Fugu-MT 論文翻訳(概要): Constrained Bayesian Optimization Using a Lagrange Multiplier Applied to Power Transistor Design

論文の概要: Constrained Bayesian Optimization Using a Lagrange Multiplier Applied to Power Transistor Design

arxiv url: http://arxiv.org/abs/2308.09612v1
Date: Fri, 18 Aug 2023 15:14:31 GMT
ステータス: 処理完了
システム内更新日: 2023-08-21 12:36:00.238555
Title: Constrained Bayesian Optimization Using a Lagrange Multiplier Applied to Power Transistor Design
Title（参考訳）: ラグランジュ乗算器を用いた電力トランジスタ設計のための制約ベイズ最適化
Authors: Ping-Ju Chuang, Ali Saadat, Sara Ghazvini, Hal Edwards, William G. Vandenberghe
Abstract要約: 本稿では,横方向拡散金属酸化物半導体(LDMOS)トランジスタのための制約付きベイズ最適化(BO)アルゴリズムを提案する。制約付きBO問題をラグランジュ乗算器を用いて従来のBO問題に変換する。本アルゴリズムにより、設計空間にターゲットBVを設定可能とし、最適化されたFOMとターゲットBV制約を自動的に満たす装置を得る。
参考スコア（独自算出の注目度）: 1.0718756132502771
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose a novel constrained Bayesian Optimization (BO) algorithm optimizing the design process of Laterally-Diffused Metal-Oxide-Semiconductor (LDMOS) transistors while realizing a target Breakdown Voltage (BV). We convert the constrained BO problem into a conventional BO problem using a Lagrange multiplier. Instead of directly optimizing the traditional Figure-of-Merit (FOM), we set the Lagrangian as the objective function of BO. This adaptive objective function with a changeable Lagrange multiplier can address constrained BO problems which have constraints that require costly evaluations, without the need for additional surrogate models to approximate constraints. Our algorithm enables a device designer to set the target BV in the design space, and obtain a device that satisfies the optimized FOM and the target BV constraint automatically. Utilizing this algorithm, we have also explored the physical limits of the FOM for our devices in 30 - 50 V range within the defined design space.
Abstract（参考訳）: 本稿では, 水平拡散金属酸化物半導体(LDMOS)トランジスタの設計過程を最適化し, 目標破壊電圧(BV)を実現した新しい制約ベイズ最適化(BO)アルゴリズムを提案する。制約付きbo問題をラグランジュ乗算器を用いて従来のbo問題に変換する。従来のフィギュア・オブ・メリート(FOM)を直接最適化するのではなく、ラグランジアンをBOの目的関数として設定した。可変ラグランジュ乗算器を持つ適応目的関数は、制約を近似する追加の代理モデルを必要としない、コストの高い評価を必要とする制約を持つ制約付きBO問題に対処することができる。本アルゴリズムにより、設計空間にターゲットBVを設定可能とし、最適化されたFOMとターゲットBV制約を自動的に満たす装置を得る。また,このアルゴリズムを用いて,デバイスに対するfomの物理的限界を,設計空間内で30～50vの範囲で検討した。

