるEMI値を算出する、
処理をコンピュータに実行させることを特徴とするEMI算出プログラム。
(付記2)前記選択する処理は、前記複数のEMI情報のうち、前記第1の回路のインピーダンス特性に類似するインピーダンス特性に対応する回路のEMI情報を、前記第1のEMI情報として選択することを特徴とする付記1に記載のEMI算出プログラム。
(付記3)前記算出する処理は、前記第1のEMI情報に含まれる複数の周波数におけるEMI値のうち、最大のEMI値を特定し、特定した最大のEMI値が、前記特定の周波数におけるEMI値に近づくように、前記第1のEMI情報の複数の周波数とEMI値との関係を補正することで、前記特定の周波数とは異なる他の周波数におけるEMI値を算出することを特徴とする付記1または2に記載のEMI算出プログラム。
(付記4)前記取得する処理は、前記第1の回路の共振周波数を前記回路情報として、前記機械学習モデルに入力し、前記第1の回路の共振周波数におけるEMI値を取得することを特徴とする付記1、2または3に記載のEMI算出プログラム。
(付記5)第1の回路の回路情報を機械学習モデルに入力し、前記第1の回路の特定の周波数におけるEMI値を取得し、
前記第1の回路のインピーダンス特性と前記特定の周波数におけるEMI値に基づいて、複数の回路それぞれのインピーダンス特性と前記複数の回路それぞれの複数の周波数におけるEMI値とが対応付けられた複数のEMI情報のうち、第1のEMI情報を選択し、
前記特定の周波数におけるEMI値と前記第1のEMI情報とに基づいて、前記第1の回路の前記特定の周波数とは異なる他の周波数におけるEMI値を算出する、
処理をコンピュータが実行することを特徴とするEMI算出方法。
前記第1の回路のインピーダンス特性と前記特定の周波数におけるEMI値に基づいて、複数の回路それぞれのインピーダンス特性と前記複数の回路それぞれの複数の周波数におけるEMI値とが対応付けられた複数のEMI情報のうち、第1のEMI情報を選択し、
前記特定の周波数におけるEMI値と前記第1のEMI情報とに基づいて、前記第1の回路の前記特定の周波数とは異なる他の周波数におけるEMI値を算出する、
処理をコンピュータが実行することを特徴とするEMI算出方法。
(付記6)前記選択する処理は、前記複数のEMI情報のうち、前記第1の回路のインピーダンス特性に類似するインピーダンス特性に対応する回路のEMI情報を、前記第1のEMI情報として選択することを特徴とする付記5に記載のEMI算出方法。
(付記7)前記算出する処理は、前記第1のEMI情報に含まれる複数の周波数におけるEMI値のうち、最大のEMI値を特定し、特定した最大のEMI値が、前記特定の周波数におけるEMI値に近づくように、前記第1のEMI情報の複数の周波数とEMI値との関係を補正することで、前記特定の周波数とは異なる他の周波数におけるEMI値を算出することを特徴とする付記5または6に記載のEMI算出方法。
(付記8)前記取得する処理は、前記第1の回路の共振周波数を前記回路情報として、前記機械学習モデルに入力し、前記第1の回路の共振周波数におけるEMI値を取得することを特徴とする付記5、6または7に記載のEMI算出方法。
(付記9)第1の回路の回路情報を機械学習モデルに入力し、前記第1の回路の特定の周波数におけるEMI値を取得し、
前記第1の回路のインピーダンス特性と前記特定の周波数におけるEMI値に基づいて、複数の回路それぞれのインピーダンス特性と前記複数の回路それぞれの複数の周波数におけるEMI値とが対応付けられた複数のEMI情報のうち、第1のEMI情報を選択し、
前記特定の周波数におけるEMI値と前記第1のEMI情報とに基づいて、前記第1の回路の前記特定の周波数とは異なる他の周波数におけるEMI値を算出する、
処理を実行する制御部を有するEMI算出装置。
前記第1の回路のインピーダンス特性と前記特定の周波数におけるEMI値に基づいて、複数の回路それぞれのインピーダンス特性と前記複数の回路それぞれの複数の周波数におけるEMI値とが対応付けられた複数のEMI情報のうち、第1のEMI情報を選択し、
前記特定の周波数におけるEMI値と前記第1のEMI情報とに基づいて、前記第1の回路の前記特定の周波数とは異なる他の周波数におけるEMI値を算出する、
処理を実行する制御部を有するEMI算出装置。
(付記10)前記選択する処理は、前記複数のEMI情報のうち、前記第1の回路のインピーダンス特性に類似するインピーダンス特性に対応する回路のEMI情報を、前記第1のEMI情報として選択することを特徴とする付記9に記載のEMI算出装置。
(付記11)前記算出する処理は、前記第1のEMI情報に含まれる複数の周波数におけるEMI値のうち、最大のEMI値を特定し、特定した最大のEMI値が、前記特定の周波数におけるEMI値に近づくように、前記第1のEMI情報の複数の周波数とEMI値との関係を補正することで、前記特定の周波数とは異なる他の周波数におけるEMI値を算出することを特徴とする付記9または10に記載のEMI算出装置。
(付記12)前記取得する処理は、前記第1の回路の共振周波数を前記回路情報として、前記機械学習モデルに入力し、前記第1の回路の共振周波数におけるEMI値を取得することを特徴とする付記9、10または11に記載のEMI算出装置。
100 EMI算出装置
110 通信部
120 入力部
130 表示部
140 記憶部
141 機械学習モデル
142 EMI情報テーブル
150 制御部
151 取得部
152 算出部
110 通信部
120 入力部
130 表示部
140 記憶部
141 機械学習モデル
142 EMI情報テーブル
150 制御部
151 取得部
152 算出部
Claims (6)
- 第1の回路の回路情報を機械学習モデルに入力し、前記第1の回路の特定の周波数におけるEMI値を取得し、
前記第1の回路のインピーダンス特性と前記特定の周波数におけるEMI値に基づいて、複数の回路それぞれのインピーダンス特性と前記複数の回路それぞれの複数の周波数におけるEMI値とが対応付けられた複数のEMI情報のうち、第1のEMI情報を選択し、
