論文の概要: Approximate Bayesian Computation for Physical Inverse Modeling
- arxiv url: http://arxiv.org/abs/2111.13296v1
- Date: Fri, 26 Nov 2021 02:23:05 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-29 16:11:44.006627
- Title: Approximate Bayesian Computation for Physical Inverse Modeling
- Title(参考訳): 物理逆モデリングのための近似ベイズ計算
- Authors: Neel Chatterjee, Somya Sharma, Sarah Swisher, Snigdhansu Chatterjee
- Abstract要約: 本稿では,モデルパラメータ抽出プロセスを自動化する手法を提案する。
その結果, 勾配木を用いた移動曲線から抽出したパラメータを正確に予測できることが示唆された。
この研究は、提案したフレームワークと微調整されたニューラルネットワークの比較分析も提供し、提案したフレームワークの性能が向上することが示されている。
- 参考スコア(独自算出の注目度): 0.32771631221674324
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Semiconductor device models are essential to understand the charge transport
in thin film transistors (TFTs). Using these TFT models to draw inference
involves estimating parameters used to fit to the experimental data. These
experimental data can involve extracted charge carrier mobility or measured
current. Estimating these parameters help us draw inferences about device
performance. Fitting a TFT model for a given experimental data using the model
parameters relies on manual fine tuning of multiple parameters by human
experts. Several of these parameters may have confounding effects on the
experimental data, making their individual effect extraction a non-intuitive
process during manual tuning. To avoid this convoluted process, we propose a
new method for automating the model parameter extraction process resulting in
an accurate model fitting. In this work, model choice based approximate
Bayesian computation (aBc) is used for generating the posterior distribution of
the estimated parameters using observed mobility at various gate voltage
values. Furthermore, it is shown that the extracted parameters can be
accurately predicted from the mobility curves using gradient boosted trees.
This work also provides a comparative analysis of the proposed framework with
fine-tuned neural networks wherein the proposed framework is shown to perform
better.
- Abstract(参考訳): 半導体デバイスモデルは薄膜トランジスタ(tft)の電荷輸送を理解するのに必須である。
これらのtftモデルを使用して推論を行うには、実験データに適合するパラメータを推定する。
これらの実験データは、抽出された電荷キャリアモビリティまたは測定電流を含むことができる。
これらのパラメータの推定は、デバイスパフォーマンスに関する推論を作成するのに役立ちます。
モデルパラメータを用いた実験データに対するTFTモデルの設定は、人間の専門家による複数のパラメータの手動微調整に依存する。
これらのパラメータのいくつかは実験データに相反する効果があり、手動のチューニング中に個々の効果が直感的でない過程を抽出する。
この複雑なプロセスを避けるため、モデルパラメータ抽出プロセスを自動化する新しい手法を提案し、正確なモデルフィッティングを実現する。
本研究では, モデル選択に基づく近似ベイズ近似計算(aBc)を用いて, 種々のゲート電圧値における観測モビリティを用いた推定パラメータの後方分布を生成する。
さらに, 勾配木を用いた移動曲線から抽出したパラメータを精度良く予測できることが示唆された。
この研究は、提案フレームワークがより良く機能することを示す微調整ニューラルネットワークを用いた、提案フレームワークの比較分析も提供する。
関連論文リスト
- Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。
本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。
提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
論文 参考訳(メタデータ) (2024-04-11T09:23:36Z) - A transport approach to sequential simulation-based inference [0.0]
静的モデルパラメータの逐次ベイズ推定を効率的に行うためのトランスポートベース手法を提案する。
この戦略は、パラメータとデータの合同分布から条件分布を抽出し、構造化された(例えば、ブロック三角形)輸送マップを推定する。
これにより、モデルのないオンラインフェーズにおける輸送マップによる後部密度の勾配に基づく特徴付けが可能になる。
論文 参考訳(メタデータ) (2023-08-26T18:53:48Z) - Scaling & Shifting Your Features: A New Baseline for Efficient Model
Tuning [126.84770886628833]
既存の微調整法は、事前訓練されたモデルの全てのパラメータ(フル微調整)をチューニングするか、最後の線形層(線形プローブ)のみをチューニングする。
そこで本研究では,SSFと呼ばれるパラメータ効率の高いファインタニング手法を提案する。
論文 参考訳(メタデータ) (2022-10-17T08:14:49Z) - An efficient estimation of time-varying parameters of dynamic models by
combining offline batch optimization and online data assimilation [0.0]
比較的低次元モデルの時間変化パラメータを推定する,効率的かつ実用的な手法を提案する。
オフラインバッチ最適化とオンラインデータ同化の組み合わせを提案する。
論文 参考訳(メタデータ) (2021-10-24T20:12:12Z) - SWAT Watershed Model Calibration using Deep Learning [0.860255319568951]
深層学習(DL)を用いたSWATモデルの校正のための高速で正確で信頼性の高い手法を提案する。
畳み込みニューラルネットワークに基づくDL対応逆モデルを構築し,ストリームフローデータを取り込み,SWATモデルパラメータを推定する。
その結果,従来のパラメータ推定法よりもDLモデルに基づくキャリブレーションが優れていることがわかった。
論文 参考訳(メタデータ) (2021-10-06T22:56:23Z) - MoEfication: Conditional Computation of Transformer Models for Efficient
Inference [66.56994436947441]
トランスフォーマーベースの事前学習言語モデルは、パラメータ容量が大きいため、ほとんどのNLPタスクにおいて優れた性能を実現することができるが、計算コストも大きい。
スパースアクティベーション現象に基づく条件計算により,大規模モデル推論を高速化する。
そこで本研究では,モデルサイズが等しいMoE(Mix-of-experts)バージョン,すなわちMoEficationに変換することを提案する。
論文 参考訳(メタデータ) (2021-10-05T02:14:38Z) - Combining data assimilation and machine learning to estimate parameters
of a convective-scale model [0.0]
対流を許容する数値気象予測モデルにおける雲の表現の誤差は、異なる情報源によって導入することができる。
本研究では,2種類のニューラルネットワークをトレーニングすることにより,人工知能レンズによるパラメータ推定の問題を検討する。
論文 参考訳(メタデータ) (2021-09-07T09:17:29Z) - Physics-constrained deep neural network method for estimating parameters
in a redox flow battery [68.8204255655161]
バナジウムフローバッテリ(VRFB)のゼロ次元(0D)モデルにおけるパラメータ推定のための物理拘束型ディープニューラルネットワーク(PCDNN)を提案する。
そこで, PCDNN法は, 動作条件のモデルパラメータを推定し, 電圧の0Dモデル予測を改善することができることを示す。
また,PCDNNアプローチでは,トレーニングに使用しない操作条件のパラメータ値を推定する一般化能力が向上することが実証された。
論文 参考訳(メタデータ) (2021-06-21T23:42:58Z) - MINIMALIST: Mutual INformatIon Maximization for Amortized Likelihood
Inference from Sampled Trajectories [61.3299263929289]
シミュレーションベースの推論は、その可能性が実際に計算できない場合でもモデルのパラメータを学習することができる。
あるクラスのメソッドは、異なるパラメータでシミュレートされたデータを使用して、確率とエビデンス比の償却推定器を推定する。
モデルパラメータとシミュレーションデータ間の相互情報の観点から,本手法が定式化可能であることを示す。
論文 参考訳(メタデータ) (2021-06-03T12:59:16Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳(メタデータ) (2021-02-12T12:23:13Z)
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。