関連論文リスト

Harnessing the Power of Gradient-Based Simulations for Multi-Objective Optimization in Particle Accelerators [5.565261874218803]
本稿では, 粒子加速器の深部微分可能強化学習アルゴリズムを用いてMOO問題の解法における微分可能性の効果を示す。基礎となる問題は、個々の状態と行動の両方に厳密な制約を課し、ビームのエネルギー要求に対する累積的(グローバル)制約を課している。
論文参考訳（メタデータ） (2024-11-07T15:55:05Z)
Resource Management for Low-latency Cooperative Fine-tuning of Foundation Models at the Network Edge [35.40849522296486]
大規模ファウンデーションモデル(FoMos)は、人間のような知性を実現することができる。 FoMosは微調整技術により、特定の下流タスクに適応する必要がある。デバイスエッジ協調微調整パラダイムにおける多デバイス連携を提唱する。
論文参考訳（メタデータ） (2024-07-13T12:47:14Z)
Towards Automated Design of Bayesian Optimization via Exploratory Landscape Analysis [11.143778114800272]
AFの動的選択はBO設計に有用であることを示す。我々は,オートML支援のオンザフライBO設計への道を開き,その動作をランニング・バイ・ランで調整する。
論文参考訳（メタデータ） (2022-11-17T17:15:04Z)
Symmetric Tensor Networks for Generative Modeling and Constrained Combinatorial Optimization [72.41480594026815]
ポートフォリオ最適化からロジスティクスに至るまで、制約付き最適化問題は業界に多い。これらの問題の解決における主要な障害の1つは、有効な検索空間を制限する非自明なハード制約の存在である。本研究では、Ax=bという形の任意の整数値等式制約をU(1)対称ネットワーク(TN)に直接エンコードし、それらの適用性を量子に着想を得た生成モデルとして活用する。
論文参考訳（メタデータ） (2022-11-16T18:59:54Z)
Bayesian Optimization for Macro Placement [48.55456716632735]
本研究では,系列対上のベイズ最適化(BO)を用いた新しいマクロ配置法を提案する。 BOは確率的代理モデルと獲得関数を利用する機械学習技術である。固定アウトラインマクロ配置問題に対して, 半周波線長目標を用いたアルゴリズムを実証する。
論文参考訳（メタデータ） (2022-07-18T06:17:06Z)
A General Recipe for Likelihood-free Bayesian Optimization [115.82591413062546]
我々は,BOをより広範なモデルやユーティリティに拡張する可能性のないBO(LFBO)を提案する。 LFBOは、確率的代理モデルと個別に推論を行うことなく、取得関数を直接モデル化する。 LFBOにおける取得関数の計算は、重み付けされた分類問題を最適化することで削減できることを示す。
論文参考訳（メタデータ） (2022-06-27T03:55:27Z)
Tuning Particle Accelerators with Safety Constraints using Bayesian Optimization [73.94660141019764]
粒子加速器の機械パラメータのチューニングは反復的で時間を要する作業である。我々は、安全なベイズ最適化のステップサイズ制限版を提案し、評価する。
論文参考訳（メタデータ） (2022-03-26T02:21:03Z)
Accelerating Bayesian Optimization for Biological Sequence Design with Denoising Autoencoders [28.550684606186884]
我々は,識別可能なマルチタスクガウスプロセスヘッドを用いて,デノナイズドオートエンコーダを共同で訓練する手法を開発した。我々はZINCデータセットに基づく小分子上でLaMBOを評価し,蛍光タンパク質をターゲットとした新しい大規模分子タスクを導入する。
論文参考訳（メタデータ） (2022-03-23T21:58:45Z)
Inverse design of photonic devices with strict foundry fabrication constraints [55.41644538483948]
本稿では,ナノフォトニクス素子の逆設計法を提案し,設計が厳密な長さの制約を満たすことを保証した。本手法の性能と信頼性を,いくつかの共通集積フォトニック部品を設計することによって実証する。
論文参考訳（メタデータ） (2022-01-31T02:27:25Z)
Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文参考訳（メタデータ） (2020-10-01T18:14:11Z)
Max-value Entropy Search for Multi-Objective Bayesian Optimization with Constraints [44.25245545568633]
航空電力システム設計の応用においては、運動温度とセル電圧の比しきい値を満たすとともに、総エネルギーと質量をトレードオフする設計を見出す必要がある。本稿では,制約付き多目的最適化のためのem Max-value Entropy Search (MESMOC) と呼ばれる新しい手法を提案する。 MESMOCは、出力空間エントロピーに基づく取得関数を使用して、評価のための入力のシーケンスを効率的に選択し、高品質なパリトセットソリューションを明らかにする。
論文参考訳（メタデータ） (2020-09-01T05:00:01Z)

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。