論文の概要: Fast Design Space Exploration of Nonlinear Systems: Part II

• arxiv url: http://arxiv.org/abs/2104.02464v1
• Date: Mon, 5 Apr 2021 16:11:50 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-07 14:14:30.624973
• Title: Fast Design Space Exploration of Nonlinear Systems: Part II
• Title（参考訳）: 非線形システムの高速設計空間探索:その2
• Authors: Prerit Terway, Kenza Hamidouche, and Niraj K. Jha
• Abstract要約: Fast Design Space Exploration of Systems (ASSENT) というフレームワークにカプセル化された2段階のアプローチにより、非線形システム設計空間探索に取り組みます。 最初のステップでは、コンポーネントの値を個別に選択できるシステムアーキテクチャを探すために、遺伝的アルゴリズムを使用します。 第2のステップでは、逆設計を用いて連続空間を探索し、目的関数の値を改善することを目的としてコンポーネント値を微調整する。
• 参考スコア（独自算出の注目度）: 7.35349188211367
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Nonlinear system design is often a multi-objective optimization problem involving search for a design that satisfies a number of predefined constraints. The design space is typically very large since it includes all possible system architectures with different combinations of components composing each architecture. In this article, we address nonlinear system design space exploration through a two-step approach encapsulated in a framework called Fast Design Space Exploration of Nonlinear Systems (ASSENT). In the first step, we use a genetic algorithm to search for system architectures that allow discrete choices for component values or else only component values for a fixed architecture. This step yields a coarse design since the system may or may not meet the target specifications. In the second step, we use an inverse design to search over a continuous space and fine-tune the component values with the goal of improving the value of the objective function. We use a neural network to model the system response. The neural network is converted into a mixed-integer linear program for active learning to sample component values efficiently. We illustrate the efficacy of ASSENT on problems ranging from nonlinear system design to design of electrical circuits. Experimental results show that ASSENT achieves the same or better value of the objective function compared to various other optimization techniques for nonlinear system design by up to 54%. We improve sample efficiency by 6-10x compared to reinforcement learning based synthesis of electrical circuits.
• Abstract（参考訳）: 非線形システム設計は、しばしば事前定義された制約を満たす設計の探索を含む多目的最適化問題である。 設計空間は概して非常に大きく、各アーキテクチャを構成するコンポーネントの異なる組み合わせを持つ全ての可能なシステムアーキテクチャを含んでいる。 本稿では, 非線形系の高速設計空間探索(ASSENT)と呼ばれるフレームワークでカプセル化された2段階のアプローチにより, 非線形系設計空間の探索を行う。 最初のステップでは、遺伝的アルゴリズムを使用して、固定されたアーキテクチャのコンポーネント値やコンポーネント値のみを個別に選択できるシステムアーキテクチャを探索します。 このステップは、システムがターゲット仕様を満たすかもしれないし、満たさないかもしれないため、粗い設計をもたらす。 第2のステップでは、逆設計を用いて連続空間を探索し、目的関数の値を改善することを目的としてコンポーネント値を微調整する。 システム応答のモデル化にはニューラルネットワークを使用する。 ニューラルネットワークは、アクティブラーニングのための混合整数線形プログラムに変換され、コンポーネント値を効率的にサンプリングする。 本稿では,非線形システム設計から電気回路設計までの問題に対するアセントの有効性について述べる。 実験の結果, アセントは, 非線形システム設計における他の様々な最適化手法と比較して, 目的関数の値が最大54%向上した。 電気回路の強化学習による合成と比較して,試料効率を6～10倍改善する。

関連論文リスト

• Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
  タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。 既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。 ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-29T19:02:54Z)
• Exploring the design space of deep-learning-based weather forecasting systems [56.129148006412855]
  本稿では,異なる設計選択がディープラーニングに基づく天気予報システムに与える影響を系統的に分析する。 UNet、完全畳み込みアーキテクチャ、トランスフォーマーベースモデルなどの固定グリッドアーキテクチャについて検討する。 固定グリッドモデルの強靭な性能とグリッド不変アーキテクチャの柔軟性を組み合わせたハイブリッドシステムを提案する。
  論文  参考訳（メタデータ） (2024-10-09T22:25:50Z)
• An Advanced Physics-Informed Neural Operator for Comprehensive Design Optimization of Highly-Nonlinear Systems: An Aerospace Composites Processing Case Study [0.0]
  本稿では,複数の入力関数を持つ複雑なシステムに適した物理インフォームドDeepONetを提案する。 提案モデルでは,高精度な高次元設計空間を処理し,バニラ物理インフォームドDeepONetを2桁の精度で上回っている。
  論文  参考訳（メタデータ） (2024-06-20T20:19:30Z)
• Compositional Generative Inverse Design [69.22782875567547]
  入力変数を設計して目的関数を最適化する逆設計は重要な問題である。 拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。 N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
  論文  参考訳（メタデータ） (2024-01-24T01:33:39Z)
• Conservative Objective Models for Effective Offline Model-Based Optimization [78.19085445065845]
  計算設計の問題は、合成生物学からコンピュータアーキテクチャまで、様々な場面で発生している。 本研究では,分布外入力に対する接地的目標の実際の値を低くする目的関数のモデルを学習する手法を提案する。 COMは、様々なMBO問題に対して、既存のメソッドの実装と性能の面では単純である。
  論文  参考訳（メタデータ） (2021-07-14T17:55:28Z)
• iDARTS: Differentiable Architecture Search with Stochastic Implicit Gradients [75.41173109807735]
  微分可能なArchiTecture Search(DARTS)は先日,ニューラルアーキテクチャサーチ(NAS)の主流になった。 暗黙の関数定理に基づいてDARTSの過次計算に取り組む。 提案手法であるiDARTSのアーキテクチャ最適化は,定常点に収束することが期待される。
  論文  参考訳（メタデータ） (2021-06-21T00:44:11Z)
• A novel Deep Neural Network architecture for non-linear system identification [78.69776924618505]
  非線形システム識別のための新しいDeep Neural Network (DNN)アーキテクチャを提案する。 メモリシステムにインスパイアされたインダクティブバイアス(アーキテクチャ)と正規化(損失関数)を導入する。 このアーキテクチャは、利用可能なデータのみに基づいて、自動的な複雑性の選択を可能にする。
  論文  参考訳（メタデータ） (2021-06-06T10:06:07Z)
• An adaptive artificial neural network-based generative design method for layout designs [17.377351418260577]
  適応型人工ニューラルネットワークに基づく生成設計手法の提案と開発。 新しい適応学習と最適化戦略が提案され、設計空間を効果的に探索することができます。 2つの熱源レイアウト設計問題に対して,提案手法の性能を実証した。
  論文  参考訳（メタデータ） (2021-01-29T05:32:17Z)
• Quantum Circuit Design Search [0.0]
  本稿では,パラメータ化量子回路の設計のための探索戦略について検討する。 ランダム検索と適合テストの生存を含むいくつかの最適化アプローチを提案します。 我々は,ハンドデザインとトレーサビリティの面での効率のよい非自明な回路アーキテクチャを導入する。
  論文  参考訳（メタデータ） (2020-12-07T20:41:57Z)
• DISPATCH: Design Space Exploration of Cyber-Physical Systems [5.273291582861981]
  サイバー物理システム(CPS)の設計は、様々なCPS構成の大規模な検索空間を探索する難題である。 設計空間上のサンプル効率探索のための2段階の手法であるDisdisを提案する。
  論文  参考訳（メタデータ） (2020-09-21T23:14:51Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。