在NXP的Eindhoven總部，採用以MATLAB和深度學習工具箱（Deep Learning Toolbox）設計、訓練的類神經網路來對ADC錯誤進行後校正，進而瞭解ASIC在正常操作條件下消耗的功率狀況。

在製程當中，積體電路（integrated circuits；IC）若稍有缺陷，可能就會造成類比數位轉換器（analog-to-digital converters，ADCs）實現到IC上的錯誤；像是電晶體、電阻器、電容器等類比元件的不匹配（mismatch）可能導致訊號失真，例如不佳的總諧波失真（total harmonic distortion；THD）。

圖1 : 在製程當中，積體電路（IC）若稍有缺陷，可能就會造成類比數位轉換器（ADCs）實現到IC上的錯誤。（source: Science Mill）

至於減少ADC錯誤的方法之一，在於使用更大型的類比元件來擴大設計，這種方法雖可以改善匹配、進而改善失真的數字，但卻需要配置更大的面積及更多電力；第二種方法則是加入校正電路系統，但是這需要額外的矽面積，並增加成本與功耗—而且在執行校正時，通常還必須要知道錯誤發生的原因。
...
...