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

• Quantum Error Mitigation via Linear-Depth Verifier Circuits [0.044998333629984864]
  低次元行列積演算子(MPO)によって正確に表現される量子回路の検証回路を構築する方法を提案する。 回路を2次元の量子ビット配列にトランスパイルすることにより、検証回路が回路自体よりも浅いクロスオーバー点を推定し、量子エラー軽減(QEM)に有用である。 提案手法は、コヒーレントノイズに対処するために量子サブ回路の校正に有用であるが、現在のデバイスに存在する非コヒーレントノイズを補正することができない。
  論文  参考訳（メタデータ） (2024-11-05T16:44:18Z)
• CktGen: Specification-Conditioned Analog Circuit Generation [28.780603785886242]
  本稿では,特定の仕様に基づいてアナログ回路を直接生成するタスクを提案する。 具体的には、単純だが効果的な変分オートエンコーダ(VAE)モデルであるCktGenを提案する。 オープンサーキットベンチマーク(OCB)の総合的な実験を行い、モデル間の整合性を評価するための新しい評価指標を導入する。
  論文  参考訳（メタデータ） (2024-10-01T18:35:44Z)
• Adversarial Circuit Evaluation [1.1893676124374688]
  文献中の3つの回路(IOI, Great-than, docstring)を対角的に評価した。 我々は,全モデルの出力と回路の出力とのKLのばらつきを測定し,再サンプリングアブレーションによって計算し,最悪の性能の入力を解析する。
  論文  参考訳（メタデータ） (2024-07-21T13:43:44Z)
• LaMAGIC: Language-Model-based Topology Generation for Analog Integrated Circuits [17.002169206594793]
  先駆的な言語モデルに基づくトポロジ生成モデルであるLaMAGICを紹介する。 LaMAGICは、カスタム仕様から最適化された回路設計を単一のパスで効率的に生成できる。 LaMAGICは0.01の厳格な許容条件で最大96%の成功率を達成した。
  論文  参考訳（メタデータ） (2024-07-19T22:51:41Z)
• Finding Transformer Circuits with Edge Pruning [71.12127707678961]
  自動回路発見の効率的かつスケーラブルなソリューションとしてエッジプルーニングを提案する。 本手法は,従来の手法に比べてエッジ数の半分未満のGPT-2の回路を探索する。 その効率のおかげで、Edge PruningをCodeLlama-13Bにスケールしました。
  論文  参考訳（メタデータ） (2024-06-24T16:40:54Z)
• 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)
• 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)
• 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。