論文の概要: Vertical GaN Diode BV Maximization through Rapid TCAD Simulation and
ML-enabled Surrogate Model
- arxiv url: http://arxiv.org/abs/2208.01142v1
- Date: Mon, 18 Jul 2022 05:55:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-07 14:40:01.446170
- Title: Vertical GaN Diode BV Maximization through Rapid TCAD Simulation and
ML-enabled Surrogate Model
- Title(参考訳): 高速TCADシミュレーションとML対応サロゲートモデルによる垂直GaNダイオードBVの最大化
- Authors: Albert Lu, Jordan Marshall, Yifan Wang, Ming Xiao, Yuhao Zhang, Hiu
Yung Wong
- Abstract要約: 垂直GaNダイオードの設計を2100Vの理論的最大BVで高速化するために2つの手法が用いられている。
まず,TCAD(Technology Computer-Aided-Design)における5倍高速な高精度シミュレーション手法の実証を行った。
第2に、TCAD生成データを用いて機械学習(ML)モデルを開発し、微分進化最適化のための代理モデルとして利用する。
- 参考スコア(独自算出の注目度): 20.25681020815201
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, two methodologies are used to speed up the maximization of the
breakdown volt-age (BV) of a vertical GaN diode that has a theoretical maximum
BV of ~2100V. Firstly, we demonstrated a 5X faster accurate simulation method
in Technology Computer-Aided-Design (TCAD). This allows us to find 50% more
numbers of high BV (>1400V) designs at a given simulation time. Secondly, a
machine learning (ML) model is developed using TCAD-generated data and used as
a surrogate model for differential evolution optimization. It can inversely
design an out-of-the-training-range structure with BV as high as 1887V (89% of
the ideal case) compared to ~1100V designed with human domain expertise.
- Abstract(参考訳): 本稿では,理論的な最大BV ~ 2100V を持つ垂直GaNダイオードの破壊ボルトエイジ(BV)の最大化を高速化するために2つの手法を用いる。
まず,TCAD(Technology Computer-Aided-Design)における5倍高速な高精度シミュレーション手法を実演した。
これにより、与えられたシミュレーション時間で50%以上の高BV (>1400V) 設計を見つけることができる。
第2に、TCAD生成データを用いて機械学習(ML)モデルを開発し、微分進化最適化のための代理モデルとして利用する。
BVが1887V(理想的なケースの89%)まで高いトレーニング対象外の構造を、人間ドメインの専門知識で設計された1100Vと逆向きに設計することができる。
関連論文リスト
- Efficient Low-rank Backpropagation for Vision Transformer Adaptation [22.13114472923292]
本稿では,Walsh-Hadamard Transformation (LBP-WHT) 法による新しい低ランクバック伝搬を提案する。
複数のデータセット上で異なるモデル(ViT、ハイブリッド畳み込み-ViTモデル)を用いて広範な実験を行い、本手法の有効性を実証する。
我々のLBP-WHTは、最先端のベースラインよりも10.4%高い精度を達成し、9MFLOPの計算を少なくする。
論文 参考訳(メタデータ) (2023-09-26T21:27:55Z) - Trainable Transformer in Transformer [48.754918968374334]
本稿では,Transformer in Transformer(略してTinT)の効率的な構築法を提案する。
TinTは多くの変圧器の変種に対応しており、その設計思想は変圧器内部の単純なモデルの過去のインスタンス化の効率も改善している。
これらの結果から,大規模事前学習言語モデルでは複雑な推論が可能であることが示唆された。
論文 参考訳(メタデータ) (2023-07-03T17:53:39Z) - Fast Dynamic 1D Simulation of Divertor Plasmas with Neural PDE
