論文の概要: A Study on the Inductance and Thermal Regression and Optimization for Automatic Layout Design of Power Modules

• arxiv url: http://arxiv.org/abs/2312.08523v1
• Date: Wed, 13 Dec 2023 21:23:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-16 00:43:55.133795
• Title: A Study on the Inductance and Thermal Regression and Optimization for Automatic Layout Design of Power Modules
• Title（参考訳）: パワーモジュールの自動レイアウト設計のためのインダクタンスと熱回帰と最適化に関する研究
• Authors: Victor Parque, Aiki Nakamura, Tomoyuki Miyashita
• Abstract要約: 優れたインダクタンスと温度測定値を持つパワーモジュールは、新しい技術におけるエネルギー需要の高度化を満たすために重要である。 計算予算の低さにおいて,電力モジュールの最適レイアウトを高効率かつ魅力的なインダクタンス温度比でレンダリングするために,サロゲートベースの手法を用いる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Power modules with excellent inductance and temperature metrics are significant to meet the rising sophistication of energy demand in new technologies. In this paper, we use a surrogate-based approach to render optimal layouts of power modules with feasible and attractive inductance-temperature ratios at low computational budget. In particular, we use the class of feedforward networks to estimate the surrogate relationships between power module layout-design variables and inductance-temperature factors rendered from simulations; and Differential Evolution algorithms to optimize and locate feasible layout configurations of power module substrates minimizing inductance and temperature ratios. Our findings suggest the desirable classes of feedforward networks and gradient-free optimization algorithms being able to estimate and optimize power module layouts efficiently and effectively.
• Abstract（参考訳）: インダクタンスと温度測定に優れた電力モジュールは、新しい技術におけるエネルギー需要の高度化に対応するために重要である。 本稿では,低計算予算で実現可能かつ魅力的なインダクタンス温度比を持つ電力モジュールの最適レイアウトをサロゲートベースで描画する手法を提案する。 特に,電力モジュールのレイアウト-設計変数とインダクタンス-温度要因の関係をシミュレーションから推定するために,フィードフォワードネットワークのクラス,およびインダクタンスと温度比を最小化するパワーモジュール基板の可能なレイアウト配置を最適化・配置するための差分進化アルゴリズムを用いる。 本研究は,電力モジュールレイアウトを効率的かつ効果的に推定・最適化できるフィードフォワードネットワークと勾配なし最適化アルゴリズムの望ましいクラスを提案する。

関連論文リスト

• Adaptive Decoding via Latent Preference Optimization [55.70602730588745]
  モデルに付加されたレイヤであるAdaptive Decodingを導入し、推論時にサンプリング温度を動的に選択する。 我々の手法は、異なる温度を必要とする様々なタスクにおいて、すべての固定デコード温度を上回ります。
  論文  参考訳（メタデータ） (2024-11-14T18:31:39Z)
• Rapid and Power-Aware Learned Optimization for Modular Receive Beamforming [27.09017677987757]
  マルチインプット・マルチアウトプット(MIMO)システムは無線通信技術において重要な役割を果たす。 モジュールハイブリッドシステムにおけるビームフォーミングのための電力指向最適化アルゴリズムを提案する。 低分解能位相シフトによる計算の高速化を通じて、学習者によって効率の良いビームフォーミングがいかに促進されるかを示す。
  論文  参考訳（メタデータ） (2024-08-01T10:19:25Z)
• Multi-level Optimal Control with Neural Surrogate Models [0.7646713951724013]
  与えられたアクチュエータ実現のための最適閉ループの評価は、計算的に要求されるタスクである。 最適化階層の下位レベルを置き換えるためにニューラルネットワークサロゲートを使用することを提案する。 提案したサロゲートモデルと最適化手法の有効性を, 熱制御のための最適アクチュエータ位置に関する試験で評価した。
  論文  参考訳（メタデータ） (2024-02-12T16:28:57Z)
• Machine learning based surrogate models for microchannel heat sink optimization [0.0]
  本稿では,二次チャネルとリブを用いたマイクロチャネルの設計を計算流体力学を用いて検討する。 ラテンハイパーキューブサンプリング、機械学習に基づく代理モデリング、多目的最適化を組み合わせたワークフローを提案する。
  論文  参考訳（メタデータ） (2022-08-20T13:49:11Z)
• Heat Conduction Plate Layout Optimization using Physics-driven Convolutional Neural Networks [14.198900757461555]
  熱伝導のレイアウト最適化は、特に感受性のある熱製品の設計において不可欠である。 データ駆動型アプローチは、所定の外部負荷と様々な幾何学の間のマッピングとして代理モデルを訓練するために使用される。 本稿では,物理駆動型畳み込みニューラルネットワーク(PD-CNN)手法を提案する。
  論文  参考訳（メタデータ） (2022-01-21T10:43:57Z)
• Efficient Micro-Structured Weight Unification and Pruning for Neural Network Compression [56.83861738731913]
  ディープニューラルネットワーク(DNN)モデルは、特にリソース制限されたデバイスにおいて、実用的なアプリケーションに不可欠である。 既往の非構造的あるいは構造化された重量刈り法は、推論を真に加速することはほとんど不可能である。 ハードウェア互換のマイクロ構造レベルでの一般化された重み統一フレームワークを提案し,高い圧縮と加速度を実現する。
  論文  参考訳（メタデータ） (2021-06-15T17:22:59Z)
• Optimization-Inspired Learning with Architecture Augmentations and Control Mechanisms for Low-Level Vision [74.9260745577362]
  本稿では,GDC(Generative, Discriminative, and Corrective)の原則を集約する,最適化に着想を得た統合学習フレームワークを提案する。 フレキシブルな組み合わせで最適化モデルを効果的に解くために,3つのプロパゲーティブモジュールを構築した。 低レベル視覚タスクにおける実験は、GDCの有効性と適応性を検証する。
  論文  参考訳（メタデータ） (2020-12-10T03:24:53Z)
• Learning Discrete Energy-based Models via Auxiliary-variable Local Exploration [130.89746032163106]
  離散構造データに対する条件付きおよび非条件付きEMMを学習するための新しいアルゴリズムであるALOEを提案する。 エネルギー関数とサンプリング器は、新しい変分型電力繰り返しにより効率よく訓練できることを示す。 本稿では、ソフトウェアテストのためのエネルギーモデルガイド付ファジィザについて、libfuzzerのようなよく設計されたファジィエンジンに匹敵する性能を実現する。
  論文  参考訳（メタデータ） (2020-11-10T19:31:29Z)
• 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)
• End-to-end deep metamodeling to calibrate and optimize energy loads [0.0]
  本研究では,大規模建物のエネルギー性能と快適性,空気質,衛生性を最適化する新しいエンド・ツー・エンド手法を提案する。 シミュレーションプログラムでサンプル化したデータセットを用いてトランスフォーマーネットワークに基づくメタモデルを導入,訓練する。
  論文  参考訳（メタデータ） (2020-06-19T07:40:11Z)
• NeurOpt: Neural network based optimization for building energy management and climate control [58.06411999767069]
  モデル同定のコストを削減するために,ニューラルネットワークに基づくデータ駆動制御アルゴリズムを提案する。 イタリアにある10の独立したゾーンを持つ2階建ての建物で、学習と制御のアルゴリズムを検証する。
  論文  参考訳（メタデータ） (2020-01-22T00:51:03Z)

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。