商品タイプで探す

Designers' Tips

2026年01月29日号

技術で探す

著者/講師で探す

• 
• 

• 

  

  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 
  • 

  

  

  

［VOD/Pi5 KIT/data］最適解を高速応答！Linuxで作る電子回路設計AI

全3演習！数千の波形/インピーダンス/Sパラを学習し，回路と物理形状を自動生成

2026年1月21日

• 型名：z-aispeed-on1
• 仕様：実習キット，講義346分，解説329頁，実習用ソースコード
• 定価：58,300円（税込・送料無料）
• 講師：池田 浩昭（日本航空電子工業株式会社）
• 企画制作・主催：ZEPエンジニアリング株式会社

• 著作権に関する注意事項： 1人1ライセンスです．本製品のすべての映像，画像，文書テキスト，ソースコードは 著作権法によって厳格に守られています．無許可の転載，複製，転用は法律により罰せられます．

• 【お知らせ】
  Raspberry Pi 5（8GB以上）をお持ち，またはご準備可能な場合は，以下の製品（実習環境設定済みマイクロSDカード付属版）がおすすめです．
  ［VOD/KIT/data］最適解を高速応答！Linuxで作る電子回路設計AI
   
  WEBセミナ「最適解を高速応答！Linuxで作る電子回路設計AI」 （2025年11月22日開催）を受講された方は， リピート学習割引価格（15,400円）にてお求めいただけます． こちら からお申込みください．

同梱キットの詳細

1. Raspberry Pi 5 / 8GB
2. microHDMI-HDMI変換ケーブル
3. 5.1V 5A ACアダプタ
4. ケース＆ヒートシンク＆ファン
5. 実習環境設定済みマイクロSDカード(64GB)

実習内容

マイクロSDに実習環境を設定済みです．

実習	学習の 種類	項目	入力データ	出力データ	訓練 データ	Python スクリプト	備考
Ⅰ	分類	TDR波形分析	TDR波形（時間領域波形）	回路構成（C, L, CL, LC, LCL, CLC, C-term, L-term）	有	有	訓練データから求める実習あり
Ⅱ	回帰	Zodd / Zeven推定	配線幅，配線間隔，絶縁層厚	Zodd / Zeven	有	有	訓練と予測の両方を実習
Ⅲ	最適化	配線構造最適化	配線幅，配線間隔，絶縁層厚，差動配線間隔，周波数，配線長	Sパラメータ，最適な配線構造	有	有	配線構造からSパラメータを求める回帰と最適化問題の組み合わせ

1. 実習Ⅰ：TDR波形分析

   回路図・ネットリスト・TDR波形を訓練データとして準備し，ラズパイ上で学習（トレーニング）を実施します． 学習後は，入力されたTDR波形からラズパイが回路成分を推定します．

2. 実習Ⅱ：Zodd / Zeven推定

   訓練データは用意済みです．配線パラメータ（Z, W, tなど）を変化させてトレーニングを行い，Zodd/Zevenを推定します． 訓練データはApplied Simulation Technology社製の2次元電磁界シミュレータ（RLGC）で作成しています．

3. 実習Ⅲ：配線構造最適化

   配線の物理構造からSパラメータを算出し，損失・反射が規定値以下となる構造を探索します． 探索には遺伝的アルゴリズムやパレート解析を用います．

本製品の説明

本製品では，Linux環境下でAIを活用した配線設計の最適化手法を学びます．例として回路シミュレータを用いてゼロから訓練データを作成し，AI設計に必要な一連の工程を実践的に体験します．

データ処理には，Unix/Linuxのシェルスクリプトを使用します．必要なPythonスクリプト，訓練/テスト・データ，学習済みモデル，回路シミュレータはすべて事前にセットアップ済みのため，Raspberry Pi 5 に実装すれば面倒な環境構築は不要で，すぐに実習を始められます．なお，Windows環境でも，Windows Subsystem for Linux 2（WSL2）やCygwinを導入すれば同様の処理が可能です．

まず，機械学習の基礎として差動線路の物理形状（配線幅・間隔・絶縁層厚み）から奇モード・インピーダンス (Zodd) と偶モード・インピーダンス (Zeven) を予測します．
次に，所望のZodd・Zevenに一致する配線条件を機械学習で導出します．これは「逆問題」と呼ばれ，目標のインピーダンスに対応する配線条件を一発で求めることが可能です．

使用する機械学習アルゴリズムは，初学者でも扱いやすいランダム・フォレスト（RF）と，深層学習の基礎となるニューラル・ネットワーク（NN）です．NNは簡便に記述できるKeras（TensorFlow API）を用います．

さらに，差動配線が3本ある場合の12ポートのSパラメータを物理情報から予測し，RFやNNを用いて学習します．このAIを活用して，目的の反射損失・挿入損失・クロストークを満たす配線条件の導出も行います．

最後に，TDR波形から回路構成を予測するAIモデルを作成します．Qucs-Sを使って回路モデルを生成し，NGSPICEでTDR波形を計算します．その計算結果を訓練データとして整理し，AIモデルを学習・推論させるところまで一通り実習します．

目次

(1) 機械学習とは

• 機械学習の概要
• 機械学習と従来の計算処理の違い
• 機械学習の分類
• 機械学習のアルゴリズムの説明
• 機械学習の実例（プリント基板の配線情報から放射電界を予測）

