論文の概要: AC-Refiner: Efficient Arithmetic Circuit Optimization Using Conditional Diffusion Models

• arxiv url: http://arxiv.org/abs/2507.02598v1
• Date: Thu, 03 Jul 2025 13:21:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-04 15:37:16.288884
• Title: AC-Refiner: Efficient Arithmetic Circuit Optimization Using Conditional Diffusion Models
• Title（参考訳）: AC-Refiner:条件拡散モデルを用いた効率的な算術回路最適化
• Authors: Chenhao Xue, Kezhi Li, Jiaxing Zhang, Yi Ren, Zhengyuan Shi, Chen Zhang, Yibo Lin, Lining Zhang, Qiang Xu, Guangyu Sun,
• Abstract要約: AC-Refinerは条件拡散モデルを利用した新しい演算回路最適化フレームワークである。 我々の重要な洞察は、条件付き画像生成タスクとして演算回路合成を再構成することである。 目標品質(QoR)の劣化拡散過程を慎重に調整することにより、AC-Refinerは高品質な回路設計を一貫して生成する。
• 参考スコア（独自算出の注目度）: 28.512885016552175
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Arithmetic circuits, such as adders and multipliers, are fundamental components of digital systems, directly impacting the performance, power efficiency, and area footprint. However, optimizing these circuits remains challenging due to the vast design space and complex physical constraints. While recent deep learning-based approaches have shown promise, they struggle to consistently explore high-potential design variants, limiting their optimization efficiency. To address this challenge, we propose AC-Refiner, a novel arithmetic circuit optimization framework leveraging conditional diffusion models. Our key insight is to reframe arithmetic circuit synthesis as a conditional image generation task. By carefully conditioning the denoising diffusion process on target quality-of-results (QoRs), AC-Refiner consistently produces high-quality circuit designs. Furthermore, the explored designs are used to fine-tune the diffusion model, which focuses the exploration near the Pareto frontier. Experimental results demonstrate that AC-Refiner generates designs with superior Pareto optimality, outperforming state-of-the-art baselines. The performance gain is further validated by integrating AC-Refiner into practical applications.
• Abstract（参考訳）: 加算器や乗算器などの算術回路はデジタルシステムの基本的な構成要素であり、性能、電力効率、面積フットプリントに直接影響を及ぼす。 しかし、設計空間と複雑な物理的制約のため、これらの回路の最適化は依然として困難である。 最近のディープラーニングベースのアプローチは、将来性を示しているが、彼らは、最適化の効率を抑えながら、強力な設計の亜種を継続的に探究するのに苦労している。 そこで本研究では,条件付き拡散モデルを利用した新しい演算回路最適化フレームワークであるAC-Refinerを提案する。 我々の重要な洞察は、条件付き画像生成タスクとして演算回路合成を再構成することである。 目標品質(QoR)の劣化拡散過程を慎重に調整することにより、AC-Refinerは高品質な回路設計を一貫して生成する。 さらに,パレート・フロンティア付近の探査に焦点を当てた拡散モデルを微調整するために,実験を行った。 実験結果から、AC-Refinerはパレートの最適性に優れ、最先端のベースラインよりも優れた設計を生成することが示された。 さらに、AC-Refinerを実用化することで、性能向上が検証される。

関連論文リスト

• AUTOCIRCUIT-RL: Reinforcement Learning-Driven LLM for Automated Circuit Topology Generation [6.2730802180534155]
  AUTOCIRCUIT-RLは、アナログ回路の自動合成のための新しい強化学習ベースのフレームワークである。 有効回路は12%増加し、最高のベースラインに比べて効率が14%向上する。 トレーニングデータに制限のある有効な回路で60%以上の成功を達成し、強力な一般化を示す。
  論文  参考訳（メタデータ） (2025-06-03T17:54:30Z)
• InvFussion: Bridging Supervised and Zero-shot Diffusion for Inverse Problems [76.39776789410088]
  この研究は、教師付きアプローチの強いパフォーマンスとゼロショットメソッドの柔軟性を組み合わせたフレームワークを導入している。 新規なアーキテクチャ設計では、分解演算子を直接デノイザにシームレスに統合する。 FFHQとImageNetデータセットの実験結果は、最先端の後方サンプリング性能を示している。
  論文  参考訳（メタデータ） (2025-04-02T12:40:57Z)
• 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)
• Improved Noise Schedule for Diffusion Training [51.849746576387375]
  本稿では,拡散モデルのトレーニングを強化するため,ノイズスケジュールを設計するための新しい手法を提案する。 我々は,標準のコサインスケジュールよりもノイズスケジュールの方が優れていることを実証的に示す。
  論文  参考訳（メタデータ） (2024-07-03T17:34:55Z)
• The Missing U for Efficient Diffusion Models [3.712196074875643]
  拡散確率モデル(Diffusion Probabilistic Models)は、画像合成、ビデオ生成、分子設計などのタスクにおいて、記録破りのパフォーマンスをもたらす。 それらの能力にもかかわらず、その効率、特に逆過程では、収束速度が遅いことと計算コストが高いため、依然として課題である。 本研究では,連続力学系を利用した拡散モデルのための新しいデノナイジングネットワークの設計手法を提案する。
  論文  参考訳（メタデータ） (2023-10-31T00:12:14Z)
• Conditional Denoising Diffusion for Sequential Recommendation [62.127862728308045]
  GAN(Generative Adversarial Networks)とVAE(VAE)の2つの顕著な生成モデル GANは不安定な最適化に苦しむ一方、VAEは後続の崩壊と過度に平らな世代である。 本稿では,シーケンスエンコーダ,クロスアテンティブデノナイジングデコーダ,ステップワイズディフューザを含む条件付きデノナイジング拡散モデルを提案する。
  論文  参考訳（メタデータ） (2023-04-22T15:32:59Z)
• Data-Driven Chance Constrained AC-OPF using Hybrid Sparse Gaussian Processes [57.70237375696411]
  入力不確実性を伴う潮流方程式をモデル化するために,スパースプロセスとハイブリッドガウスプロセス(GP)フレームワークを用いた高速データ駆動構成を提案する。 提案手法の有効性は,複数のIEEEテストケースに対して,最大2倍の高速かつ高精度な解を示す数値的な研究によって主張する。
  論文  参考訳（メタデータ） (2022-08-30T09:27:59Z)
• Fourier Space Losses for Efficient Perceptual Image Super-Resolution [131.50099891772598]
  提案した損失関数の適用のみで,最近導入された効率的なジェネレータアーキテクチャの性能向上が可能であることを示す。 フーリエ空間における周波数に対する損失の直接的強調は知覚的画質を著しく向上させることを示す。 訓練されたジェネレータは、最先端の知覚的SR法である RankSRGAN と SRFlow よりも2.4倍、48倍高速である。
  論文  参考訳（メタデータ） (2021-06-01T20:34:52Z)
• 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)

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。