論文の概要: Causal-Guided Dimension Reduction for Efficient Pareto Optimization
- arxiv url: http://arxiv.org/abs/2510.09941v1
- Date: Sat, 11 Oct 2025 00:41:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-14 18:06:29.705156
- Title: Causal-Guided Dimension Reduction for Efficient Pareto Optimization
- Title（参考訳）: 効率的なパレート最適化のための因果誘導次元削減法
- Authors: Dinithi Jayasuriya, Divake Kumar, Sureshkumar Senthilkumar, Devashri Naik, Nastaran Darabi, Amit Ranjan Trivedi,
- Abstract要約: CaDROは、観測と干渉のハイブリッドなプロセスを通して因果写像を構築し、目的に対する因果効果によってパラメータをランク付けする。
低インパクトパラメータは高品質なソリューションの値に固定されるが、クリティカルなドライバは引き続き検索でアクティブである。
増幅器、レギュレータ、RF回路にまたがって、CaDROはNSGA-IIよりも10$times$速く収束する。
- 参考スコア（独自算出の注目度）: 2.9013001432962255
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multi-objective optimization of analog circuits is hindered by high-dimensional parameter spaces, strong feedback couplings, and expensive transistor-level simulations. Evolutionary algorithms such as Non-dominated Sorting Genetic Algorithm II (NSGA-II) are widely used but treat all parameters equally, thereby wasting effort on variables with little impact on performance, which limits their scalability. We introduce CaDRO, a causal-guided dimensionality reduction framework that embeds causal discovery into the optimization pipeline. CaDRO builds a quantitative causal map through a hybrid observational-interventional process, ranking parameters by their causal effect on the objectives. Low-impact parameters are fixed to values from high-quality solutions, while critical drivers remain active in the search. The reduced design space enables focused evolutionary optimization without modifying the underlying algorithm. Across amplifiers, regulators, and RF circuits, CaDRO converges up to 10$\times$ faster than NSGA-II while preserving or improving Pareto quality. For instance, on the Folded-Cascode Amplifier, hypervolume improves from 0.56 to 0.94, and on the LDO regulator from 0.65 to 0.81, with large gains in non-dominated solutions.
- Abstract（参考訳）: アナログ回路の多目的最適化は、高次元パラメータ空間、強いフィードバック結合、高価なトランジスタレベルのシミュレーションによって妨げられる。
非支配的ソーティング遺伝的アルゴリズムII (NSGA-II) のような進化的アルゴリズムは広く用いられているが、全てのパラメータを等しく扱うため、性能にほとんど影響を与えない変数に労力を浪費し、スケーラビリティを制限している。
本稿では、因果発見を最適化パイプラインに埋め込む因果誘導次元減少フレームワークであるCaDROを紹介する。
CaDROは、観測と干渉のハイブリッドなプロセスを通して定量的因果写像を構築し、それらの目的に対する因果効果によってパラメータをランク付けする。
低インパクトパラメータは高品質なソリューションの値に固定されるが、クリティカルなドライバは引き続き検索でアクティブである。
設計スペースの削減により、基礎となるアルゴリズムを変更することなく、焦点を絞った進化的最適化が可能になる。
増幅器、レギュレータ、RF回路にまたがって、CaDROはパレートの品質を維持したり改善したりしながら、NSGA-IIよりも最大10$\times$の速度で収束する。
例えば、Folded-Cascode Amplifier では、ハイパーボリュームは 0.56 から 0.94 に改善され、LDOレギュレータでは 0.65 から 0.81 に改善され、非支配的なソリューションでは大きな利益が得られた。
