PLM&ERP News har tittat på lösningarna och vi börjar med AI-området, Artificiell Intelligens.
R2019a introducerar Reinforcement Learning Toolbox, vilket ytterligare förbättrar arbetsflödet inom MATLAB för AI. Det nya verktyget underlättar en typ av maskininlärning som tränar en ”agent” genom upprepade trial-and-error-interaktioner med en miljö för att lösa regler och beslutsproblem. Verktyget understryker bolagets engagemang för AI, genom att bygga vidare på förra höstens introduktion till Deep Learning Toolbox, som var förbättrat med stöd för NVIDIA GPU Cloud, Amazon Web Services och Microsoft Azure, samt interoperabilitet/kompabilitet genom stöd av ONNX-utbytesformatet. Ytterligare stöd till AI i R2019a inkluderar betydande förbättringar av Computer Vision Toolbox, Data Acquisition Toolbox och Image Acquisition Toolbox.
Flera nya signalbehandlingslösningar
R2019a har flera nya signalbehandlingsprodukter och kommunikationsprodukter som stödjer trådlös utveckling och elektronikutveckling, inklusive:
• Mixed Signal Blockset – ett tillägg till Simulink som ger snabb konstruktion av modeller och snabb simulering och djup inblick i modeller med mixed-signalsystem med dedikerade analys- och visualiseringsverktyg
• SerDes Toolbox – ett tillägg till Simulink som erbjuder SerDes Designer-appen för snabb design, analys och modellering av trådbundna kommunikationssändare och mottagare
• SoC Blockset – ett tillägg till Simulink som möjliggör simulering och utforskning av FPGA, ASIC och SoC-arkitekturer, samsimulering av algoritmer och hårdvaruplattformar samt prestandaövervakning och upptäckt av kritiska flaskhalsar.
Stora framsteg inom statisk analys
R2019a gör också stora framsteg inom Polyspace, MathWorks statiska analysproduktfamilj.
Allmänt om Polyspace-produkterna ska noteras att man använder statisk kodanalys och formella metoder för att verifiera programvara. De hjälper användarna att upptäcka och bevisa avsaknaden av exempelvis ”overflow”. Detta handlar om hur stora (och små) tal man faktiskt kan lagra (representera) i en dator. När man överstiger det största talet kallas det för ”overflow” och när man understiger det minsta normaliserade talet kallas det ”underflow”.
Andra bitar i den nya versionen berör uppdelning vid nollpunkt, ”out-of-bounds array” och andra ”run-time-fel” (”körtidsfel”), i källkoden.
Med Polyspace-produkter kan man alltså upptäcka fel, felsöka och korrigera kod. Man kan förstås också verifiera kod med bevis för att den är säker och robust. Polyspace används vidare för att uppnå certifiering enligt standarder som DO-178, IEC 61508 och FDA-regler.
Polyspace Code Prover kan också visa på felaktigheter i inbäddad programvara. Polyspace Bug Finder utökar denna förmåga genom att identifiera en mängd olika körtidsproblem, dataflödesproblem och andra defekter.
Dessa inkluderar nya produkter som möjliggör att produkterna går att använda av större företag för utformning och utveckling av säkerhets- och affärskritisk mjukvara:
· Polyspace Bug Finder Access och Polyspace Code Prover Access är nya Polyspace-produkter som möjliggör samarbete för team med upp till flera hundra medlemmar. De nya produkterna ger ett webbläsargränssnitt för Polyspace statiska kodanalysresultat och kvalitetsmått som lagras på en central plats
· Polyspace Bug Finder Server och Polyspace Code Prover Server är nya Polyspace-produkter som gör att den statiska analysmotorn kan köras på en server-klassmaskin med byggautomatiseringsverktyg. De nya produkterna automatiserar och integrerar Polyspace i mjukvaruutvecklingsprocesser för att automatiskt peka ut defekter, skicka meddelanden och ladda upp resultat till Polyspace Access-produkter
R2019a är tillgänglig nu. För den som vill veta mer rekommenderas att titta på R2019a Highlights-videon.
