論文の概要: Multi-Agent Reinforcement Learning for Inverse Design in Photonic Integrated Circuits

• arxiv url: http://arxiv.org/abs/2506.18627v1
• Date: Mon, 23 Jun 2025 13:34:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:36.996476
• Title: Multi-Agent Reinforcement Learning for Inverse Design in Photonic Integrated Circuits
• Title（参考訳）: フォトニック集積回路における逆設計のためのマルチエージェント強化学習
• Authors: Yannik Mahlau, Maximilian Schier, Christoph Reinders, Frederik Schubert, Marco Bügling, Bodo Rosenhahn,
• Abstract要約: フォトニック集積回路(PIC)の逆設計は、伝統的に勾配に基づく最適化に依存してきた。 PICの設計のための強化学習環境とマルチエージェントRLアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 19.195483866933984
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Inverse design of photonic integrated circuits (PICs) has traditionally relied on gradientbased optimization. However, this approach is prone to end up in local minima, which results in suboptimal design functionality. As interest in PICs increases due to their potential for addressing modern hardware demands through optical computing, more adaptive optimization algorithms are needed. We present a reinforcement learning (RL) environment as well as multi-agent RL algorithms for the design of PICs. By discretizing the design space into a grid, we formulate the design task as an optimization problem with thousands of binary variables. We consider multiple two- and three-dimensional design tasks that represent PIC components for an optical computing system. By decomposing the design space into thousands of individual agents, our algorithms are able to optimize designs with only a few thousand environment samples. They outperform previous state-of-the-art gradient-based optimization in both twoand three-dimensional design tasks. Our work may also serve as a benchmark for further exploration of sample-efficient RL for inverse design in photonics.
• Abstract（参考訳）: フォトニック集積回路(PIC)の逆設計は、伝統的に勾配に基づく最適化に依存してきた。 しかし、このアプローチはローカルなミニマで終わる傾向があり、その結果、最適でない設計機能をもたらす。 光コンピューティングによる最新のハードウェア要求に対処する可能性から、PICへの関心が高まっているため、より適応的な最適化アルゴリズムが必要である。 我々は、PICの設計のための強化学習(RL)環境とマルチエージェントRLアルゴリズムを提案する。 設計空間をグリッドに分割することにより、数千のバイナリ変数による最適化問題として設計タスクを定式化する。 光コンピューティングシステムにおけるPICコンポーネントを表す2次元および3次元の設計タスクを複数検討する。 設計空間を何千もの個々のエージェントに分解することで、我々のアルゴリズムは数千の環境サンプルで設計を最適化することができる。 従来の2次元および3次元の設計タスクにおいて、最先端の勾配に基づく最適化よりも優れていた。 我々の研究は、フォトニクスにおける逆設計のためのサンプル効率の高いRLのさらなる探索のためのベンチマークとしても役立つかもしれない。

関連論文リスト

• Exploring Quasi-Global Solutions to Compound Lens Based Computational Imaging Systems [15.976326291076377]
  本稿では、複合レンズベースの計算画像システムを自動的に設計するQuasi-Global Search Optics (QGSO)を提案する。 QGSOは、優れたグローバル検索能力を実現するための変換エンドツーエンドのレンズ設計パラダイムとして機能する。
  論文  参考訳（メタデータ） (2024-04-30T01:59:25Z)
• 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)
• Automated Circuit Sizing with Multi-objective Optimization based on Differential Evolution and Bayesian Inference [1.1579778934294358]
  一般化微分進化3(GDE3)とガウス過程(GP)に基づく設計最適化手法を提案する。 提案手法は,多数の設計変数を持つ複雑な回路の小型化を実現し,多くの競合対象を最適化する。 本研究では,2つの電圧レギュレータにおいて,異なるレベルの複雑さを示す手法について検討した。
  論文  参考訳（メタデータ） (2022-06-06T06:48:45Z)
• Investigating Positive and Negative Qualities of Human-in-the-Loop Optimization for Designing Interaction Techniques [55.492211642128446]
  設計者は、与えられた目的の集合を最大化する設計パラメータの組み合わせを見つけるよう求められる設計最適化タスクに苦労すると言われている。 モデルベースの計算設計アルゴリズムは、設計中に設計例を生成することでデザイナを支援する。 一方、補助のためのブラックボックスメソッドは、あらゆる設計問題に対処できる。
  論文  参考訳（メタデータ） (2022-04-15T20:40:43Z)
• A Framework for Discovering Optimal Solutions in Photonic Inverse Design [0.0]
  フォトニック逆設計は複雑な光学系にとって必須の工学ツールとして登場した。 グローバル最適に近づく解を見つけることは、計算的に難解なタスクを示すかもしれない。 我々は,複雑な最適化空間上でのグローバル最適化に近い解の探索を高速化するフレームワークを開発する。
  論文  参考訳（メタデータ） (2021-06-03T22:11:03Z)
• 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)
• 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)
• Generative Design by Reinforcement Learning: Enhancing the Diversity of Topology Optimization Designs [5.8010446129208155]
  本研究では、トポロジ設計の多様性を最大化する報酬関数を備えた強化学習に基づく生成設計プロセスを提案する。 RLをベースとした生成設計は,GPUを完全自動で活用することにより,短時間で多数の多様な設計を生成できることを示す。
  論文  参考訳（メタデータ） (2020-08-17T06:50:47Z)

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。