Surrogates [3.6443770850509423]
ダイバータプラズマの管理は、ダイバータターゲットの熱と粒子フラックスの制約により、原子炉スケールトカマク装置の動作に不可欠である。
我々は、古典的数値法で生成した解を用いて訓練された、データ駆動型ニューラルネットワークに基づくサロゲートモデルである、ニューラルPDEサロゲートを用いた高速シミュレータの欠如に対処する。
我々は,上流密度ランプによって誘導されるダイナミックスで現実的なTCVダイバータプラズマをシミュレートし,高速な過渡現象への探索的展望を提供する。
論文 参考訳(メタデータ) (2023-05-30T11:20:14Z) - Getting ViT in Shape: Scaling Laws for Compute-Optimal Model Design [84.34416126115732]
スケーリング法則は、最近、与えられた計算時間に最適なモデルサイズ(パラメータの数)を導出するために用いられる。
我々は、幅や深さなどの計算最適モデル形状を推測する手法を進化させ、改良し、視覚変換器でこれを実装した。
我々の形状最適化型視覚変換器SoViTは、同等の計算量で事前訓練されているにもかかわらず、サイズが2倍以上のモデルと競合する結果を得る。
論文 参考訳(メタデータ) (2023-05-22T13:39:28Z) - Toward matrix multiplication for deep learning inference on the Xilinx
Versal [22.553939667954552]
Xilinx Versal VCK190上でのGEMMカーネルのプロトタイプ実装による実験結果は、理論的なピークの86.7%近くのパフォーマンスを提供する。
特に,Xilinx Versal VCK190上でGEMMカーネルのプロトタイプ実装により,理論ピークの86.7%に近い性能を実現した。
論文 参考訳(メタデータ) (2023-02-15T11:26:51Z) - Learning Large-scale Subsurface Simulations with a Hybrid Graph Network
Simulator [57.57321628587564]
本研究では3次元地下流体の貯留層シミュレーションを学習するためのハイブリッドグラフネットワークシミュレータ (HGNS) を提案する。
HGNSは、流体の進化をモデル化する地下グラフニューラルネットワーク(SGNN)と、圧力の進化をモデル化する3D-U-Netで構成されている。
産業標準地下フローデータセット(SPE-10)と1100万セルを用いて,HGNSが標準地下シミュレータの18倍の推算時間を短縮できることを実証した。
論文 参考訳(メタデータ) (2022-06-15T17:29:57Z) - Bilaterally Slimmable Transformer for Elastic and Efficient Visual
Question Answering [75.86788916930377]
左右にスリム化可能なトランスフォーマー(BST)は任意のトランスフォーマーベースのVQAモデルに統合される。
1つのスリム化MCAN-BSTサブモデルは、VQA-v2で同等の精度を達成する。
最も小さなMCAN-BSTサブモデルは、推論中に9Mパラメータと0.16GのFLOPを持つ。
論文 参考訳(メタデータ) (2022-03-24T02:26:04Z) - An Empirical Study of Training End-to-End Vision-and-Language
Transformers [50.23532518166621]
我々はMETER(textbfMultimodal textbfEnd-to-end textbfTransformtextbfER)を提案する。
具体的には、視覚エンコーダ(例えば、CLIP-ViT、Swin変換器)、テキストエンコーダ(例えば、RoBERTa、DeBERTa)、マルチモーダルフュージョン(例えば、マージアテンション対共振器)である。
論文 参考訳(メタデータ) (2021-11-03T17:55:36Z) - Use of low-fidelity models with machine-learning error correction for
well placement optimization [1.14219428942199]
低忠実度(LF)モデルを用いてシミュレーションを行う最適化フレームワークを提案する。
木に基づく機械学習手法,特にランダムフォレストと光勾配促進機を適用した。
3次元バイモーダル水路モデルにおける鉛直坑井の設置に関する2つの事例について検討した。
論文 参考訳(メタデータ) (2021-10-30T19:21:54Z) - Universal Battery Performance and Degradation Model for Electric
Aircraft [52.77024349608834]
電動垂直離着陸機(eVTOL)の設計、解析、運用には、Liイオン電池の性能の迅速かつ正確な予測が必要である。
我々は,eVTOLのデューティサイクルに特有の電池性能と熱的挙動のデータセットを生成する。
このデータセットを用いて,物理インフォームド機械学習を用いた電池性能・劣化モデル(Cellfit)を開発した。
論文 参考訳(メタデータ) (2020-07-06T16:10:54Z)
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。