透過AI自動設計讓AI自己學習如何設計，將HP 11年前的筆電天線Y尺寸縮小3~4成!!

By Daniel, helios-robot

Updated in April, 2022

摘要

1. 讓天線縮小尺寸是工程師每天在努力的工作，反覆實驗測試找尋各種規則與架構實在是非常的吃力。34% Y尺寸的縮小可能需要耗費數年的時間才能完成，況且頻寬要增加更是難上加難。但透過這款AI，您僅需要約5個工作天就能夠完成這個設計工作。

2. 僅需提供設計規格，決定好您需要掃描的變數例如: 饋點位置、接地位置、形狀變動長寬尺寸，讓AI為您自動找到最合適的解答。

3. 解空間組合高達數十億種，AI能在200次內的搜索為您找到最佳解答，節省您大量時間

天線尺寸縮小而且自動達標，AI人工智慧有辦法解決這種問題嗎?這不是都需要大量的資料庫以及龐大的訓練模型才有辦法做得到嗎? 成本是不是非常的高? 這是大多數人的疑問，讓我們用這個實際的設計範例為您一一作出解答。

起始資料模型非常的重要，也是AI學習的範本與模型訓練的燃料。在傳統的大數據AI底下，首先必須蒐集到足夠大量的數據如數百萬筆資料後，資料科學家才能夠進行訓練。但資料取得的成本太過昂貴，即使是具備豐富設計經驗的公司也無法將其整理成電腦能夠訓練的格式。因此，我們採用的方式是讓模擬軟體自己標記所有的模擬資料，根據不同的規格條件進行紀錄，讓模擬結果直接變成AI讀得懂的資料格式進行訓練，實現AI自主學習的能力，進而完成設計工作。了解AI運作原理後，接著進行下一個步驟。

逆向工程-我們可以將參考的設計做拆解，了解11年前的設計架構，並且將其將初始資料的設計圖佈建到電磁模擬環境中，可以重現天線設計的資料，並且萃取出模擬數據，將其與實驗的結果進行比對如下。

逆向工程

給 AI 第一個參考設計作為學習
沒有限制前案是否是最近的設計

Tear Down

WLAN2

LTE6

LTE5

WLAN1

數據校正

WLAN模擬實驗比對

數據校正

WWAN模擬實驗比對

Size: 85 x 14 mm2
Antenna Type: Cap coupled monopole

數據校正—透過模擬與實驗數據的比較，我們可以發現兩者的趨勢十分吻合，但問題是有明顯的差距。這主要的原因在於天線的饋線並沒有考慮在模擬的環境中，因為筆電天線的饋線長度動則數百毫米，在進行模擬的時候會耗費大量的時間之外，mesh數量也會急遽的成長，造成模擬無法收斂的問題。因此在設定上可以採取discrete port去節省時間。而模擬與實驗的差距，我們可以透過數據校正來克服這個問題。在固定的環境與空間條件底下，校正數值是相當的穩定，因此我們將這個資料記錄起來後，透過我們的自動校正程式轉換，未來所有模擬結果都可以自動還原成實驗結果。可以為您省下大量的實驗時間，以後不用所有人在那邊排隊等同一個chamber量測結果了。

設計目標— 訂一個您想達到的目標給AI，讓AI為您達標。在這個設計範例中，我們訂下的目標是將WLAN以及WWAN天線Y尺寸縮小30~40%。傳統模擬軟體在進行參數分析或最佳化的時候，除了設計雛型必須接近目標之外，每個模擬結果都要自己整理，最佳化工具給的結果只有一個而已。而智動化的AI可以讓您，只要您提供設計概念(饋點、接地點、形狀調整的方向)就好，設計雛型跟目標差很多也可以，AI就能夠自動幫您找到近似的解答。

設計目標

AI Design Goal

設計流程— 您先挑一個參考的設計作為AI模仿的藍本，需要更多的參考設計可以加入會員到我們的設計資料庫系統裡面慢慢挑。接著進行規格的設定，各種頻寬跟效率規格任您決定。尺寸變形的部分，會由我們的工程團隊為您服務，建置到電磁模擬環境中。我們的工程團隊經過Remcom原廠的長期培訓，模擬精準度值得客戶信賴。接著是神經網路的佈建，將會由專業的資料科學家為您服務，撰寫特定的控制程式讓模擬軟體開始自動地進行設計與學習，並且依序地將所有報表產出供您瀏覽與下決策。

AI設計流程

AI Design Process 1 ->∞

實測結果比對— 我們根據AI自動設計在各5個工作天內掃描的最佳結果進行複製並且安排實測做比對。可以看到即使天線的Y尺寸已經縮小的30~40%，與設計的目標已經非常的接近了。模擬的報表中顯示，目前使用四個變數，最佳的分數以及疊帶次數。報表中有詳細天線的設計照片以及規格中所有的結果。下方的圓圈顯示模擬結果與目標差距，100%代表全部達標。