前記特定の周波数におけるEMI値と前記第1のEMI情報とに基づいて、前記第1の回路の前記特定の周波数とは異なる他の周波数におけるEMI値を算出する、
処理をコンピュータに実行させることを特徴とするEMI算出プログラム。 - 前記選択する処理は、
前記複数のEMI情報のうち、前記第1の回路のインピーダンス特性に類似するインピーダンス特性に対応する回路のEMI情報を、前記第1のEMI情報として選択する、
処理を含むことを特徴とする請求項1に記載のEMI算出プログラム。 - 前記算出する処理は、
前記第1のEMI情報に含まれる複数の周波数におけるEMI値のうち、最大のEMI値を特定し、
特定した最大のEMI値が、前記特定の周波数におけるEMI値に近づくように、前記第1のEMI情報の複数の周波数とEMI値との関係を補正することで、前記特定の周波数とは異なる他の周波数におけるEMI値を算出する、
処理を含むことを特徴とする請求項1または2に記載のEMI算出プログラム。 - 前記取得する処理は、
前記第1の回路の共振周波数を前記回路情報として、前記機械学習モデルに入力し、前記第1の回路の共振周波数におけるEMI値を取得する、
処理を含むことを特徴とする請求項1、2または3に記載のEMI算出プログラム。 - 第1の回路の回路情報を機械学習モデルに入力し、前記第1の回路の特定の周波数におけるEMI値を取得し、
前記第1の回路のインピーダンス特性と前記特定の周波数におけるEMI値に基づいて、複数の回路それぞれのインピーダンス特性と前記複数の回路それぞれの複数の周波数におけるEMI値とが対応付けられた複数のEMI情報のうち、第1のEMI情報を選択し、
前記特定の周波数におけるEMI値と前記第1のEMI情報とに基づいて、前記第1の回路の前記特定の周波数とは異なる他の周波数におけるEMI値を算出する、
処理をコンピュータが実行することを特徴とするEMI算出方法。 - 第1の回路の回路情報を機械学習モデルに入力し、前記第1の回路の特定の周波数におけるEMI値を取得し、
前記第1の回路のインピーダンス特性と前記特定の周波数におけるEMI値に基づいて、複数の回路それぞれのインピーダンス特性と前記複数の回路それぞれの複数の周波数におけるEMI値とが対応付けられた複数のEMI情報のうち、第1のEMI情報を選択し、
前記特定の周波数におけるEMI値と前記第1のEMI情報とに基づいて、前記第1の回路の前記特定の周波数とは異なる他の周波数におけるEMI値を算出する、
処理を実行する制御部を有するEMI算出装置。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021072550A JP2022167044A (ja) | 2021-04-22 | 2021-04-22 | Emi算出プログラム、emi算出方法およびemi算出装置 |
EP22156094.9A EP4080398A1 (en) | 2021-04-22 | 2022-02-10 | Emi calculation program, emi calculation method, and emi calculation apparatus |
US17/676,828 US11719733B2 (en) | 2021-04-22 | 2022-02-22 | Storage medium, EMI calculation method, and EMI calculation apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021072550A JP2022167044A (ja) | 2021-04-22 | 2021-04-22 | Emi算出プログラム、emi算出方法およびemi算出装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022167044A true JP2022167044A (ja) | 2022-11-04 |
Family
ID=80447699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021072550A Pending JP2022167044A (ja) | 2021-04-22 | 2021-04-22 | Emi算出プログラム、emi算出方法およびemi算出装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11719733B2 (ja) |
EP (1) | EP4080398A1 (ja) |
JP (1) | JP2022167044A (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117434372B (zh) * | 2023-12-21 | 2024-03-08 | 深圳信测标准技术服务股份有限公司 | 电子产品的电磁兼容抗扰度测试方法及*** |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3960760B2 (ja) | 2000-07-06 | 2007-08-15 | 富士通株式会社 | 電磁波解析処理装置、電磁波解析方法、および電磁波解析処理プログラム |
US6711511B2 (en) | 2000-07-06 | 2004-03-23 | Fujitsu Limited | Electromagnetic wave analyzing apparatus and computer readable storage medium |
US7253642B2 (en) * | 2004-12-23 | 2007-08-07 | Power Survey Company | Method for sensing an electric field |
