論文の概要: Adaptive Bayesian Data-Driven Design of Reliable Solder Joints for Micro-electronic Devices

• arxiv url: http://arxiv.org/abs/2507.19663v1
• Date: Fri, 25 Jul 2025 20:34:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-29 16:23:55.884389
• Title: Adaptive Bayesian Data-Driven Design of Reliable Solder Joints for Micro-electronic Devices
• Title（参考訳）: マイクロエレクトロニクスデバイス用高信頼性ソルダ継手の適応ベイズデータ駆動設計
• Authors: Leo Guo, Adwait Inamdar, Willem D. van Driel, GuoQi Zhang,
• Abstract要約: 熱メカニカルローディングによる故障に関連するソルダ継手信頼性は、重要でありながら物理的に複雑な工学的問題である。 ますますデータ駆動の世界では、効率的なデータ駆動設計スキームの使用が一般的な選択である。 著者らは、徹底的な代理モデルを利用して計算的貯蓄を得ることができると主張している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Solder joint reliability related to failures due to thermomechanical loading is a critically important yet physically complex engineering problem. As a result, simulated behavior is oftentimes computationally expensive. In an increasingly data-driven world, the usage of efficient data-driven design schemes is a popular choice. Among them, Bayesian optimization (BO) with Gaussian process regression is one of the most important representatives. The authors argue that computational savings can be obtained from exploiting thorough surrogate modeling and selecting a design candidate based on multiple acquisition functions. This is feasible due to the relatively low computational cost, compared to the expensive simulation objective. This paper addresses the shortcomings in the adjacent literature by providing and implementing a novel heuristic framework to perform BO with adaptive hyperparameters across the various optimization iterations. Adaptive BO is subsequently compared to regular BO when faced with synthetic objective minimization problems. The results show the efficiency of adaptive BO when compared any worst-performing regular Bayesian schemes. As an engineering use case, the solder joint reliability problem is tackled by minimizing the accumulated non-linear creep strain under a cyclic thermal load. Results show that adaptive BO outperforms regular BO by 3% on average at any given computational budget threshold, critically saving half of the computational expense budget. This practical result underlines the methodological potential of the adaptive Bayesian data-driven methodology to achieve better results and cut optimization-related expenses. Lastly, in order to promote the reproducibility of the results, the data-driven implementations are made available on an open-source basis.
• Abstract（参考訳）: 熱メカニカルローディングによる故障に関連するソルダ継手信頼性は、重要でありながら物理的に複雑な工学的問題である。 その結果、シミュレーション行動はしばしば計算コストがかかる。 ますますデータ駆動の世界では、効率的なデータ駆動設計スキームの使用が一般的な選択である。 中でもガウス過程回帰を伴うベイズ最適化(BO)は最も重要な代表の一つである。 著者らは、徹底的な代理モデリングを活用し、複数の獲得関数に基づいて設計候補を選択することにより、計算的貯蓄を得ることができると主張している。 これは、計算コストが比較的低いため、高価なシミュレーションの目的に比べて実現可能である。 本稿では,様々な最適化イテレーションにおいて,適応型ハイパーパラメータを用いたBOを実現するための新しいヒューリスティックフレームワークの提供と実装によって,隣接する文献の欠点に対処する。 適応BOはその後、合成目的最小化問題に直面した場合、通常のBOと比較される。 その結果, 最低性能のベイズスキームと比較した場合, 適応BOの有効性が示された。 工学的ユースケースとして、循環熱負荷下で蓄積した非線形クリープひずみを最小化することにより、半田継手信頼性問題に取り組む。 その結果, 適応BOは任意の計算予算閾値において, 通常のBOを平均3%上回り, 計算予算の半分を著しく削減していることがわかった。 この実践的な結果は、より良い結果を達成するための適応ベイズデータ駆動手法の方法論的ポテンシャルと最適化関連費用を削減することの基盤となっている。 最後に、結果の再現性を促進するために、データ駆動実装をオープンソースで利用可能にしている。

