Mucho. Los que estoy familiarizado son las pruebas, la detección de errores y la tolerancia a fallas. En un nivel muy abstracto, es un problema extremadamente difícil (generalmente NP-difícil) detectar puertas defectuosas en un circuito con millones (si no miles de millones) de ellas. Sin embargo, a menudo el tiempo, los circuitos lógicos no fallan por algunas razones aleatorias, es decir, todos tienen patrones. Entonces puede pensar en el problema como algo así como:
Dados todos los parámetros de un circuito: número de transistores, un diseño de la capa de PCB, valores de variables de entrada / salida, etc. detectar qué puertas causan la falla del circuito.
Puede encontrar varios temas de investigación VLSI que aprovechan ML / AI, por ejemplo [1].
- ¿Por qué no se habla de Big Data e IA para la industria de la construcción?
- ¿Podrán las computadoras componer música y escribir poemas que podamos apreciar? ¿Es la inteligencia humana tan superior que no se puede crear?
- ¿Cuál es el alcance y la aplicación del aprendizaje automático y la inteligencia artificial en el campo de la defensa?
- Cómo conectarme con otras personas para trabajar en IA, ML y PNL para ampliar aún más mis habilidades
- ¿Cómo funciona la inteligencia artificial?
Algunas otras ideas que se me ocurren:
- No he estado siguiendo activamente la literatura por un tiempo, pero creo que la visión por computadora ya ha jugado un papel importante en el campo.
- ¿Qué tal una red neuronal que puede diseñar un circuito con menos puertas XOR que todos los algoritmos existentes? Creo que optimizar el número de puertas XOR en un circuito lógico sigue siendo uno de los problemas más desafiantes en VLSI.
[1] Diagnóstico funcional de fallas a nivel de placa utilizando redes neuronales artificiales, máquinas de vectores de soporte y votación por mayoría ponderada. IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems , vol. 32, págs. 723-736, mayo de 2013.
