Fugu-MT 論文翻訳(概要): Late Breaking Results: The Art of Beating the Odds with Predictor-Guided Random Design Space Exploration

論文の概要: Late Breaking Results: The Art of Beating the Odds with Predictor-Guided Random Design Space Exploration

arxiv url: http://arxiv.org/abs/2502.17936v1
Date: Tue, 25 Feb 2025 07:56:25 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-26 15:20:57.581659
Title: Late Breaking Results: The Art of Beating the Odds with Predictor-Guided Random Design Space Exploration
Title（参考訳）: 予測誘導ランダム・デザイン・スペース・エクスプローラーでオッドを打ち負かす技術(動画あり)
Authors: Felix Arnold, Maxence Bouvier, Ryan Amaudruz, Renzo Andri, Lukas Cavigelli,
Abstract要約: 高性能回路は、性能、電力、コストにとって不可欠である。本研究はMIG合成におけるランダム探索による組合せディジタル回路の改良手法を提案する。
参考スコア（独自算出の注目度）: 1.5845117761091052
License:
Abstract: This work introduces an innovative method for improving combinational digital circuits through random exploration in MIG-based synthesis. High-quality circuits are crucial for performance, power, and cost, making this a critical area of active research. Our approach incorporates next-state prediction and iterative selection, significantly accelerating the synthesis process. This novel method achieves up to 14x synthesis speedup and up to 20.94% better MIG minimization on the EPFL Combinational Benchmark Suite compared to state-of-the-art techniques. We further explore various predictor models and show that increased prediction accuracy does not guarantee an equivalent increase in synthesis quality of results or speedup, observing that randomness remains a desirable factor.
Abstract（参考訳）: 本研究はMIG合成におけるランダム探索による組合せディジタル回路の改良手法を提案する。高品質な回路は性能、電力、コストにとって不可欠であり、活発な研究の重要な領域となっている。提案手法は, 次状態予測と反復選択を取り入れ, 合成過程を著しく加速する。この手法は, EPFLコンビネーションベンチマークスイートにおいて, 最先端技術と比較して最大14倍の合成速度を実現し, 20.94%のMIG最小化を実現している。さらに、様々な予測モデルについて検討し、予測精度の向上が結果の合成品質やスピードアップの同等な増加を保証しないことを示し、ランダム性が望ましい要因であることを確認する。