関連論文リスト

• Multi-fidelity Bayesian Data-Driven Design of Energy Absorbing Spinodoid Cellular Structures [1.5187678526255866]
  本稿では,ソボのサンプルに分散感性分析を適用し,問題点を解決することを目的とする。 この結果は、高価なデータ駆動設計問題にまたがるマルチファイダリティ技術の有用性をサポートするのに役立ちます。
  論文  参考訳（メタデータ） (2025-07-25T15:55:59Z)
• PABBO: Preferential Amortized Black-Box Optimization [24.019185659134294]
  優先ベイズ最適化(英: Preferential Bayesian Optimization, PBO)は、一対の設計に対する優先的なフィードバックから潜在ユーザユーティリティを学習するためのサンプリング効率のよい手法である。 そこで本研究では,PBOを完全修復し,サロゲートと取得機能の両方をメタラーニングすることで,この問題を回避することを提案する。 提案手法はガウスのプロセスベース戦略よりも数桁高速であり,精度で優れていることが多い。
  論文  参考訳（メタデータ） (2025-03-02T14:57:24Z)
• PearSAN: A Machine Learning Method for Inverse Design using Pearson Correlated Surrogate Annealing [66.27103948750306]
  PearSANは、大きな設計空間を持つ逆設計問題に適用可能な機械学習支援最適化アルゴリズムである。 ピアソン相関代理モデルを用いて、真の設計計量のメリットの図形を予測する。 最先端の最大設計効率は97%で、少なくとも以前の方法よりも桁違いに高速である。
  論文  参考訳（メタデータ） (2024-12-26T17:02:19Z)
• 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)
• Cost-Sensitive Multi-Fidelity Bayesian Optimization with Transfer of Learning Curve Extrapolation [55.75188191403343]
  各ユーザが事前に定義した機能であるユーティリティを導入し,BOのコストと性能のトレードオフについて述べる。 このアルゴリズムをLCデータセット上で検証した結果,従来のマルチファイルBOや転送BOベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2024-05-28T07:38:39Z)
• CARE: Confidence-rich Autonomous Robot Exploration using Bayesian Kernel Inference and Optimization [12.32946442160165]
  未知・複雑な環境における情報に基づく自律ロボット探査の効率化を検討する。 ベイジアンカーネル推論と最適化に基づく新しい軽量情報ゲイン推定法(BKIO)を提案する。 異なる非構造, 乱雑な環境下での探索性能を損なうことなく, 提案手法の所望の効率性を示す。
  論文  参考訳（メタデータ） (2023-09-11T02:30:06Z)
• Model-based Causal Bayesian Optimization [74.78486244786083]
  乗算重み付き因果ベイズ最適化のための最初のアルゴリズム(CBO-MW)を提案する。 グラフ関連の量に自然に依存するCBO-MWに対する後悔の限界を導出する。 我々の実験は、共有モビリティシステムにおいて、ユーザの需要パターンを学習するためにCBO-MWをどのように使用できるかの現実的なデモを含む。
  論文  参考訳（メタデータ） (2023-07-31T13:02:36Z)
• 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)
• Sample-Efficient and Surrogate-Based Design Optimization of Underwater Vehicle Hulls [0.4543820534430522]
  本稿では,BO-LCBアルゴリズムが最もサンプリング効率のよい最適化フレームワークであり,最適収束挙動を有することを示す。 また, DNN に基づく代理モデルでは, CFD シミュレーションと密に一致し, 平均絶対パーセンテージ誤差 (MAPE) が 1.85% であることを示す。 本稿では,サロゲートモデルを用いた設計最適化の2次高速化について述べる。
  論文  参考訳（メタデータ） (2023-04-24T19:52:42Z)
• Prior-mean-assisted Bayesian optimization application on FRIB Front-End tunning [61.78406085010957]
  我々は、FRIBフロントエンドチューニングのためのBOの事前平均として、過去のデータに基づいてトレーニングされたニューラルネットワークモデルを利用する。 本稿では、FRIBフロントエンドチューニングのためのBOの事前平均として、過去のデータに基づいてトレーニングされたニューラルネットワークモデルを利用する。
  論文  参考訳（メタデータ） (2022-11-11T18:34:15Z)
• High Dimensional Bayesian Optimization Assisted by Principal Component Analysis [4.030481609048958]
  高次元数値最適化問題に対する新しいPCA支援BO(PCA-BO)アルゴリズムを提案する。 我々は,PCA-BOが高次元問題におけるCPU時間を効果的に削減し,適切なグローバル構造を持つ問題に対する収束率を維持することを示す。
  論文  参考訳（メタデータ） (2020-07-02T07:03:27Z)

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。