論文の概要: Stiff Circuit System Modeling via Transformer

• arxiv url: http://arxiv.org/abs/2510.24727v1
• Date: Mon, 06 Oct 2025 01:13:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-03 05:35:45.980787
• Title: Stiff Circuit System Modeling via Transformer
• Title（参考訳）: 変圧器による剛性回路系のモデリング
• Authors: Weiman Yan, Yi-Chia Chang, Wanyu Zhao,
• Abstract要約: そこで我々は,現在最先端のトランスフォーマーモデルであるCrossformerを用いて時系列予測タスクを提案する。 クロスフォーマーの時間的表現能力と機能抽出の強化を利用して,幅広い入力条件に対する回路応答の予測精度の向上を実現する。
• 参考スコア（独自算出の注目度）: 0.7816640928428988
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate and efficient circuit behavior modeling is a cornerstone of modern electronic design automation. Among different types of circuits, stiff circuits are challenging to model using previous frameworks. In this work, we propose a new approach using Crossformer, which is a current state-of-the-art Transformer model for time-series prediction tasks, combined with Kolmogorov-Arnold Networks (KANs), to model stiff circuit transient behavior. By leveraging the Crossformer's temporal representation capabilities and the enhanced feature extraction of KANs, our method achieves improved fidelity in predicting circuit responses to a wide range of input conditions. Experimental evaluations on datasets generated through SPICE simulations of analog-to-digital converter (ADC) circuits demonstrate the effectiveness of our approach, with significant reductions in training time and error rates.
• Abstract（参考訳）: 高精度で効率的な回路挙動モデリングは、現代の電子設計自動化の基盤となっている。 様々な種類の回路の中で、堅い回路は以前のフレームワークを使ってモデル化することが困難である。 そこで本研究では,Crossformerという,時系列予測タスクの最先端トランスフォーマーモデルと,KAN(Kolmogorov-Arnold Networks)を組み合わせた回路過渡挙動のモデル化手法を提案する。 クロスフォーマーの時間的表現能力と機能抽出の強化を利用して,幅広い入力条件に対する回路応答の予測精度の向上を実現する。 アナログ・デジタルコンバータ(ADC)回路のSPICEシミュレーションにより生成したデータセットの実験的評価は、トレーニング時間とエラー率を大幅に削減し、我々のアプローチの有効性を実証する。

関連論文リスト

• 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)
• CktGen: Specification-Conditioned Analog Circuit Generation [28.780603785886242]
  本稿では,特定の仕様に基づいてアナログ回路を直接生成するタスクを提案する。 具体的には、単純だが効果的な変分オートエンコーダ(VAE)モデルであるCktGenを提案する。 オープンサーキットベンチマーク(OCB)の総合的な実験を行い、モデル間の整合性を評価するための新しい評価指標を導入する。
  論文  参考訳（メタデータ） (2024-10-01T18:35:44Z)
• Non-intrusive data-driven model order reduction for circuits based on Hammerstein architectures [0.8192907805418581]
  我々は非線形CMOS微分増幅器のための擬似ハマースタインモデルを開発した。 我々は直流(DC)と過渡スパイス(Xyce)回路シミュレーションデータの組み合わせでこのモデルを訓練する。 シミュレーションの結果,ハマースタインモデルがディファレンシャルアンプ回路の効果的なサロゲートであることが示唆された。
  論文  参考訳（メタデータ） (2024-05-30T15:47:48Z)
• CktGNN: Circuit Graph Neural Network for Electronic Design Automation [67.29634073660239]
  本稿では,回路トポロジ生成とデバイスサイズを同時に行う回路グラフニューラルネットワーク(CktGNN)を提案する。 オープンサーキットベンチマーク(OCB: Open Circuit Benchmark)は、オープンソースのデータセットで、10ドル(約10万円)の異なるオペレーショナルアンプを含む。 我々の研究は、アナログ回路のための学習ベースのオープンソース設計自動化への道を開いた。
  論文  参考訳（メタデータ） (2023-08-31T02:20:25Z)
• Predicting Ordinary Differential Equations with Transformers [65.07437364102931]
  単一溶液軌道の不規則サンプリングおよび雑音観測から,スカラー常微分方程式(ODE)を記号形式で復元するトランスフォーマーに基づくシーケンス・ツー・シーケンス・モデルを開発した。 提案手法は, 1回に一度, ODE の大規模な事前訓練を行った後, モデルのいくつかの前方通過において, 新たな観測解の法則を推測することができる。
  論文  参考訳（メタデータ） (2023-07-24T08:46:12Z)
• Adaptive Planning Search Algorithm for Analog Circuit Verification [53.97809573610992]
  シミュレーションの少ない機械学習(ML)アプローチを提案する。 提案手法により,OCCを全回路の仕様に近づけることができることを示す。
  論文  参考訳（メタデータ） (2023-06-23T12:57:46Z)
• Towards Long-Term Time-Series Forecasting: Feature, Pattern, and Distribution [57.71199089609161]
  長期的時系列予測(LTTF)は、風力発電計画など、多くのアプリケーションで需要が高まっている。 トランスフォーマーモデルは、高い計算自己認識機構のため、高い予測能力を提供するために採用されている。 LTTFの既存の手法を3つの面で区別する,Conformer という,効率的なTransformer ベースモデルを提案する。
  論文  参考訳（メタデータ） (2023-01-05T13:59:29Z)
• Pretraining Graph Neural Networks for few-shot Analog Circuit Modeling and Design [68.1682448368636]
  本稿では、新しい未知のトポロジや未知の予測タスクに適応可能な回路表現を学習するための教師付き事前学習手法を提案する。 異なる回路の変動位相構造に対処するため、各回路をグラフとして記述し、グラフニューラルネットワーク(GNN)を用いてノード埋め込みを学習する。 出力ノード電圧の予測における事前学習GNNは、新しい未知のトポロジや新しい回路レベル特性の予測に適応可能な学習表現を促進することができることを示す。
  論文  参考訳（メタデータ） (2022-03-29T21:18:47Z)
• Input-to-State Stable Neural Ordinary Differential Equations with Applications to Transient Modeling of Circuits [11.636872461683742]
  本稿では,入力から状態への安定な連続時間リカレントニューラルネットワークによってパラメータ化されたニューラル常微分方程式のクラスを提案する。 提案手法を用いて電子回路の動作モデルを安価にシミュレーションする。
  論文  参考訳（メタデータ） (2022-02-14T01:51:05Z)

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。