関連論文リスト
- Memory Enhanced Fractional-Order Dung Beetle Optimization for Photovoltaic Parameter Identification [8.924286864388922]
本稿では,3つの協調戦略を統合するメモリ拡張フラクタル次Dung Beetle Optimization (MFO-DBO)アルゴリズムを提案する。
進化したDBOの変種、FOベースのアルゴリズム、拡張された古典的アルゴリズム、そして最近のメタヒューリスティックスを精度、堅牢性、収束速度で一貫して上回っている。
論文 参考訳（メタデータ） (2025-08-09T05:48:30Z) - A Gradient Meta-Learning Joint Optimization for Beamforming and Antenna Position in Pinching-Antenna Systems [63.213207442368294]
マルチ導波路ピンチアンテナシステムの新しい最適化設計について検討する。
提案したGML-JOアルゴリズムは,既存の最適化手法と比較して,様々な選択や性能に頑健である。
論文 参考訳（メタデータ） (2025-06-14T17:35:27Z) - KerZOO: Kernel Function Informed Zeroth-Order Optimization for Accurate and Accelerated LLM Fine-Tuning [15.81250204481401]
本稿では,勾配推定バイアスの軽減を目的としたカーネル関数ベースのZOフレームワークを提案する。
KerZOOは既存のZOベースラインと同等または優れたパフォーマンスを実現している。
本稿では,カーネル関数がZO法における推定バイアスの低減に有効な方法であることを示す。
論文 参考訳（メタデータ） (2025-05-24T21:56:03Z) - Joint Transmit and Pinching Beamforming for Pinching Antenna Systems (PASS): Optimization-Based or Learning-Based? [89.05848771674773]
MISO (Multiple-input Single-output) フレームワークを提案する。
それは複数の導波路で構成されており、多数の低コストアンテナ(PA)を備えている。
PAの位置は、大規模パスと空間の両方にまたがるように再構成することができる。
論文 参考訳（メタデータ） (2025-02-12T18:54:10Z) - DAPO-QAOA: An algorithm for solving combinatorial optimization problems by dynamically constructing phase operators [3.146466735747661]
本稿では,従来のレイヤの出力と近傍探索手法に基づいて位相演算子を構成する動的適応位相演算子 (DAPO) アルゴリズムを提案する。
DAPOは高い近似比を達成し、2量子RZZゲート、特に密度グラフにおいて著しく減少する。
バニラQAOAと比較すると、DAPOは同じ深さでRZZゲートの66%しか使用せず、より良い結果をもたらす。
論文 参考訳（メタデータ） (2025-02-06T14:24:05Z) - 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) - HELENE: Hessian Layer-wise Clipping and Gradient Annealing for Accelerating Fine-tuning LLM with Zeroth-order Optimization [18.00873866263434]
微調整された大きな言語モデル(LLM)は、大きなメモリ問題を引き起こす。
最近の研究であるMeZOは、ゼロ階最適化法(ZO)を用いてこの問題に対処している。
HELENEは、スケーラブルでメモリ効率の良い新しいプレコンディショナーである。
論文 参考訳（メタデータ） (2024-11-16T04:27:22Z) - Optimizing Container Loading and Unloading through Dual-Cycling and Dockyard Rehandle Reduction Using a Hybrid Genetic Algorithm [1.350722707557839]
本稿では,Quay Crane Dual-Cycling (QCDC) とドックのリハンドル最小化を統合することで,ポートでのコンテナハンドリングを最適化するNP-hard問題に対処する。
両側面を均等に最適化するハイブリッド遺伝的アルゴリズムであるQuay Crane Dual Cycle - Dockyard Rehandle Genetic Algorithm (QCDC-DR-GA)を提案する。
各種船体規模の実験により、QCDC-DR-GAは既存の方法と比較して、大型船の総運用時間を15～20%短縮することが示された。
論文 参考訳（メタデータ） (2024-06-12T16:47:45Z) - Optimizing Large-Scale Hyperparameters via Automated Learning Algorithm [97.66038345864095]
ゼロ階超勾配(HOZOG)を用いた新しいハイパーパラメータ最適化法を提案する。
具体的には、A型制約最適化問題として、まずハイパーパラメータ最適化を定式化する。
次に、平均ゼロ階超勾配を用いてハイパーパラメータを更新する。
論文 参考訳（メタデータ） (2021-02-17T21:03:05Z) - 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。