論文の概要: Multi-objective Bayesian Optimization with Human-in-the-Loop for Flexible Neuromorphic Electronics Fabrication

• arxiv url: http://arxiv.org/abs/2510.11727v1
• Date: Wed, 08 Oct 2025 18:28:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-15 19:02:32.008193
• Title: Multi-objective Bayesian Optimization with Human-in-the-Loop for Flexible Neuromorphic Electronics Fabrication
• Title（参考訳）: フレキシブル・ニューロモルフィック・エレクトロニクス作製のためのHuman-in-the-Loopを用いた多目的ベイズ最適化
• Authors: Benius Dunn, Javier Meza-Arroyo, Armi Tiihonen, Mark Lee, Julia W. P. Hsu,
• Abstract要約: ニューロモルフィックコンピューティングハードウェアはエッジコンピューティングを可能にし、新しい応用のためにフレキシブルエレクトロニクスで実装することができる。 金属酸化物材料は、柔軟なニューロモルフィックエレクトロニクスを製造する上で有望な候補であるが、処理の制約に悩まされている。 フォトニックカーリングを用いて, 可溶性酸化アルミニウム誘電体を用いたフレキシブル金属絶縁体-金属コンデンサを作製し, ニューロモルフィックに応用した。
• 参考スコア（独自算出の注目度）: 0.704888060188677
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Neuromorphic computing hardware enables edge computing and can be implemented in flexible electronics for novel applications. Metal oxide materials are promising candidates for fabricating flexible neuromorphic electronics, but suffer from processing constraints due to the incompatibilities between oxides and polymer substrates. In this work, we use photonic curing to fabricate flexible metal-insulator-metal capacitors with solution-processible aluminum oxide dielectric tailored for neuromorphic applications. Because photonic curing outcomes depend on many input parameters, identifying an optimal processing condition through a traditional grid-search approach is unfeasible. Here, we apply multi-objective Bayesian optimization (MOBO) to determine photonic curing conditions that optimize the trade-off between desired electrical properties of large capacitance-frequency dispersion and low leakage current. Furthermore, we develop a human-in-the-loop (HITL) framework for incorporating failed experiments into the MOBO machine learning workflow, demonstrating that this framework accelerates optimization by reducing the number of experimental rounds required. Once optimization is concluded, we analyze different Pareto-optimal conditions to tune the dielectrics properties and provide insight into the importance of different inputs through Shapley Additive exPlanations analysis. The demonstrated framework of combining MOBO with HITL feedback can be adapted to a wide range of multi-objective experimental problems that have interconnected inputs and high experimental failure rates to generate usable results for machine learning models.
• Abstract（参考訳）: ニューロモルフィックコンピューティングハードウェアはエッジコンピューティングを可能にし、新しい応用のためにフレキシブルエレクトロニクスで実装することができる。 金属酸化物材料はフレキシブルなニューロモルフィックエレクトロニクスを製造する上で有望な候補であるが、酸化物とポリマー基板の不整合による処理の制約に悩まされている。 本研究では, フォトニックカーリングを用いて, 可溶性酸化アルミニウム誘電体を用いたフレキシブル金属絶縁体-金属コンデンサを作製し, ニューロモルフィックに応用した。 フォトニックカーリングの結果は多くの入力パラメータに依存するため、従来のグリッド探索手法による最適処理条件の特定は不可能である。 本稿では,多目的ベイズ最適化(MOBO)を用いて,大容量周波数分散の所望の電気特性と低リーク電流とのトレードオフを最適化するフォトニック硬化条件を決定する。 さらに、MOBO機械学習ワークフローに失敗した実験を組み込むためのHuman-in-the-loop(HITL)フレームワークを開発し、このフレームワークが必要な実験ラウンド数を減らして最適化を加速することを実証した。 最適化が完了すると、異なるパレート最適条件を分析して誘電体特性を調整し、Shapley Additive exPlanations分析によって異なる入力の重要性を洞察する。 MOBOとHITLフィードバックを組み合わせるための実証的なフレームワークは、相互接続された入力と高い実験失敗率を持つ多目的実験問題に適応して、機械学習モデルに使用可能な結果を生成することができる。

関連論文リスト

• Simulation-based inference for Precision Neutrino Physics through Neural Monte Carlo tuning [0.0]
  シミュレーションに基づく推論フレームワークにおいて,ニューラルネットワークを用いた推定手法を提案する。 キャリブレーションデータの可能性をモデル化する2つの相補的ニューラルネットワーク密度推定器を開発した。 私たちのフレームワークは、特定のニーズに対して最適なメソッドを選択する柔軟性を提供します。
  論文  参考訳（メタデータ） (2025-07-31T07:33:05Z)
• EquiNO: A Physics-Informed Neural Operator for Multiscale Simulations [0.8345452787121658]
  我々は,マイクロスケール物理予測のための物理インフォームドPDEサロゲートとしてEquiNOを提案する。 我々のフレームワークは、いわゆるマルチスケール FE$,2,$ の計算に適用でき、有限要素法(FE)と演算子学習法(OL)を統合することで FE-OL アプローチを導入している。
  論文  参考訳（メタデータ） (2025-03-27T08:42:13Z)
• 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)
• Rethinking Gradient-Based Methods: Multi-Property Materials Design Beyond Differentiable Targets [7.559885439354167]
  適応結晶合成器(SMOACS)を用いたマルチプロパティ同時最適化を提案する。 SMOACSは、高温超伝導や大型結晶系へのスケールといった例外的な目標を含む、多目的最適化を可能にする。 5つのターゲット特性と3つのデータセットの実験において、SMOACSは生成モデルとベイズ最適化法より優れている。
  論文  参考訳（メタデータ） (2024-10-11T06:35:48Z)
• Toward High-Performance Energy and Power Battery Cells with Machine Learning-based Optimization of Electrode Manufacturing [61.27691515336054]
  本研究では,所望のバッテリ適用条件に対する高性能電極の課題に対処する。 本稿では、電気化学性能の2目的最適化のための決定論的機械学習(ML)支援パイプラインによって支援される強力なデータ駆動アプローチを提案する。 以上の結果から,スラリー中の固形物の中間値とカレンダリング度を併用した高活性物質が最適電極となることが示唆された。
  論文  参考訳（メタデータ） (2023-07-07T13:48:50Z)
• Constrained multi-objective optimization of process design parameters in settings with scarce data: an application to adhesive bonding [48.7576911714538]
  接着プロセスに最適なプロセスパラメータを見つけることは困難である。 遺伝的アルゴリズムのような伝統的な進化的アプローチは、その問題を解決するのに不適である。 本研究では,目的関数と制約関数をエミュレートするために,特定の機械学習手法をうまく応用した。
  論文  参考訳（メタデータ） (2021-12-16T10:14:39Z)
• Benchmarking adaptive variational quantum eigensolvers [63.277656713454284]
  VQEとADAPT-VQEの精度をベンチマークし、電子基底状態とポテンシャルエネルギー曲線を計算する。 どちらの手法もエネルギーと基底状態の優れた推定値を提供する。 勾配に基づく最適化はより経済的であり、勾配のない類似シミュレーションよりも優れた性能を提供する。
  論文  参考訳（メタデータ） (2020-11-02T19:52:04Z)

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。