Fugu-MT 論文翻訳(概要): Learning to Design Analog Circuits to Meet Threshold Specifications

論文の概要: Learning to Design Analog Circuits to Meet Threshold Specifications

arxiv url: http://arxiv.org/abs/2307.13861v1
Date: Tue, 25 Jul 2023 23:25:05 GMT
ステータス: 処理完了
システム内更新日: 2023-07-27 14:06:30.745201
Title: Learning to Design Analog Circuits to Meet Threshold Specifications
Title（参考訳）: 閾値仕様を満たすためのアナログ回路設計の学習
Authors: Dmitrii Krylov, Pooya Khajeh, Junhan Ouyang, Thomas Reeves, Tongkai Liu, Hiba Ajmal, Hamidreza Aghasi, Roy Fox
Abstract要約: 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。
参考スコア（独自算出の注目度）: 2.5818330243826924
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Automated design of analog and radio-frequency circuits using supervised or reinforcement learning from simulation data has recently been studied as an alternative to manual expert design. It is straightforward for a design agent to learn an inverse function from desired performance metrics to circuit parameters. However, it is more common for a user to have threshold performance criteria rather than an exact target vector of feasible performance measures. In this work, we propose a method for generating from simulation data a dataset on which a system can be trained via supervised learning to design circuits to meet threshold specifications. We moreover perform the to-date most extensive evaluation of automated analog circuit design, including experimenting in a significantly more diverse set of circuits than in prior work, covering linear, nonlinear, and autonomous circuit configurations, and show that our method consistently reaches success rate better than 90% at 5% error margin, while also improving data efficiency by upward of an order of magnitude. A demo of this system is available at circuits.streamlit.app
Abstract（参考訳）: 近年,手動設計の代替として,シミュレーションデータからの教師付きあるいは強化学習を用いたアナログ回路と無線回路の自動設計が研究されている。設計エージェントが所望のパフォーマンス指標から回路パラメータへの逆関数を学習するのは簡単である。しかし、実行可能性能測定の正確な目標ベクトルよりも、ユーザがしきい値のパフォーマンス基準を持つことが一般的である。本研究では,教師付き学習によりシステムが訓練可能なデータセットをシミュレーションデータから生成し,しきい値仕様を満たした回路を設計する手法を提案する。さらに,従来よりもはるかに多種多様な回路を試作し,線形回路,非線形回路,自律回路の構成を網羅し,提案手法の精度を5%誤差マージンで90%以上向上させるとともに,データ効率を桁違いに向上させるなど,従来のアナログ回路設計の最も広範な評価を行う。このシステムのデモは circuits.streamlit.app で公開されている。

関連論文リスト

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)
AnalogCoder: Analog Circuit Design via Training-Free Code Generation [28.379045024642668]
本稿では,アナログ回路を設計するための訓練不要なLarge Language ModelsエージェントであるAnalogCoderを紹介する。フィードバック強化フローとドメイン固有のプロンプトが組み込まれており、アナログ回路の自動化および自己修正設計を可能にする。 20個の回路を設計し、標準のGPT-4oより5個多く設計した。
論文参考訳（メタデータ） (2024-05-23T17:13:52Z)
Machine Learning Driven Global Optimisation Framework for Analog Circuit Design [0.0]
アナログ回路設計のための機械学習駆動最適化フレームワークを提案する。最適化アルゴリズムを指向するために,機械学習モデルとスパイスシミュレーションを用いる。
論文参考訳（メタデータ） (2024-02-27T03:51:00Z)
CktGNN: Circuit Graph Neural Network for Electronic Design Automation [67.29634073660239]
本稿では,回路トポロジ生成とデバイスサイズを同時に行う回路グラフニューラルネットワーク(CktGNN)を提案する。オープンサーキットベンチマーク(OCB: Open Circuit Benchmark)は、オープンソースのデータセットで、10ドル(約10万円)の異なるオペレーショナルアンプを含む。我々の研究は、アナログ回路のための学習ベースのオープンソース設計自動化への道を開いた。
論文参考訳（メタデータ） (2023-08-31T02:20:25Z)
Adaptive Planning Search Algorithm for Analog Circuit Verification [53.97809573610992]
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。
論文参考訳（メタデータ） (2023-06-23T12:57:46Z)
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)
Pretraining Graph Neural Networks for few-shot Analog Circuit Modeling and Design [68.1682448368636]
本稿では、新しい未知のトポロジや未知の予測タスクに適応可能な回路表現を学習するための教師付き事前学習手法を提案する。異なる回路の変動位相構造に対処するため、各回路をグラフとして記述し、グラフニューラルネットワーク(GNN)を用いてノード埋め込みを学習する。出力ノード電圧の予測における事前学習GNNは、新しい未知のトポロジや新しい回路レベル特性の予測に適応可能な学習表現を促進することができることを示す。
論文参考訳（メタデータ） (2022-03-29T21:18:47Z)
Domain Knowledge-Based Automated Analog Circuit Design with Deep Reinforcement Learning [6.599793419469274]
本稿では,アナログ回路の設計を高速化する深層強化学習法を提案する。実験結果から,既存のベストパフォーマンス手法の1.5倍の効率で,人間レベルの設計精度(99%)を達成できた。
論文参考訳（メタデータ） (2022-02-26T16:56:45Z)
Ranking Cost: Building An Efficient and Scalable Circuit Routing Planner with Evolution-Based Optimization [49.207538634692916]
そこで我々は、効率よくトレーニング可能なルータを形成するための新しい回路ルーティングアルゴリズム、Randing Costを提案する。提案手法では,A*ルータが適切な経路を見つけるのに役立つコストマップと呼ばれる新しい変数群を導入する。我々のアルゴリズムはエンドツーエンドで訓練されており、人工データや人間の実演は一切使用しない。
論文参考訳（メタデータ） (2021-10-08T07:22:45Z)
LoRD-Net: Unfolded Deep Detection Network with Low-Resolution Receivers [104.01415343139901]
本稿では,1ビット計測から情報シンボルを復元する「LoRD-Net」というディープ検出器を提案する。 LoRD-Netは、関心のシグナルを回復するためのタスクベースのアーキテクチャである。無線通信における1ビット信号回復のためのレシーバアーキテクチャの評価を行った。
論文参考訳（メタデータ） (2021-02-05T04:26:05Z)

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。