人工智能辅助的5G/6G工作流程设计

人工智能

人工智能赋能员工能力建设

在追求更高工程生产力、更快的上市速度以及从海量数据中优化决策的过程中,人工智能(AI)和机器学习(ML)提供了令人振奋的新工具,能够加速工程生命周期。是德科技可助您启动工作流自动化,并融入专属优化算法。

学习设计自动化工作流的基础知识

太空中的卫星

Keysight ADS 人工智能自然语言助手

是德科技欣然推出基于人工智能的自然语言助手,适用于是德科技ADS软件,助力射频与高速用户通过值得信赖且安全的人工智能工具立即提升工作效率。

太空中的卫星

开发人员Python自动化指南

通过扩展访问ADS平台内部功能,实现MMIC和模块工作流的自动化。

太空中的卫星

Python应用自动化

通过将测试与测量仪器 设计流程中,并导入负载拉动数据进行设计,了解5G功率放大器设计的优势。

太空中的卫星

射频电路设计的自动化与机器学习

审阅一个示例,了解如何在ADS中使用Python API设计“不可思议的电路”。

太空中的卫星

使用Python将ADS连接至PNA

了解如何将实时矢量网络分析仪(VNA)曲线导入是德科技ADS软件,用于建模和设计收敛。

使用人工智能创建仿真模型

太空中的卫星

第一部分:人工神经网络(ANN)模型提取

本视频系列的第一部分详细介绍了如何使用Python从数据集中提取人工神经网络(ANN)模型。

太空中的卫星

第三部分:使用模型进行进阶

本视频系列的第三部分详细介绍了在是德科技的进阶 系统(ADS)中创建人工神经网络(ANN)电气模型的流程。

太空中的卫星

第二部分:将模型适配至射频仿真

本视频系列的第二部分详细介绍了在是德科技的进阶 系统(ADS)中实现基于Python提取的人工神经网络(ANN)模型的流程。

太空中的卫星

利用Python的AI能力进行负载拉动建模

探索如何利用量化的负载拉动数据,借助人工智能和基于Python的工具创建进阶 模型。

将人工智能作为射频设计助手加以利用

太空中的卫星

基于人工智能的射频设计优化器

探索Filpal的AI优化器如何实现仿真自动化,从而优化双频滤波器等复杂设计。

太空中的卫星

基于混合物理模型与人工神经网络的设备建模

探索混合人工神经网络(ANN)模型如何结合测量与物理学方法,以应对复杂器件建模的挑战。

太空中的卫星

基于机器学习的功率放大器设计

了解某大学研究团队如何利用是德科技的Python API,通过机器学习实现功率放大器设计的自动化。

太空中的卫星

人工智能辅助微波电路设计

探讨人工智能与机器学习如何为射频电路设计提供设计辅助。Python API解锁ADS架构,实现对内部功能的无与伦比的控制。

精选课程

探索射频电路设计课程

太空中的卫星

射频电路设计的电热仿真

探索电热效应如何影响器件特性、降低射频与微波电路性能,并损害可靠性。

太空中的卫星

功率放大器负载拉动测试的射频电路设计技术

了解如何利用负载拉动测试数据优化功率放大器设计的关键指标的实际案例。

太空中的卫星

确保您的射频功率放大器不会变成振荡器

探索如何在不改变基本电路分析的前提下计算多种稳定性指标。

太空中的卫星

如何集成多技术射频组件

研究智能安装技术,使其在组装不同射频技术时能够自适应。 

太空中的卫星

基于5G调制信号的设计

探索如何将失真EVM融入设计,并减少5G电路仿真周期。

太空中的卫星

功率放大器数字预失真设计

了解如何通过预测性DPD解锁功率放大器设计,彻底改变功率放大器制造商为客户应用进行设计的方式。

太空中的卫星

通过电磁/电路协同仿真早期识别射频耦合问题

了解如何通过将电磁/电路协同仿真作为迭代设计工具,来缩短射频电路仿真时间。

太空中的卫星

如何设计射频功率放大器

探索射频功率放大器设计模拟的基础知识,并了解六种不同类别的设计方法。

太空中的卫星

基于是德EDA的调制设计

了解您选择使用是德科技EDA软件进行调制设计的8大理由。

太空中的卫星

解决射频电路设计中的3D模块集成难题

探索采用SmartMount和RFPro对典型双频前端模块(FEM)进行组装、集成及Circuit-EM验证的过程。

相关使用场景

深入探索更多见解与精心汇编的EDA资源,助力射频电路设计

 
联系我们 标识

请联系我们的专家之一

需要帮助找到适合您的解决方案吗?