論文の概要: Adaptive Planning Search Algorithm for Analog Circuit Verification
- arxiv url: http://arxiv.org/abs/2306.13484v1
- Date: Fri, 23 Jun 2023 12:57:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-26 12:47:12.170646
- Title: Adaptive Planning Search Algorithm for Analog Circuit Verification
- Title(参考訳): アナログ回路検証のための適応計画探索アルゴリズム
- Authors: Cristian Manolache, Cristina Andronache, Alexandru Caranica, Horia
Cucu, Andi Buzo, Cristian Diaconu, Georg Pelz
- Abstract要約: シミュレーションの少ない機械学習(ML)アプローチを提案する。
提案手法により,OCCを全回路の仕様に近づけることができることを示す。
- 参考スコア(独自算出の注目度): 53.97809573610992
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Integrated circuit verification has gathered considerable interest in recent
times. Since these circuits keep growing in complexity year by year,
pre-Silicon (pre-SI) verification becomes ever more important, in order to
ensure proper functionality. Thus, in order to reduce the time needed for
manually verifying ICs, we propose a machine learning (ML) approach, which uses
less simulations. This method relies on an initial evaluation set of operating
condition configurations (OCCs), in order to train Gaussian process (GP)
surrogate models. By using surrogate models, we can propose further, more
difficult OCCs. Repeating this procedure for several iterations has shown
better GP estimation of the circuit's responses, on both synthetic and real
circuits, resulting in a better chance of finding the worst case, or even
failures, for certain circuit responses. Thus, we show that the proposed
approach is able to provide OCCs closer to the specifications for all circuits
and identify a failure (specification violation) for one of the responses of a
real circuit.
- Abstract(参考訳): 集積回路検証は近年かなりの関心を集めている。
これらの回路は年々複雑化しているため、適切な機能を保証するために、プレシリコン(プレSI)検証がより重要になる。
そこで本研究では,手動によるIC検証に必要な時間を削減するために,シミュレーションの少ない機械学習(ML)アプローチを提案する。
この方法は、ガウス過程(gp)サロゲートモデルを訓練するために、動作条件設定(occs)の初期評価セットに依存する。
代理モデルを用いることで、より複雑なOCCを提案することができる。
この手順を数回の反復で繰り返すと、合成回路と実回路の両方において、回路の応答のgp推定がより良くなり、特定の回路応答において最悪のケースや故障が発見される可能性が高まる。
そこで,提案手法は,OCCを全回路の仕様に近く提供し,実回路の応答の1つに対する故障(特定違反)を特定することができることを示す。
関連論文リスト
- Graph Attention-Based Symmetry Constraint Extraction for Analog Circuits [16.02779774440494]
アナログ回路レイアウトにおける対称制約を自動的に抽出するグラフベースの学習フレームワークを提案する。
提案フレームワークは,回路の接続特性とデバイス情報を利用して,対称制約の一般的な規則を学習する。
論文 参考訳(メタデータ) (2023-12-22T03:10:59Z) - Fault-tolerant quantum architectures based on erasure qubits [49.227671756557946]
我々は、支配的なノイズを既知の場所での消去に効率よく変換することで、消去量子ビットの考え方を利用する。
消去量子ビットと最近導入されたFloquet符号に基づくQECスキームの提案と最適化を行う。
以上の結果から, 消去量子ビットに基づくQECスキームは, より複雑であるにもかかわらず, 標準手法よりも著しく優れていることが示された。
論文 参考訳(メタデータ) (2023-12-21T17:40:18Z) - Learning to Design Analog Circuits to Meet Threshold Specifications [2.5818330243826924]
本稿では,シミュレーションデータから,しきい値仕様を満たす回路の設計を訓練可能なデータセットを生成する手法を提案する。
提案手法は,5%の誤差マージンで90%以上の成功率を達成するとともに,データ効率を1桁以上の精度で向上することを示す。
論文 参考訳(メタデータ) (2023-07-25T23:25:05Z) - Constraint programming models for depth-optimal qubit assignment and
SWAP-based routing [0.0]
量子ビット割り当てとルーティング問題に対する制約プログラミング(CP)モデルを提案する。
回路深さ最小化のための整数線形プログラミング(ILP)モデルと比較する。
実験分析の結果,提案手法はソリューションの品質と実行時間の両方において,ILPモデルよりも優れていることがわかった。
論文 参考訳(メタデータ) (2023-06-14T16:42:36Z) - DC: Depth Control on Quantum Classical Circuit [7.721002788533454]
本研究は,従来の回路の深さをスライスし低下させる革命的深さ制御(DC)手法を提案する。
DCは、任意のノイズ中間スケール量子(NISQ)システムにおいて、不定サイズの回路に対して信頼性の高い結果を提供する。
論文 参考訳(メタデータ) (2023-05-19T04:48:01Z) - Model-based Deep Learning Receiver Design for Rate-Splitting Multiple
Access [65.21117658030235]
本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。
MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。
その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
論文 参考訳(メタデータ) (2022-05-02T12:23:55Z) - Domain Knowledge-Infused Deep Learning for Automated
Analog/Radio-Frequency Circuit Parameter Optimization [6.599793419469274]
本稿では,アナログ回路パラメータの最適化を自動化する強化学習手法を提案する。
これはアナログ回路設計のドメイン知識に依存する人間の専門家にインスパイアされている。
模範回路の実験結果から, 既存の最適性能手法の人間レベルの設計精度 (99%) 1.5倍の効率を達成できた。
論文 参考訳(メタデータ) (2022-04-27T13:58:51Z) - Quantum circuit debugging and sensitivity analysis via local inversions [62.997667081978825]
本稿では,回路に最も影響を及ぼす量子回路の断面をピンポイントする手法を提案する。
我々は,IBM量子マシン上に実装されたアルゴリズム回路の例に応用して,提案手法の実用性と有効性を示す。
論文 参考訳(メタデータ) (2022-04-12T19:39:31Z) - Machine Learning Optimization of Quantum Circuit Layouts [63.55764634492974]
本稿では量子回路マッピングQXXとその機械学習バージョンQXX-MLPを紹介する。
後者は、レイアウトされた回路の深さが小さくなるように最適なQXXパラメータ値を自動的に推論する。
近似を用いてレイアウト法を学習可能な経験的証拠を提示する。
論文 参考訳(メタデータ) (2020-07-29T05:26:19Z) - Combining Deep Learning and Optimization for Security-Constrained
Optimal Power Flow [94.24763814458686]
セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。
SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。
本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
論文 参考訳(メタデータ) (2020-07-14T12:38:21Z)
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。