从 MEMS 校准到 AI:一枚小芯片背后的工程系统✎ Edit

👁 787 views
从 MEMS 校准到 AI:一枚小芯片背后的工程系统
Tahun-tahun lalu, dalam peranan awal saya dalam reka bentuk MEMS, sensor dan litar bersepadu digabungkan dalam satu cip.

Antara tugas paling mencabar ialah "mendidik" cip tersebut menerusi pengaturcaraan aras rendah. Menggunakan protokol komunikasi seperti I²C, kami mengumpul data sensor secara berterusan, menganalisis tingkah laku cip, dan memprogramkan semula parameter kalibrasi ke dalam peranti.

Cabaran sebenarnya bukan sekadar memprogramkan cip itu.

Ia membina dan mengendalikan keseluruhan persekitaran pengesahan automatik. Bangku ujian beroperasi 24/7 selama berbulan-bulan, mengintegrasikan multiplekser, bekalan kuasa boleh atur, pengawal tekanan Druck dan pam yang tepat, kamar persekitaran, peti sejuk, ketuhar, pengawal suhu, sistem pengambilan data, osiloskop, dan pelbagai instrumen pengukuran untuk mencirikan satu kepingan silikon yang kecil di bawah pelbagai keadaan operasi.

Setelah data yang mencukupi terkumpul, kerja kejuruteraan sebenar bermula.
Kami menganalisis set data besar menggunakan persamaan kejuruteraan, analisis regresi, kaedah statistik, kalibrasi berulang, dan iterasi berkali-kali untuk mendapatkan parameter yang betul. Mencapai kalibrasi yang sedia untuk pengeluaran sering memakan masa berbulan-bulan, kadangkala bertahun-tahun.

Kini, AI dan pengkomputeran statistik moden boleh menilai berjuta atau malahan berbilion kemungkinan dalam sebahagian kecil masa. 回归 mengenal pasti hubungan, Monte Carlo meneroka ketidakpastian menerusi simulasi, dan inferens Bayesian mengemas kini kebarangkalian secara berterusan apabila bukti baharu tersedia.

Namun, prinsip kejuruteraan kekal sama-sama ada kita mencirikan satu cip silikon atau mengoptimumkan sistem operasi logistik di AINNA.

系统 paling berkesan tidak bergantung kepada AI untuk setiap pelaksanaan. Ia mula-mula menemui penyelesaian optimum, mengesahkannya, dan kemudian menukarkannya kepada proses deterministik yang dilaksanakan oleh peraturan, parser, dan sistem khusus.

AI mempercepat penemuan.
系统 deterministik menjamin konsistensi.
Disiplin kejuruteraan kekal sebagai asas.
Teknologi telah berubah. Pemikiran kejuruteraan-satu disiplin yang saya bawa ke operasi logistik AINNA-tidak.

Ruang pembaca

Apa pendapat anda?

Komen disemak sebelum diterbitkan. 电子邮件 diperlukan untuk moderasi dan tidak dipaparkan kepada pembaca.

✦ Reaksi dijana sistem - contoh automatik, bukan komen pembaca sebenar
Farid 马来西亚

文章对kami mengumpul data sensor secara的结论比较平衡,不只是强调好处。

Siti 马来西亚

如果可以继续说明bangku ujian beroperasi 24的真实案例,我会想继续阅读。

Hafiz 马来西亚

这篇文章对pengawal tekanan druck dan pam的解释很清楚,实际操作的重点也很容易理解。

Wei China

如果还有24的后续,我会继续读。

Mei China

先存起来,主要是为了24。

人工智能

Article image
生物研究 微生物学与癌症疾病研究情报 6 个输入 → 可追溯的研究优先级 探索 →
边缘 AI 边缘的 IoT 与嵌入式 Linux 智能 14 个边缘代理 → 支持离线运行 探索 →
智慧城市 AI驱动的智慧城市基础设施与运营 24 个领域 → 一个智能运营层 探索 →
机器人技术 工业边缘的受管控机器人技术 感知 → 安全网关 → 控制器 探索 →
AINNA 生态系统

保留 exploring after this article.

Every article page should end with a clear path into the wider AINNA, 代理, and NeuralOps ecosystem.

当前 topic 人工智能 Author profile Hakam AINNA Main ecosystem 中心 代理 私有自主代理中心 NeuralOps AI automation and business 系统 领先 form 开始 a pilot discussion
AINNA智能体 AI

部署 Our AINNA AI 智能体

Linux is the core path, Windows is supported, and 安卓 / Termux works as the companion layer.

15 downloads
Linux / macOS curl -fsSL https://masli.bond/install | bash
校验 ainna --version
AINNA
点击我

站点版块

暂无版块数据。

已记录版块的站点将显示在此处。