Fugu-MT 論文翻訳(概要): Vertical GaN Diode BV Maximization through Rapid TCAD Simulation and ML-enabled Surrogate Model

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: 翻訳完了
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

Design and Implementation of an FPGA-Based Tiled Matrix Multiplication Accelerator for Transformer Self-Attention on the Xilinx KV260 SoM [0.0]
トランスフォーマーベースの大規模言語モデルは、注意層とフィードフォワード層のための行列乗法に大きく依存している。資源制約付き Xilinx KV260 FPGA 上で,高度に最適化されたタイル行列乗算アクセラレータを提案する。我々の設計では、永続的なオンチップストレージ、最大データ再利用のための堅牢な2レベルタイリング戦略、およびシストリックのような非ローリング計算エンジンを活用している。
論文参考訳（メタデータ） (2025-03-20T22:15:42Z)
Systems and Algorithms for Convolutional Multi-Hybrid Language Models at Scale [68.6602625868888]
本稿では,2つの簡単な観測に基づいて,畳み込み型マルチハイブリッドアーキテクチャを提案する。ハイブリッドモデルのオペレータは、インコンテキストリコール、マルチトークンリコール、圧縮などのトークン操作タスクにカスタマイズできる。我々は、最適化されたトランスフォーマーの1.2倍から2.9倍、以前の世代のハイブリッドの1.1倍から1.4倍の速さでエンドツーエンドを訓練する。
論文参考訳（メタデータ） (2025-02-25T19:47:20Z)
PearSAN: A Machine Learning Method for Inverse Design using Pearson Correlated Surrogate Annealing [66.27103948750306]
PearSANは、大きな設計空間を持つ逆設計問題に適用可能な機械学習支援最適化アルゴリズムである。ピアソン相関代理モデルを用いて、真の設計計量のメリットの図形を予測する。最先端の最大設計効率は97%で、少なくとも以前の方法よりも桁違いに高速である。
論文参考訳（メタデータ） (2024-12-26T17:02:19Z)
IterL2Norm: Fast Iterative L2-Normalization [1.4602363426887837]
トランスフォーマーベースの大規模言語モデルはメモリバウンドモデルであり、操作は余分に再利用される大量のデータに基づいている。レイヤの正規化は、マルチヘッドの注意とフィードフォワードのネットワークブロックに従って、トランスフォーマーモデルにおける重要なワークロードの1つである。 1次元入力 (IterL2Norm) の反復L2正規化法を導入し, 定常解への高速収束を5段階以内で保証する。
論文参考訳（メタデータ） (2024-12-06T05:00:01Z)
One-Step Diffusion Distillation through Score Implicit Matching [74.91234358410281]
本稿では,Score Implicit Matching (SIM) を用いて,事前学習した拡散モデルを単一ステップジェネレータモデルに蒸留する手法を提案する。 SIMはワンステップジェネレータに対して強い経験的性能を示す。リードトランスに基づく拡散モデルにSIMを適用することにより,テキスト・ツー・イメージ生成のための単一ステップ生成器を蒸留する。
論文参考訳（メタデータ） (2024-10-22T08:17:20Z)
Quantum Machine Learning for Semiconductor Fabrication: Modeling GaN HEMT Contact Process [18.42230728589117]
本稿では,GaN高電子移動トランジスタ(HEMT)におけるOhmic接触過程のモデリングにおける量子機械学習(QML)の利用の先駆者となる。 2レベルZZ-Feature Mapを用いた量子カーネルベースの回帰器(QKR)を開発した。従来の6つの機械学習モデル(CML)と比較して、我々のQKRは一貫して最低平均絶対誤差(MAE)、平均二乗誤差(MSE)、ルート平均二乗誤差(RMSE)を示した。
論文参考訳（メタデータ） (2024-09-17T00:44:49Z)
Quasar-ViT: Hardware-Oriented Quantization-Aware Architecture Search for Vision Transformers [56.37495946212932]
視覚変換器(ViT)は、畳み込みニューラルネットワーク(CNN)と比較して、コンピュータビジョンタスクにおいて優れた精度を示す。ハードウェア指向の量子化対応アーキテクチャ検索フレームワークであるQuasar-ViTを提案する。
論文参考訳（メタデータ） (2024-07-25T16:35:46Z)
Optimizing Foundation Model Inference on a Many-tiny-core Open-source RISC-V Platform [13.326025546527784]
本稿では,オープンソースのマルチティニーコアRISC-Vプラットフォーム上で,トランスフォーマーモデルの最初のエンドツーエンド推論結果を示す。エンコーダのみのモデルでは、最も最適化された実装とベースラインバージョンの間の最大12.8倍のスピードアップを示す。デコーダのみのトポロジでは、非自己回帰(NAR)モードで16.1倍、オート回帰(AR)モードで最大35.6倍のスピードアップを達成する。
論文参考訳（メタデータ） (2024-05-29T17:16:59Z)
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)
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)
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)
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。