論文の概要: Inverse Design in Distributed Circuits Using Single-Step Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2506.08029v1
• Date: Mon, 02 Jun 2025 02:31:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-11 15:11:40.175865
• Title: Inverse Design in Distributed Circuits Using Single-Step Reinforcement Learning
• Title（参考訳）: 単段強化学習を用いた分散回路の逆設計
• Authors: Jiayu Li, Masood Mortazavi, Ning Yan, Yihong Ma, Reza Zafarani,
• Abstract要約: DCIDAは、ターゲット転送関数のほぼ最適設計サンプリングポリシーを学習する設計探索フレームワークである。 本実験では,DCIDA の Transformer ベースのポリシネットワークが設計誤差を大幅に低減することを示す。
• 参考スコア（独自算出の注目度）: 10.495642893440351
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The goal of inverse design in distributed circuits is to generate near-optimal designs that meet a desirable transfer function specification. Existing design exploration methods use some combination of strategies involving artificial grids, differentiable evaluation procedures, and specific template topologies. However, real-world design practices often require non-differentiable evaluation procedures, varying topologies, and near-continuous placement spaces. In this paper, we propose DCIDA, a design exploration framework that learns a near-optimal design sampling policy for a target transfer function. DCIDA decides all design factors in a compound single-step action by sampling from a set of jointly-trained conditional distributions generated by the policy. Utilizing an injective interdependent ``map", DCIDA transforms raw sampled design ``actions" into uniquely equivalent physical representations, enabling the framework to learn the conditional dependencies among joint ``raw'' design decisions. Our experiments demonstrate DCIDA's Transformer-based policy network achieves significant reductions in design error compared to state-of-the-art approaches, with significantly better fit in cases involving more complex transfer functions.
• Abstract（参考訳）: 分散回路における逆設計の目標は、望ましい転送関数仕様を満たす準最適設計を生成することである。 既存の設計探索手法では、人工格子、微分可能な評価手順、テンプレートトポロジーを含む戦略を組み合わせている。 しかし、現実世界の設計実践は、しばしば微分不可能な評価手順、様々なトポロジ、ほぼ連続的な配置空間を必要とする。 本稿では,ターゲット転送関数のほぼ最適設計サンプリングポリシーを学習する設計探索フレームワークであるDCIDAを提案する。 DCIDAは、ポリシーによって生成される一連の共同学習条件分布からサンプリングすることにより、複合単一ステップ動作におけるすべての設計要素を決定する。 DCIDAは、インジェクティブな相互依存の ``map" を利用することで、サンプルデザイン ``actions' を一意に等価な物理表現に変換する。 我々の実験は、DCIDAのTransformerベースのポリシーネットワークが、最先端のアプローチに比べて設計ミスの大幅な削減を実現し、より複雑な転送機能を持つ場合において、はるかに適していることを示した。

関連論文リスト

• CORE: Constraint-Aware One-Step Reinforcement Learning for Simulation-Guided Neural Network Accelerator Design [3.549422886703227]
  COREはシミュレーション誘導DSEのための制約対応一段階強化学習法である。 ニューラルネットワークアクセラレーターのハードウェアマッピング共同設計のためのCOREをインスタンス化する。
  論文  参考訳（メタデータ） (2025-06-04T01:08:34Z)
• Compositional Generative Inverse Design [69.22782875567547]
  入力変数を設計して目的関数を最適化する逆設計は重要な問題である。 拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。 N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
  論文  参考訳（メタデータ） (2024-01-24T01:33:39Z)
• Generative Inverse Design of Metamaterials with Functional Responses by Interpretable Learning [3.931881794708454]
  ランダムフォレストに基づく解釈可能生成逆設計(RIGID)を提案する。 RIGIDは、オンデマンド機能挙動を持つメタマテリアル設計を高速に生成するための単発逆設計法である。 RIGIDの音響的・光学的メタマテリアル設計問題に対する評価を行った。
  論文  参考訳（メタデータ） (2023-12-08T04:24:03Z)
• Dual Adaptive Representation Alignment for Cross-domain Few-shot Learning [58.837146720228226]
  ベース知識から学習することで、限られたサポートサンプルを持つ新規なクエリを認識することを目的としている。 この設定の最近の進歩は、ベース知識と新しいクエリサンプルが同じドメインに分散されていることを前提としている。 本稿では,ターゲットドメインで利用可能なサンプルが極めて少ないドメイン間数ショット学習の問題に対処することを提案する。
  論文  参考訳（メタデータ） (2023-06-18T09:52:16Z)
• Protein Design with Guided Discrete Diffusion [67.06148688398677]
  タンパク質設計における一般的なアプローチは、生成モデルと条件付きサンプリングのための識別モデルを組み合わせることである。 離散拡散モデルのためのガイダンス手法であるdiffusioN Optimized Smpling (NOS)を提案する。 NOSは、構造に基づく手法の重要な制限を回避し、シーケンス空間で直接設計を行うことができる。
  論文  参考訳（メタデータ） (2023-05-31T16:31:24Z)
• Theta-Resonance: A Single-Step Reinforcement Learning Method for Design Space Exploration [10.184056098238766]
  Theta-Resonanceを用いて、より最適なサンプルを生成するインテリジェントエージェントを訓練する。 我々は、政策ネットワークを更新するために、既存の政策勾配アルゴリズムを深層強化学習(D-RL)に特化している。 分類設計空間のみを提示するが、連続かつ混合した連続離散設計空間を探索するためにテータ共振器の使い方も概説する。
  論文  参考訳（メタデータ） (2022-11-03T16:08:40Z)
• Proximal Policy Optimization-based Transmit Beamforming and Phase-shift Design in an IRS-aided ISAC System for the THz Band [90.45915557253385]
  テラヘルツ(THz)帯で動作するIRS支援統合センシング・通信(ISAC)システムを提案し,システム容量を最大化する。 透過ビームフォーミングと位相シフト設計はエルゴード制約を伴う普遍最適化問題に変換される。
  論文  参考訳（メタデータ） (2022-03-21T09:15:18Z)
• Robust Topology Optimization Using Multi-Fidelity Variational Autoencoders [1.0124625066746595]
  強靭なトポロジー最適化(RTO)問題は、最高の平均性能を持つ設計を特定する。 計算効率を向上するニューラルネットワーク手法を提案する。 本手法の数値解析は,Lブラケット構造のロバスト設計における単一点負荷と複数点負荷について述べる。
  論文  参考訳（メタデータ） (2021-07-19T20:40:51Z)

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。