US9772363B2 (en) * | 2014-02-26 | 2017-09-26 | Nokomis, Inc. | Automated analysis of RF effects on electronic devices through the use of device unintended emissions |
US20180321293A1 (en) * | 2017-05-01 | 2018-11-08 | Elite Rf Llc | Multi-Purpose RF Test System |
JP7099236B2 (ja) | 2018-10-05 | 2022-07-12 | 富士通株式会社 | 推定プログラム、推定装置および推定方法 |
CN114520504A (zh) * | 2020-11-20 | 2022-05-20 | 美商新思科技有限公司 | 用于检查牺牲器件上的静电放电效应的自动化方法 |
-
2021
- 2021-04-22 JP JP2021072550A patent/JP2022167044A/ja active Pending
-
2022
- 2022-02-10 EP EP22156094.9A patent/EP4080398A1/en active Pending
- 2022-02-22 US US17/676,828 patent/US11719733B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
EP4080398A1 (en) | 2022-10-26 |
US11719733B2 (en) | 2023-08-08 |
US20220341979A1 (en) | 2022-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109101919B (zh) | 用于生成信息的方法和装置 | |
MXPA05008740A (es) | Metodo y aparato para el mejoramiento de lenguaje multi-sensorial. | |
WO2019113253A1 (en) | Voice enhancement in audio signals through modified generalized eigenvalue beamformer | |
US11507724B2 (en) | Non-transitory computer-readable storage medium storing estimation program, estimation device, and estimation method | |
CN110491412B (zh) | 声音分离方法和装置、电子设备 | |
JP2022167044A (ja) | Emi算出プログラム、emi算出方法およびemi算出装置 | |
CN110334716B (zh) | 特征图处理方法、图像处理方法及装置 | |
US9684970B2 (en) | Fast adaptive estimation of motion blur for coherent rendering | |
JP4252308B2 (ja) | 解像度向上方法及び装置 | |
US20210287052A1 (en) | Mini-batch learning apparatus, operation program of mini-batch learning apparatus, and operation method of mini-batch learning apparatus | |
JP2000232384A (ja) | データ処理装置およびデータ処理方法 | |
JP2004523941A5 (ja) | ||
Deza et al. | Accelerated texforms: alternative methods for generating unrecognizable object images with preserved mid-level features | |
CN112151052A (zh) | 语音增强方法、装置、计算机设备及存储介质 | |
CN112116922A (zh) | 一种噪声盲源信号分离方法、终端设备及存储介质 | |
CN109034085B (zh) | 用于生成信息的方法和装置 | |
CN114996487B (zh) | 媒体资源推荐方法、装置、电子设备以及存储介质 | |
US20210357811A1 (en) | Machine learning estimation method and information processing device | |
JP7416279B2 (ja) | 訓練データ生成プログラム、訓練データ生成方法及び訓練データ生成装置 | |
CN113177891A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
US20230237381A1 (en) | Non-transitory computer-readable recording medium storing training data generation program, training data generation method, and training data generation device | |
JP2021089526A (ja) | 推定装置、訓練装置、推定方法、訓練方法、プログラム及び非一時的コンピュータ可読媒体 | |
US20220147668A1 (en) | Reducing burn-in for monte-carlo simulations via machine learning | |
CN112201270B (zh) | 语音噪声的处理方法、装置、计算机设备及存储介质 | |
JP4202222B2 (ja) | 伝送線路解析方法及び装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240111 |