EVOLVABLE HARDWARE

1. HardwareEvolucionário EVOLVABLE HARDWARE Aplicação de Computação Evolucionária no Projeto, Otimização e Síntese de Sistemas

2. Sumário • O que é Evolvable Hardware? • Taxonomia • Exemplos de Aplicação; • Projeto de Sistemas Digitais; • Projeto de Sistemas Analógicos; • Projeto de Circuitos Integrados CMOS; • Robótica; • Plataforma de Evolução de Circuitos • Projetos na Engenharia Civil • Futuro da Área

3. O Que é Evolvable Hardware? Área que investiga a aplicação de Computação Evolucionária no projeto, otimização ou síntese de sistemas de hardware: • circuitos eletrônicos; • robôs; • controladores; • outras estruturas (civil, mecânica, física, etc); “Evoluir ao invés de projetar”

4. Evolvable Hardware • Projeto de Sistemas • determinação de valores e/ou tipos dos componentes empregados no projeto de um sistema; • Otimização • determinação dos valores ótimos (semi-ótimos) dos valores ou dimensões dos componentes de um sistema; • Síntese • identificação da estrutura/arquitetura de um sistema e a determinação dos componentes (tipos e valores).

5. Projeto e Síntese avaliação Sistema Evolucionário Simulador ou Circuito Reconfigurável Hardware Sintetizado componentes objetivos estrutura

6. TAXONOMIA EHW Processo de Avaliação do Hardware Tipo de Sistema Evolucionário Área de Aplicação Plataforma Evolutiva Circuitos Programáveis Hardware Dedicado Intrínsico Extrínsico Circuitos em geral VLSI Simuladores Robótica Civil, Mecânica, Química, Física, etc Programação Genética GA Tradicional Programação Evolucionária

7. Eletrônica Evolutiva • Evolução Extrínseca • Avaliação feita por simuladores ( SPICE, SIMON) • Requerem muito tempo para avaliar os circuitos • Não consideram todas as propriedades da física do meio eletrônico • Podem sintetizar circuitos que não funcionam quando implementados no meio real • Evolução Intrínseca • Avaliação feita em plataformas reconfiguráveis • Síntese de circuitos digitais: FPGA • Síntese de circuitos analógicos: FPAA

8. Exemplos de Aplicações em Eletrônica • Lógica Combinacional (Digital); • Lógica Sequencial (Digital); • Lógica de Transistores (Digital/Analog); • VLSI Analógico(Otimização); • Filtros Passivos (Analógico); • Amplificadores (Analógico); • Circuitos baseados em capacitores • chaveados

9. Modelagem de EHW • Representação: circuito  cromossoma • Decodificação: cromossoma  circuito • Avaliação: erro da saída obtida através de simulação/teste do circuito • Operadores Genéticos:crossover, mutação

10. Circuitos Analógicos . . . Gene . . . • Gene codifica componentes, valores e conexões

11. 2 4 C 10uF ..... 4 2 1 ..... 3 1 2 3 NPN 3 5 R 10k 5 . . Representação por cadeia linear de genes • Cada gene codifica um componente;

12. Projeto de Sistemas Analógicos • Síntese automática de: • Amplificadores Operacionais; • Sintonizadores • Filtros analógicos passivos • Etc

13. Síntese automática de filtros analógicos • Filtros analógicos passivos: constituídos por resistores, capacitores e indutores discretos; • Especificação e avaliação do sistema é feita no domínio da frequência; • Algoritmo busca por melhor projeto no espaço, contendo topologias organizadas em malhas; • Cada Gene é uma malha do circuito.

14. Representação ValR ValC Gene representante da Malha 1 = (R, ValR, C, ValC) Cada gene representa uma malha, que é composta por dois elementos. No caso da Malha 1, R e C determinam a natureza do elemento e ValR eValC seus respectivos valores.

15. Operadores • Mutação pode alterar natureza ou valor do componente; • Aumento de tamanho de cromossomo aumenta o cromossomo de 1 gene, isto é, acrescenta uma malha ao circuito;

16. Avaliação • Avaliação é realizada no domínio da frequência de interesse do projeto; • Fórmula Geral: A aptidão é determinada por um somatório ao longo das frequências de interesse; (Ti - Oi) é o desvio entre a resposta obtida Oi e a desejada Ti; Ai deve ser definido de modo a penalizar mais fortemente erros em bandas de frequência mais importantes no projeto. “Total” é o número de pontos de frequência que se deseja avaliar.

17. Exemplo de Aplicação • Projeto de um filtro Passa-Faixa, com banda passante entre 2000 Hz e 3000 Hz; • Apenas valores de resistores, indutores e capacitores comerciais são usados pelo GA; • Valores dos componentes abrangem diversas ordens de grandeza (de mOhms à MOhms, de nF à mF, de nH à mH).

