AI技术助力北京与西安：高频高速电路仿真设计的新速度

AI与EDA的融合在高频高速领域具有重要意义。它可以帮助提高设计的准确性、优化信号完整性、加速故障诊断和修复，以及自动化设计流程，从而提高设计效率和质量。

在本次研讨会中，我们将重点分享AI技术在射频设计、SERDES设计、内存设计以及半导体器件建模中的应用。同时，随着技术的推动，multi-die技术逐渐普及，其中涉及的UCIe接口设计也有一些需要特别关注的地方，我们将为您提供相关解读。

利用人工智能和机器学习重塑电子设计自动化

随着人工智能与机器学习的飞速发展，它们已经渗透到了电子设计自动化 (EDA) 的每一个角落。我们将深入探讨如何通过这些尖端技术优化和创新EDA的流程。具体讲解在包括ADS，SystemVue以及器件建模等平台中如何使用AI/ML提高生产力。

基于AI/ML和测量的功放设计

功放设计通常需要得到实测load pull数据支持，ADS可以引导您完成导入、清理和可视化测得的Load Pull数据，并通过这些数据优化功放设计的关键指标，例如PAE、EVM、ACLR等。通过实际示例，您将学习如何通过Load Pull数据来提高功率放大器的性能，了解如何使用这些数据来定制非线性仿真的人工神经网络（ANN）模型。

UCIe通用小芯片互连接口技术仿真

高性能计算是Multi-Die系统兴起的重要推动力。利用Multi-Die系统能实现异构集成，并且利用较小Chiplet实现更高良率，更小的外形尺寸和紧凑的封装，降低系统的功耗和成本，不仅可以解决AI领域性能需求每两年增长800倍的需求，还可以解决多个行业对速度更快、功耗更低带宽更高的半导体的巨大需求。Die之间使用UCIe标准进行通信，在本次演示中，您将深入了解chiplet的高速通信标准以及如何进行仿真，此外，我们还将探讨如何利用智能设计环境轻松计算和优化眼图、误码率（BER）、等高线和电压传输函数（VTF）等。

全新的SerDes和内存设计流程

AI/ML、5G 和物联网设备的飞速发展不断推动对内存技术的迭代。更高的存取速度使得内存设计和验证变得更加困难。内存接口信号完整性可能会受到串扰、反射和噪声的影响。时间预算变得更加紧张，误差边界变窄。而功耗上升，则可能引起影响可靠性的热问题。在这个演示中，您将了解到针对 SerDes 和内存设计的最新工作流解决方案，从而帮助您缩短从概念到模拟和验证的时间。

快速电磁-电路协同设计

射频工程师使用PCB板和模块来以比定制集成电路设计更低的成本实现系统功能。随着技术的进步，模块内的芯片、封装和三维组件拥有更复杂的工艺和技术。这使得电路电磁协同设计更加困难，我们将介绍一种新的方法来应对这些挑战，以帮助射频工程师在几秒钟或几分钟内进行模块集成。

审核编辑：黄飞