論文の概要: Graph Neural Networks for Automatic Addition of Optimizing Components in Printed Circuit Board Schematics
- arxiv url: http://arxiv.org/abs/2506.10577v1
- Date: Thu, 12 Jun 2025 11:12:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-13 15:37:22.697464
- Title: Graph Neural Networks for Automatic Addition of Optimizing Components in Printed Circuit Board Schematics
- Title（参考訳）: プリント回路板の最適成分の自動付加のためのグラフニューラルネットワーク
- Authors: Pascal Plettenberg, André Alcalde, Bernhard Sick, Josephine M. Thomas,
- Abstract要約: 重要なタスクは、回路の堅牢性と信頼性を改善するコンポーネントを追加することで、ドラフトを最適化することである。
本稿では,2部グラフとして表現し,グラフニューラルネットワーク(GNN)に基づくノードペア予測モデルを活用することにより,PCBスキーマへの新たなコンポーネントの追加を自動化するアプローチを提案する。
GNNがこれらの問題を高精度に解決できることを示し、我々の手法がPCB設計の最適化を時間とコスト効率で自動化する可能性を実証する。
- 参考スコア（独自算出の注目度）: 1.49199020343864
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The design and optimization of Printed Circuit Board (PCB) schematics is crucial for the development of high-quality electronic devices. Thereby, an important task is to optimize drafts by adding components that improve the robustness and reliability of the circuit, e.g., pull-up resistors or decoupling capacitors. Since there is a shortage of skilled engineers and manual optimizations are very time-consuming, these best practices are often neglected. However, this typically leads to higher costs for troubleshooting in later development stages as well as shortened product life cycles, resulting in an increased amount of electronic waste that is difficult to recycle. Here, we present an approach for automating the addition of new components into PCB schematics by representing them as bipartite graphs and utilizing a node pair prediction model based on Graph Neural Networks (GNNs). We apply our approach to three highly relevant PCB design optimization tasks and compare the performance of several popular GNN architectures on real-world datasets labeled by human experts. We show that GNNs can solve these problems with high accuracy and demonstrate that our approach offers the potential to automate PCB design optimizations in a time- and cost-efficient manner.
- Abstract（参考訳）: 印刷回路基板(PCB)の設計と最適化は、高品質な電子機器の開発に不可欠である。
これにより、回路の堅牢性と信頼性を向上させるコンポーネント、例えばプルアップ抵抗やデカップリングコンデンサを追加することで、ドラフトを最適化することが重要な課題である。
熟練したエンジニアが不足し、手動の最適化が非常に時間がかかるため、これらのベストプラクティスは無視されることが多い。
しかし、これは一般的に、後の開発段階でトラブルシューティングのコストが高くなり、製品ライフサイクルが短縮され、リサイクルが困難となる電子廃棄物の増加につながる。
本稿では,2部グラフとして表現し,グラフニューラルネットワーク(GNN)に基づくノードペア予測モデルを活用することにより,PCBスキーマに新たなコンポーネントを追加する手法を提案する。
提案手法を3つのPCB設計最適化タスクに適用し,人的専門家によってラベル付けされた実世界のデータセット上でのGNNアーキテクチャの性能を比較した。
GNNがこれらの問題を高精度に解決できることを示し、我々の手法がPCB設計の最適化を時間とコスト効率で自動化する可能性を実証する。
関連論文リスト
- GENIAL: Generative Design Space Exploration via Network Inversion for Low Power Algorithmic Logic Units [1.5845117761091052]