(2) 機械学習の事例（座学）

• 差動線路のZoddとZevenを配線情報から予測（順問題・回帰）
• 目的のZodd・Zevenになる差動線路の配線情報を予測（逆問題・回帰）
• 3組の差動線路のSパラメータを配線情報から予測（順問題・回帰）
  – ニューラルネットワークを使い回帰モデル作成
• 3組の差動線路の特性を最適化（最適化問題）
  – 遺伝的アルゴリズムを利用
• TDR波形から回路構成を予測（分類）
  – ニューラル・ネットワークを使い分類器を作成

(3) 機械学習の応用事例（実習）

• Raspberry Pi5の使い方
• 配線情報から差動線路のZoddとZevenを予測（順問題・回帰）
• 目的のZodd・Zevenになる差動線路の配線情報を予測（逆問題・回帰）
• 配線情報から3組の差動線路のSパラメータを予測（順問題・回帰）
• 3組の差動線路の特性を最適化（最適化問題）
• TDR波形の分類

(4) 機械学習に必要な環境

• Pythonの基本ツール（pandas, matplotlib, numpy, scikit-learn, TensorFlow, scikit-rf）
• Unix/Linuxのシェルスクリプト（mv, ls, find, grep, sed, for文, if文）
• Gnuplotによるグラフ表示・一括処理
• Awkによる多数ファイル・データ処理

(5) データ処理（実習）

• 訓練，検証，テスト・データの作成方法の流れ
• Qucs-Sの簡単な取り扱い方法
• TDR波形から等価回路を予測するための機械学習用データ作成手順（実習）
• 学習用データ作成スクリプトの詳細
• まとめ＆補足情報

講演の目標

1. AIの利用方法が身につく
2. AIを使った設計最適化が可能になる
3. AIのアルゴリズムを理解できる
4. AIのための訓練データをゼロから作成できるようになる
5. Unix/Linuxを使った膨大なデータ処理技術が身につく
6. Pythonの基礎知識が身につく
7. Raspberry Pi5をLinuxマシーンとして利用できるようになる

受講対象者

1. プリント基板や高周波回路の設計に関わるエンジニア
2. 設計効率や自動化に関心のあるエンジニア
3. AIモデルを活用して設計の最適化や自動化を行いたい方
4. 学生・研究者でAIを回路設計に応用したい方
5. 回路シミュレーションやTDR解析を用いたデータ生成・分析に興味のある方
6. 実習でのスクリプト操作やデータ処理に抵抗のない方

あると望ましい予備知識

• Unix/Linuxのシェルスクリプト
• Pythonの基礎知識

受講者が用意するもの

• Raspberry Pi（Pi5推奨）
• リモート接続ソフト（例: RealVNC Viewer for Windows）
  ダウンロードはこちら

本製品を購入された方へ

青字のリンクをクリックして，本製品購入後にメールにてお知らせしたパスワードを入力してください．

講義動画

『最適解を高速応答！Linuxで作る電子回路設計AI』講義動画.mp4

00:00:10 第1章「機械学習とは？」目次
00:01:12 1_機械学習の概要
00:09:26 2_機械学習と従来の計算処理の違い
00:19:35 3_機械学習の分類
00:32:00 4_機械学習のアルゴリズムの説明
00:53:45 5_機械学習の実例（プリント基板の配線情報から放射電界を予測）
01:24:02 6_まとめ
01:34:31 第2章「機械学習事例」
01:35:30 Raspberry Piの簡単な使い方
01:47:52 第2章「機械学習事例」目次
01:51:49 1_W、S、T→Zodd、Zevenを予測（順問題、回帰）
02:13:18 実習
02:38:08 2_Zodd、Zeven、Tから差動線路のW、Sを予測（逆問題、回帰）
02:42:37 実習
02:50:49 Q&A
02:52:38 3_3組の差動線路のSパラメータを予測（回帰）
03:08:33 4_3組の差動線路の特性を最適化
03:24:16 実習
03:29:08 5_TDR波形から回路構成を予測（分類）
03:35:54 実習
03:41:37 5_TDR波形から回路構成を予測（分類）続き
03:56:12 第4章「機械学習に必要な環境（実習）」目次
03:56:59 1_機械学習に必要な知識
04:04:55 Pythonの基本ツール
04:40:34 2_Unix/Linuxのシェルスクリプト
04:47:43 3_Awkによる多数ファイル・データ処理
04:59:46 4_Gnuplotによるグラフ表示・一括処理
05:07:26 まとめ
05:08:06 Q＆A
05:09:47 訓練/テストデータの作成手順の目次
05:10:41 1_訓練、検証、テストデータの作成方法の流れ
05:13:33 2_Qucs-Sの簡単な取り扱い方法
05:19:57 3_TDR波形から等価回路を予測するための機械学習用データ作成手順（実習）
05:36:12 4_学習用データ作成スクリプトの詳細
05:44:56 まとめ

講義テキスト(著作権保護のためパスワードがかけられています)

• 講義テキスト.zip

---

« 前の記事「［VOD/KIT/data］脱シリアル変換IC！USBマイコン・プログラミング入門」