기계 학습(ML) 알고리즘은 한때 주로 고성능 데이터센터 컴퓨팅 플랫폼에서만 접할 수 있었지만 지금은 에지(edge)로 점차 확장되어 가는 추세다. 에지 디바이스에서 실행되는 ML 알고리즘이 발전하면서 전력, 성능과 면적에 최적화된 하드웨어 아키텍처가 크게 증가하게 됐다.ML을 에지(edge)로 옮기려면 전력과 성능 면에서 중요한 요구사항이 뒤따른다. 평범한 상용 솔루션을 사용하는 방안은 실용적이지 않다. CPU는 너무 느리고, GPU/TPU는 비싼 데다 전력 소모량이 너무 크며 심지어 일반적인 기계 학습 가속기조차 사양이 과도하고 전력에 최적화되어 있지 않다.이번 리포트에서는 차세대 에지 기계 학습 하드웨어 수요에 부합하는 효율적인 하드웨어 아키텍처를 만드는 방법에 대해 다룬다.
처음 만든 PCB 설계는 전기 성능 결함 가능성이 매우 높다. 전자 설계가 복잡해지고 빠른 클럭 속도로 작동하면서 수동 검사는 난관에 봉착하고 있다.이런 복잡한 PCB 설계에 대한 일렉트리컬 사인오프는 반드시 필요한 부분이다. 복잡해지고 빨라진 PCB에 대해 수동으로 결함을 찾기는 어려우며, 신호무결성(SI), 전력 무결성(PI), 전원 무결성(EMI/EMC) 분야의 전문 지식이 필요한 경우가 많다.PCB 설계는 EMC 및 EMI 지침을 충족해야 하며, IEC, EN(국제 표준) 및 UL 기관의 안전 표준을 충족해야 한다. 또한 다양한 PCI Express, USB, HDMI, DDR 등 다수의 표준 버스는 전기 성능 요구를 충족하기 위해 특정 SI, PI 및 EMI에 대한 지식과 전문성이 필요한 까다롭고 복잡한 전기 규정 준수 문제가 존재한다.이런 문제를 해결하기 위해 이번 Siemens 백서에서는 신속하고 비용 효율적인 PCB 설계 검증을 위한 일렉트리컬 디자인 룰 체크(DRC)를 자동화하는 방법 8가지를 설명한다.일렉트리컬 디자인 룰 검사를 자동화하면, PCB 설계자가 며칠에 걸려 진행했던 검사를 몇 분 또는 몇 초로 단축할 수 있다. 검사가 완전히 자동화 되면 전문지식이 없더라도 누구나 실행할 수 있게 된다.이번 리포트는 신속하고 비용 효율적인 PCB 설계 검증을 위한 일렉트리컬 디자인 룰 체크 자동화 방법에 대해 설명한다.