本稿では,算術単位の自動生成と最適化のための機械学習ベースのフレームワークであるGENIALを紹介する。
我々は、ジェネリックは他の方法よりも一貫してサンプリング効率が高く、最適化された設計に向けてより高速に収束することを示した。
また、有限状態マシンの大幅な改善によって、我々のアプローチの汎用性を示す。
論文 参考訳（メタデータ） (2025-07-25T06:34:59Z) - Architect of the Bits World: Masked Autoregressive Modeling for Circuit Generation Guided by Truth Table [5.300504429005315]
本稿では,回路生成のための条件生成モデルと微分可能なアーキテクチャ探索(DAS)を組み合わせた新しい手法を提案する。
まず、Circuit AutoEncoderに基づいてトレーニングされた回路トークンであるCircuitVQを紹介する。
次に,トークンとしてCircuitVQを活用するマスク付き自己回帰モデルであるCircuitARを開発した。
論文 参考訳（メタデータ） (2025-02-18T11:13:03Z) - Synergistic Development of Perovskite Memristors and Algorithms for Robust Analog Computing [53.77822620185878]
本稿では,ペロブスカイト・メムリスタの製作を同時に最適化し,ロバストなアナログDNNを開発するための相乗的手法を提案する。
BO誘導ノイズインジェクションを利用したトレーニング戦略であるBayesMultiを開発した。
我々の統合されたアプローチは、より深くより広いネットワークでのアナログコンピューティングの使用を可能にし、最大100倍の改善を実現します。
論文 参考訳（メタデータ） (2024-12-03T19:20:08Z) - Benchmarking End-To-End Performance of AI-Based Chip Placement Algorithms [77.71341200638416]
ChiPBenchはAIベースのチップ配置アルゴリズムの有効性を評価するために設計されたベンチマークである。
評価のために、さまざまなドメイン(CPU、GPU、マイクロコントローラなど)から20の回路を集めました。
その結果, 単点アルゴリズムの中間距離が支配的であったとしても, 最終的なPPA結果は満足できないことがわかった。
論文 参考訳（メタデータ） (2024-07-03T03:29:23Z) - Automated Design and Optimization of Distributed Filtering Circuits via Reinforcement Learning [20.500468654567033]
そこで本研究では,DFC設計のための新しいエンドツーエンド自動手法を提案する。
提案手法は強化学習(RL)アルゴリズムを利用して,技術者の設計経験への依存を解消する。
本手法は, 複雑もしくは急速に発展するDFCの設計において, 優れた性能を実現する。
論文 参考訳（メタデータ） (2024-02-22T02:36:14Z) - Circuit as Set of Points [39.14967611962792]
本稿では,回路部品を点雲として扱うことにより,回路設計の新しい視点を提案する。
このアプローチは、プリプロセッシングなしで生データから直接の機能抽出を可能にし、エンドツーエンドのトレーニングを可能にし、高いパフォーマンスをもたらす。
論文 参考訳（メタデータ） (2023-10-26T14:22:43Z) - 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) - 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) - PCBDet: An Efficient Deep Neural Network Object Detection Architecture
for Automatic PCB Component Detection on the Edge [48.7576911714538]
PCBDetは、最先端の推論スループットを提供するアテンションコンデンサネットワーク設計である。
他の最先端のアーキテクチャ設計に比べて優れたPCBコンポーネント検出性能を実現している。
論文 参考訳（メタデータ） (2023-01-23T04:34:25Z) - Quantum chip design optimization and automation in superconducting coupler architecture [0.0]
超伝導カプラアーキテクチャは、スケーラブルで高性能な量子プロセッサに大きな可能性を示す。
レイアウトの観点からハイパフォーマンスの「Qubit-Coupler-Qubit (QCQ)」を効率的にかつ自動的に設計する方法はいまだ不明である。
レイアウトの幾何学的設計にのみ依存する重要なゼロカップリング条件を得る。
本稿では,超上界に到達するための最適レイアウト設計手法を提案し,効率的かつ高性能なレイアウト設計を実現する。
論文 参考訳（メタデータ） (2022-12-28T09:01:15Z) - Machine Learning Framework for Quantum Sampling of Highly-Constrained,
Continuous Optimization Problems [101.18253437732933]
本研究では,連続空間の逆設計問題を,制約のないバイナリ最適化問題にマッピングする,汎用的な機械学習ベースのフレームワークを開発する。
本研究では, 熱発光トポロジを熱光応用に最適化し, (ii) 高効率ビームステアリングのための拡散メタグレーティングを行うことにより, 2つの逆設計問題に対するフレームワークの性能を示す。
論文 参考訳（メタデータ） (2021-05-06T02:22:23Z)
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。