华为第二批难题一:基于预训练AI模型的元件库生成

我的理解:华为的这个难道应该是想通过大模型技术,识别元件手册上的图文内容,与现有建库工具结合,有潜力按标准生成各种库模型。

正好,我们正在研究,利用知识图谱技术快速生成装配模型,其中也涉及到3D零部件的自动生成。

既然“3D零部件的自动生成”,与华为的这个难题有相似之处,如果华为都需要向外部征求技术方案,那我们就可以省一点力,暂时不要在这块上想太多,:P。

难题一:基于预训练AI模型的元件库生成

技术背景

1. 元件库的Symbol、2D封装,3D结构当前都是根据数据手册手工绘制,每个元件需要花费数小时绘制,每一家电子公司都需要花费大量人力处理;每年行业有数以万计的新元件诞生,迫切需要更为快捷的元器件库生成技术。

2. 传统的元件商城、第三方库提供商开发了自动生成技术,本质上还是规则驱动的自动化技术,泛化性和准确性差,后端需要大量的人工check和修改工作,迫切需要新技术加以改善。

3. 基于多模态预训练模型,能很好识别元件手册上的图文内容,与现有建库工具结合,有潜力按标准生成各种库模型。

华为第二批难题一:基于预训练AI模型的元件库生成_第1张图片

技术挑战

传统算法基于规则驱动的自动化设计技术,泛化性和准确性差,后端需要大量的人工check和修改工作。

多模态预训练模型有很好的语义理解、文本/表格/图形识别能力,可以很好解决泛化性问题,但对2D、3D物理图的高精度生成存在很大挑战。

技术诉求

技术需求:

提供基于多模态的专业电路设计预训练模型,输入元件Datasheet,输出该元件

Symbol符号库文件和封装图形库文件的生成,支持3D模型文件的生成。

技术指标:

1. 对于任意可解析、不加密、信息完整的Datasheet,Symbol符号库文件生成信息准确性大于99%;

2. 对于任意可解析、不加密、信息完整的Datasheet,封装图形库文件生成,图形精度0.01mm,识别信息描述准确性大于99%;

3. 对于任意可解析、不加密、信息完整的Datasheet, 3D模型文件生成,图形精度0.01mm。

集成需求:

集成华为云pEDA工具链EDM产品

约束条件:

使用预训练模型开发

参考文献

[1] S. Mori, Historical review of OCR research and development, 1992

[2] Tarek Ahmed Ibrahim Abdelaziz, Applications of integration of AI-based Optical Character

Recognition (OCR) and Generative AI in Document Understanding and Processing, 2023

[3] Fanghao Tian, Automatic Data Extraction Based on Semiconductor Datasheet for Design

Automation of Power Converters, 2022

联系人:吴瑾    [email protected]

你可能感兴趣的:(人工智能,3D模型,大模型,知识图谱)