Aktivieren Sie Javascript und Browser-Cookies, um die Funktionen und die Leistung der Website zu verbessern.

Live chatten

Kontakt

Willkommen

Sie sind unterzeichnet als:

Mein Profil
Abmelden

Bitte bestätigen

Bestätigen Sie Ihr Land, um auf relevante Preise, Sonderangebote, Veranstaltungen und Kontaktinformationen.

Beginnen Sie Ihr Angebot, indem Sie ein Produkt auswählen Konfiguration auswählen

KI-gestütztes Design für 5G/6G-Workflows

KI ermöglicht die Befähigung von Mitarbeitern

In unserem Streben nach höherer technischer Produktivität, kürzeren Markteinführungszeiten und optimierter Entscheidungsfindung auf der Grundlage einer Vielzahl von Daten bieten künstliche Intelligenz (KI) und maschinelles Lernen (ML) aufregende neue Werkzeuge zur Beschleunigung des technischen Lebenszyklus. Keysight kann Sie dabei unterstützen, Ihre Arbeitsabläufe zu automatisieren und Ihre eigenen Optimierungsalgorithmen einzubinden.

Lernen Sie die Grundlagen der Gestaltung automatisierter Arbeitsabläufe.

KI-basierte Sprachassistenten für Keysight ADS

Keysight freut sich, KI-basierte Sprachassistenten für die Keysight ADS-Software vorzustellen, die Anwendern von HF- und Hochgeschwindigkeitssystemen helfen, mit vertrauenswürdigen und sicheren KI-Tools sofort produktiv zu arbeiten.

Das Video ansehen

Python-Automatisierung für Entwickler

Automatisieren Sie MMIC- und Modul-Workflows mit erweitertem Zugriff auf das Innere der ADS-Plattform.

Python-Automatisierung für Anwendungen

Erleben Sie die Vorteile des 5G-Leistungsverstärkerdesigns durch die Integration von T&M-Instrumenten in den Designflow und den Import und das Design mit Load-Pull-Daten.

Automatisierung und maschinelles Lernen für den RF-Schaltungsentwurf

Überprüfen Sie ein Beispiel für die Verwendung von Python-APIs in ADS, um "undenkbare Schaltungen" zu entwerfen.

Verbindung zwischen ADS und PNA-X mit Python

Erfahren Sie, wie Sie eine Live-VNA-Spur in Keysight ADS für die Modellierung und den Designabschluss importieren.

Verwendung von AI zur Erstellung eines Simulationsmodells

Teil 1: Extraktion von Modellen aus künstlichen neuronalen Netzen (ANN)

Teil 1 dieser Videoserie beschreibt den Prozess der Extraktion eines ANN-Modells (Artificial Neural Network) aus einem Datensatz mit Python.

Teil 3: Verwendung eines Modells für Advanced Emulation

Teil 3 dieser Videoserie beschreibt detailliert den Prozess zur Erstellung eines elektrischen Modells eines künstlichen neuronalen Netzes (KNN) in Keysights System. Advanced Designsystem (ADS).

Teil 2: Anpassen eines Modells an eine RF-Simulation

Teil 2 dieser Videoserie beschreibt detailliert den Prozess zur Implementierung eines mit Python extrahierten künstlichen neuronalen Netzwerkmodells (KNN) in Keysight. Advanced Designsystem (ADS).

Load-Pull-Modellierung mit der KI-Leistung von Python

Erfahren Sie, wie Sie gemessene Lastzugdaten nutzen können, um mithilfe von KI und Python-basierten Tools fortschrittliche Simulationsmodelle zu erstellen.

Nutzung von KI als RF-Design-Assistent

RF-Design-Optimierer mit AI

Entdecken Sie, wie der AI Optimizer von Filpal Simulationen automatisiert und die Optimierung komplexer Designs, wie z. B. Dualbandfilter, ermöglicht.

Gerätemodellierung mit hybriden physikalischen Modellen und ANN

Erfahren Sie, wie hybride ANN-Modelle (Artificial Neural Network) messtechnische und physikalische Ansätze kombinieren, um komplexe Herausforderungen bei der Modellierung von Geräten zu bewältigen.

Leistungsverstärkerentwurf mit maschinellem Lernen

Erfahren Sie, wie eine universitäre Forschungsgruppe die Python-APIs von Keysight nutzt, um das Design von Leistungsverstärkern mithilfe von maschinellem Lernen zu automatisieren.

AI-gestützter Entwurf von Mikrowellenschaltungen

Untersuchen Sie, wie KI und maschinelles Lernen einen Design-Assistenten für den Entwurf von RF-Schaltungen bereitstellen. Python-APIs erschließen die ADS-Architektur und ermöglichen eine unvergleichliche Kontrolle über interne Funktionen.

Ausgewählte Kurse

Kurs

Revolutionierung der 6G-Forschung durch AI-gesteuertes Design

Jetzt anfangen

Die Forschung zur 6G-Luftschnittstelle offenbart wichtige maschinelle Lerntechniken für die Synthese realistischer drahtloser Kanaldaten.

Kurs

RF-Leistungsverstärker Design Deep Dive

Jetzt anfangen

Lernen Sie bewährte Verfahren für das Design von Leistungsverstärkern und die Geheimnisse der Stabilitätsanalyse, des Modulationsdesigns und der aktiven Impedanzeffekte von Phased-Array-Lastzügen kennen.

Bootcamp

RF Board Design Fluss

Jetzt anfangen

Dieses Bootcamp zeigt Ihnen, wie Sie einen RF-Board-Design-Workflow unter Berücksichtigung von EM- und thermischen Effekten entwerfen und nur die kritischen RF-Pfade genau simulieren können.

Kurse über RF-Schaltkreisdesign erkunden

Elektrothermische Simulation für den Entwurf von RF-Schaltungen

Erfahren Sie, wie sich die elektrothermische Erwärmung auf die Eigenschaften von Bauelementen auswirkt, die Leistung von RF- und Mikrowellenschaltungen verschlechtert und die Zuverlässigkeit beeinträchtigt.

RF-Schaltungsentwurfstechniken für Leistungsverstärker Load Pull

Sehen Sie sich praktische Beispiele für die Verwendung von Load-Pull-Daten zur Optimierung der wichtigsten Messgrößen in einem Leistungsverstärkerentwurf an.

Stellen Sie sicher, dass Ihr RF-Leistungsverstärker nicht zum Oszillator wird

Entdecken Sie, wie Sie mehrere Stabilitätsmetriken berechnen können, ohne die grundlegende Schaltungsanalyse zu verändern.

Integration von Multitechnologie-RF-Baugruppen

Untersuchen Sie intelligente Montagetechniken, die sich beim Zusammenbau verschiedener RF-Technologien anpassen.

Entwurf mit modulierten 5G-Signalen

Entdecken Sie, wie Sie Verzerrungs-EVM in Ihr Design integrieren und die Simulationszyklen für 5G-Schaltungen reduzieren können.

Entwurf für digitale Vorverzerrung in Leistungsverstärkern

Erfahren Sie, wie Sie mit Predictive DPD die PA-Entwicklung für die Anwendungen Ihrer Kunden optimieren können.

Frühzeitige Identifizierung von RF-Kopplungsproblemen mit EM/Schaltkreis-Co-Simulation

Erfahren Sie, wie Sie die Simulationszeit für HF-Schaltungen durch den Einsatz der Co-Simulation von elektromagnetischen Schaltungen und Schaltkreisen als iteratives Entwurfswerkzeug reduzieren können.