18. Filtro Evoluído: Cinco malhas: C- R, L-C, L-R, L-C e C-R.

19. Resposta em Frequência do Filtro Evoluído

20. Projetos CMOS Analógicos • CMOS - Complementary Metal-Oxide Silicon; • Usar evolução para projetar circuitos em um nível ainda mais baixo, o de transistores; • Comportamento de circuitos analógicos é fortemente determinado pelo comprimento e largura de transistores • Região de Operação (Inversão fraca e forte) determina consumo do circuito.

21. Transistor NMOS a Nível de Camadas Semicondutoras D W G S Difusão N L Polisilício • Relação W/L determina comportamento do transistor

22. Exemplo de Aplicação: Amplificador Operacional Classe A

23. Representação • Cada cromossomo deve codificar as dimensões dos oito transistores, W / L, a corrente de polarização e o valor do capacitor de compensação; W L W L - - - - I C

24. Avaliação • Problema com múltiplos objetivos • Método de Minimização de Energia • Diversos requisitos podem ser escolhidos para avaliar o desempenho do circuito: • Ganho / Banda-Passante; • Slew-Rate; • Consumo; • Capacidade de carga.

27. Evolução Intrínseca • Avaliação em plataformas reconfiguráveis • FPAA: Field Programmable Analogic Array • FPAA dispõe de componentes analógicos e recursos para conexão • Algoritmo Genético configura interconexões • Sinais de saída são lidos, convertidos para digital e o circuito é avaliado

28. PLATAFORMA RECONFIGURÁVEL ANALÓGICA PARA A EVOLUÇÃO INTRÍNSECA DE CIRCUITOS • PAMA: Programmable Analog Multiplexer Array • Sistema de desenvolvimento de EHW • Hardware Reprogramável • Algoritmo Evolucionário

29. O Processo Evolucionário na PAMA • População inicial aleatória • Cromossomos ( bits de controle ) • Avaliação: Resposta do circuito é comparada com a resposta desejada • Nova população: Steady-State, crossover e mutação

30. Fotografia do Circuito da PAMA

31. Exemplos • Ou-exclusivo • Multiplexador 2x1 • Sintetizar um circuito com várias entradas • Amplificador Operacional • Vários objetivos na função de avaliação • Amplificador Logarítmico • Componentes discretos de granularidade alta (OPAMPs)

32. Multiplexador 2x1 • Parâmetros do AG: • População : 100 • Gerações : 50 • Crossover : 0.7 • Mutação : 0.10 • Steady State: 100 • Normalização Exponencial : 0.9

33. Multiplexador 2x1: três entradas ( input1, input2, select ) e saída

34. Circuito do Multiplexador Analógico 2x1 evoluído

35. Tolerância à Falhas e Auto-Reparo • Sintetizar circuito usados em ambientes hostis: • Missões Espaciais; • Locais subterrâneos; • Locais de difícil acesso; • Ambientes Submarinos.

36. Tolerância à Falhas e Auto-Reparo • Exemplo de experimento de auto-reparo.

37. Tolerância à Falhas e Auto-ReparoInversor

38. Tolerância à Falhas e Auto-Reparo • Gerações: 25 • População: 40 • Crossover: 65% • Mutação: 5% • Steady State: 10 • Normalização Exponêncial: 90 • Herança Genética: 10 • Experimentos: 5

39. Tolerância à Falhas e Auto-ReparoInversor Reparado

40. Projeto de Ligações de Estruturas Metálicas (civil) • Ligações levam a inúmeros detalhes e restrições

41. Objetivo Utilizar computação evolucionária na determinação dos diversos parâmetros de uma ligação através do método das componentes.

42. Exemplo Adotado

43. Exemplo 1 • Variação do diâmetro dos parafusos  limites mínimos e máximos • Distâncias ajustadas pelo valor limite • População de 100 indivíduos • Taxa de crossover: 0,70 • Taxa de mutação: 0,10

44. Exemplo 2 • Variação do diâmetro dos parafusos e dos espaçamentos verticais • Restrições de distâncias mínimas e máximas • População de 500 indivíduos • Taxa de crossover: 0,70 • Taxa de mutação: 0,10

45. Exemplo 3 • Variação do diâmetro dos parafusos, espaçamentos verticais e horizontais • Restrições de distâncias mínimas e máximas • População de 2000 indivíduos • Taxa de crossover: 0,70 • Taxa de mutação: 0,10

46. Resultados • Resultados altamente satisfatórios • Existência de várias configurações que levam a um mesmo valor de momento fletor • Aperfeiçoamento: inclusão de um novo critério custo • Aptidão calculada a partir do fator momento / custo

47. Futuro da Área • Projetos de sistemas eletrônicos mais complexos, como aqueles destinados ao reconhecimento de padrões (arquitetura não conhecida); • Evolução em plataformas que reproduzam com maior fidelidade as condições das aplicações (placas reconfiguráveis); • Evolução de Sistemas de Hardware auto-reconfiguráveis e tolerante à falhas. • Aplicações em outras áreas da engenharia, física etc