Spo­leč­nost MathWorks před­sta­vi­la 20. září verzi 2022b (R2022b) ro­di­ny pro­duk­tů MATLAB a Si­mu­link. R2022b při­ná­ší dva nové pro­duk­ty a ně­ko­lik vy­lep­še­ných funk­cí, které zjed­no­du­šu­jí a au­to­ma­ti­zu­jí návrh za­lo­že­ný na mo­de­lech pro in­že­ný­ry a vý­zkum­né pra­cov­ní­ky, je­jichž úko­lem je při­ná­šet ino­va­ce pro­duk­tů a prů­lo­mo­vé ob­je­vy pro je­jich or­ga­ni­za­ce.

Oče­ká­vá se, že ce­lo­svě­to­vý trh se sys­témy pro sprá­vu ba­te­rií do­sáh­ne do roku 2026 hod­no­ty 13,4 mi­li­ar­dy US do­la­rů. Blo­om­berg New Ener­gy Fi­nan­ce uvádí, že tento růst lze z velké části při­číst růstu trhu s elek­tro­mo­bi­ly. Z nej­no­věj­ší zprá­vy or­ga­ni­za­ce vy­plý­vá, že do roku 2040 bude 58 % ce­lo­svě­to­vé­ho pro­de­je osob­ních vo­zi­del po­chá­zet z elek­tro­mo­bi­lů. Sim­s­ca­pe Bat­te­ry, jedna z hlav­ních no­vi­nek před­sta­ve­ných ve verzi R2022b, po­sky­tu­je ná­vr­ho­vé ná­stro­je a pa­ra­me­t­ri­zo­va­né mo­de­ly pro pod­ni­ky na­vr­hu­jí­cí tyto typy ba­te­ri­o­vých sys­té­mů.
In­že­ný­ři a vý­zkum­ní pra­cov­ní­ci po­u­ží­va­jí Sim­s­ca­pe Bat­te­ry k vy­tvá­ře­ní di­gi­tál­ních dvoj­čat, vir­tu­ál­ním tes­tům ar­chi­tek­tur ba­te­ri­o­vých sad, na­vr­ho­vá­ní sys­té­mů sprá­vy ba­te­rií a vy­hod­no­co­vá­ní cho­vá­ní ba­te­ri­o­vých sys­té­mů v běž­ných i po­ru­cho­vých pod­mín­kách. Ná­stroj také au­to­ma­ti­zu­je vy­tvá­ře­ní si­mu­lač­ních mo­de­lů, které od­po­ví­da­jí po­ža­do­va­né to­po­lo­gii aku­mu­lá­to­rů a za­hr­nu­jí při­po­je­ní chla­di­cích desek, takže lze vy­hod­no­co­vat elek­tric­ké a te­pel­né ode­zvy.
R2022b ob­sa­hu­je také novou sadu ná­stro­jů Me­di­cal Ima­ging Tool­box. Tento tool­box po­sky­tu­je ná­stro­je pro lé­kař­ské zob­ra­zo­va­cí apli­ka­ce, které umožňují na­vr­ho­vat, tes­to­vat a na­sa­zo­vat di­a­gnos­tic­ké a ra­di­o­mic­ké al­go­ritmy vy­u­ží­va­jí­cí sítě hlu­bo­ké­ho učení. Lé­kař­ští vý­zkum­ní­ci, vědci, in­že­ný­ři a kon­struk­té­ři za­ří­ze­ní mohou po­u­ží­vat Me­di­cal Ima­ging Tool­box pro ví­ce­ob­je­mo­vou 3D vi­zu­a­li­za­ci, mul­ti­mo­dál­ní re­gis­tra­ci, seg­men­ta­ci a au­to­ma­ti­zo­va­né ozna­čo­vá­ní zá­klad­ní prav­dy pro tré­no­vá­ní sítí hlu­bo­ké­ho učení na lé­kař­ských sním­cích.

R2022b při­ná­ší ak­tu­a­li­za­ce ob­lí­be­ných ná­stro­jů MATLAB a Si­mu­link, včet­ně:

• AU­TO­SAR Blockset – mož­nost vy­ví­jet apli­ka­ce pro AU­TO­SAR Adap­ti­ve po­mo­cí metod ara::com
• Fuzzy Logic Tool­box – in­ter­ak­tiv­ní návrh, ana­lý­za a si­mu­la­ce fuzzy in­fe­renč­ních sys­té­mů (FIS), včet­ně sys­té­mů Type-2, po­mo­cí ak­tu­a­li­zo­va­né apli­ka­ce Fuzzy Logic De­signer
• HDL Coder – ge­ne­ro­vá­ní Sys­temC kódu z MATLA­Bu a mož­nost frame-to-sam­ple kon­ver­ze pro op­ti­ma­li­za­ci mo­de­lu a kódu
• HDL Ve­ri­fier – mož­nost ko­si­mu­la­ce s pro­stře­dím Xi­linx Vi­va­do Si­mu­la­tor
• Model Pre­dicti­ve Con­t­rol Tool­box – mož­nost po­u­ží­vat neu­ro­no­vé sítě jako pre­dikč­ní mo­de­ly; na­vr­ho­vat re­gu­lá­to­ry, které splňují normy ISO 26262 a MISRA C
• Sys­tem Iden­ti­fi­cati­on Tool­box – ne­li­ne­ár­ní iden­ti­fi­ka­ce sys­té­mu po­mo­cí stro­jo­vé­ho učení a deep lear­nin­gu, včet­ně ne­li­ne­ár­ních sta­vo­vých mo­de­lů vy­u­ží­va­jí­cích „neu­ral ODE“

In­for­ma­ce o všech no­vých pro­duk­tech, vy­lep­še­ních a opra­vách chyb v pro­duk­to­vých řa­dách MATLAB a Si­mu­link na­jde­te na tomto od­ka­zu.