関連論文リスト

Faster WIND: Accelerating Iterative Best-of-$N$ Distillation for LLM Alignment [81.84950252537618]
本稿では,反復的BONDと自己プレイアライメントの統一的なゲーム理論接続を明らかにする。 WINレート支配(WIN rate Dominance, WIND)という新しいフレームワークを構築し, 正規化利率支配最適化のためのアルゴリズムを多数提案する。
論文参考訳（メタデータ） (2024-10-28T04:47:39Z)
Enhancing Gaussian Process Surrogates for Optimization and Posterior Approximation via Random Exploration [2.984929040246293]
ガウス過程シュロゲートモデルの精度を高めるために、ランダムな探索ステップに依存する新しいノイズフリーベイズ最適化戦略。新しいアルゴリズムは、古典的なGP-UCBの実装の容易さを維持しているが、さらなる探索がそれらの収束を促進する。
論文参考訳（メタデータ） (2024-01-30T14:16:06Z)
Enhancing Wind Speed and Wind Power Forecasting Using Shape-Wise Feature Engineering: A Novel Approach for Improved Accuracy and Robustness [6.0447555473286885]
本研究では,風速・風力予測のための特徴工学的手法を提案する。その結果、ステップ増加によるノイズに対するモデルレジリエンスの大幅な向上が明らかになった。このアプローチは、24段階までの未確認データの予測において、驚くべき83%の精度を達成する可能性がある。
論文参考訳（メタデータ） (2024-01-16T09:34:17Z)
An Optimization-based Deep Equilibrium Model for Hyperspectral Image Deconvolution with Convergence Guarantees [71.57324258813675]
本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
論文参考訳（メタデータ） (2023-06-10T08:25:16Z)
End-to-End Meta-Bayesian Optimisation with Transformer Neural Processes [52.818579746354665]
本稿では,ニューラルネットワークを一般化し,トランスフォーマーアーキテクチャを用いて獲得関数を学習する,エンド・ツー・エンドの差別化可能な最初のメタBOフレームワークを提案する。我々は、この強化学習(RL)によるエンドツーエンドのフレームワークを、ラベル付き取得データの欠如に対処できるようにします。
論文参考訳（メタデータ） (2023-05-25T10:58:46Z)
MetaRF: Differentiable Random Forest for Reaction Yield Prediction with a Few Trails [58.47364143304643]
本稿では,反応収率予測問題に焦点をあてる。筆者らはまず,数発の収量予測のために特別に設計された,注意に基づく識別可能なランダム森林モデルであるMetaRFを紹介した。数発の学習性能を改善するために,さらに次元還元に基づくサンプリング手法を導入する。
論文参考訳（メタデータ） (2022-08-22T06:40:13Z)
Surrogate Assisted Evolutionary Multi-objective Optimisation applied to a Pressure Swing Adsorption system [0.0]
本稿では, 化学プラント設計と運転の最適化に関する最近の研究を拡張した。そこで本研究では,Surrogate Assisted NSGA-Romannum2 (SA-NSGA) が提案された。遺伝的アルゴリズムフレームワークと機械学習サロゲートモデルを組み合わせることで,長期的シミュレーションモデルの代用として,計算効率が大幅に向上することがわかった。
論文参考訳（メタデータ） (2022-03-28T10:00:29Z)
ZARTS: On Zero-order Optimization for Neural Architecture Search [94.41017048659664]
微分可能なアーキテクチャサーチ (DARTS) は、NASの高効率性のため、一般的なワンショットパラダイムである。この作業はゼロオーダーの最適化に変わり、上記の近似を強制せずに探索するための新しいNASスキームであるZARTSを提案する。特に、12ベンチマークの結果は、DARTSの性能が低下するZARTSの顕著な堅牢性を検証する。
論文参考訳（メタデータ） (2021-10-10T09:35:15Z)
RSO: A Novel Reinforced Swarm Optimization Algorithm for Feature Selection [0.0]
本稿では,Reinforced Swarm Optimization (RSO) という特徴選択アルゴリズムを提案する。このアルゴリズムは、広く使われているBee Swarm Optimization (BSO)アルゴリズムとReinforcement Learning (RL)アルゴリズムを組み込んで、優れた検索エージェントの報酬を最大化し、劣悪なエージェントを罰する。提案手法は、バランスの取れたデータと不均衡なデータの完全なブレンドを含む、広く知られている25のUCIデータセットで評価される。
論文参考訳（メタデータ） (2021-07-29T17:38:04Z)
Momentum Accelerates the Convergence of Stochastic AUPRC Maximization [80.8226518642952]
高精度リコール曲線(AUPRC)に基づく領域の最適化について検討し,不均衡なタスクに広く利用されている。我々は、$O (1/epsilon4)$のより優れた反復による、$epsilon$定常解を見つけるための新しい運動量法を開発する。また,O(1/epsilon4)$と同じ複雑さを持つ適応手法の新たなファミリを設計し,実際により高速な収束を享受する。
論文参考訳（メタデータ） (2021-07-02T16:21:52Z)
Performance Analysis of Combine Harvester using Hybrid Model of Artificial Neural Networks Particle Swarm Optimization [0.0]
本稿では、粒子群最適化(ANN-PSO)と統合されたニューラルネットワークに基づく新しいハイブリッド機械学習モデルを提案する。その結果,コンバイン収穫機の性能向上に期待できる結果が得られた。
論文参考訳（メタデータ） (2020-02-22T22:38:01Z)

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。