論文の概要: ARCS: Autoregressive Circuit Synthesis with Topology-Aware Graph Attention and Spec Conditioning

• arxiv url: http://arxiv.org/abs/2603.29068v1
• Date: Mon, 30 Mar 2026 23:14:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:02.941984
• Title: ARCS: Autoregressive Circuit Synthesis with Topology-Aware Graph Attention and Spec Conditioning
• Title（参考訳）: ARCS: トポロジ対応グラフアテンションとスペックコンディショニングによる自己回帰回路合成
• Abstract要約: ARCSは、検索ベースの手法で必要とされる分ではなく、完全なSPICEシミュラブルな設計をミリ秒で生成する。 ベストオブ3候補選択を備えたトポロジ対応グラフ変換器は,97msで85%のシミュレーション精度を達成し,ランダム検索の600倍以上の高速化を実現した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: I present ARCS, a system for amortized analog circuit generation that produces complete, SPICE-simulatable designs (topology and component values) in milliseconds rather than the minutes required by search-based methods. A hybrid pipeline combining two learned generators (a graph VAE and a flow-matching model) with SPICE-based ranking achieves 99.9% simulation validity (reward 6.43/8.0) across 32 topologies using only 8 SPICE evaluations, 40x fewer than genetic algorithms. For single-model inference, a topology-aware Graph Transformer with Best-of-3 candidate selection reaches 85% simulation validity in 97ms, over 600x faster than random search. The key technical contribution is Group Relative Policy Optimization (GRPO): I identify a critical failure mode of REINFORCE (cross-topology reward distribution mismatch) and resolve it with per-topology advantage normalization, improving simulation validity by +9.6pp over REINFORCE in only 500 RL steps (10x fewer). Grammar-constrained decoding additionally guarantees 100% structural validity by construction via topology-aware token masking. ARCS does not yet match the per-design quality of search-based optimization (5.48 vs. 7.48 reward), but its >1000x speed advantage enables rapid prototyping, design-space exploration, and warm-starting search methods (recovering 96.6% of GA quality with 49% fewer simulations).
• Abstract（参考訳）: 本稿では, 完全かつSPICEシミュレート可能な設計(トポロジとコンポーネント値)を, サーチベース法で要求される分ではなくミリ秒単位で生成するアモータイズされたアナログ回路生成システムARCSを提案する。 2つの学習されたジェネレータ(グラフVAEとフローマッチングモデル)とSPICEベースのランキングを組み合わせたハイブリッドパイプラインは、遺伝的アルゴリズムの40倍少ない8つのSPICE評価のみを使用して、32のトポロジーに対して99.9%のシミュレーション妥当性(逆6.43/8.0)を達成する。 単モデル推論では、ベストオブ3候補選択を備えたトポロジ対応グラフ変換器が97msで85%のシミュレーション精度に達し、ランダム検索より600倍以上高速である。 主な技術的貢献は、グループ相対政策最適化(GRPO): 私は、REINFORCE(クロストポロジー報酬分布ミスマッチ)の重要な障害モードを特定し、トポロジーごとの優位な正規化で解決し、たった500RLステップ(10倍)でREINFORCEのシミュレーションの有効性を+9.6pp向上させる。 文法制約付き復号法は、トポロジーを意識したトークンマスキングによる構築によって、100%の構造的妥当性を保証している。 ARCSは、検索ベースの最適化(5.48対7.48の報酬)の1設計品質とはまだ一致していないが、1000倍の速度の利点は、高速なプロトタイピング、設計空間探索、ウォームスタート検索(GA品質の96.6%を再現し、49%のシミュレーションを減らした)を可能にする。

関連論文リスト

• MxGPS: Multiplex Graph Transformers for a Power Grid Foundation Model [0.7951418336539415]
  電力グリッド問題に対するグラフニューラルネットワーク(GNN)の単一タスクの微調整は、系統的な障害モードを示す。 我々は、このトポロジオーバーフィッティングを、基礎となる物理学よりも訓練トポロジに特有の関係構造を符号化するタスク固有の勾配信号の傾向と呼ぶ。 我々は、共有ノードエンコーダ上でKタスク特化GPSブランチを実行する多重グラフ変換器であるMxGPS(Multiplex GPS)を紹介する。
  論文  参考訳（メタデータ） (2026-07-15T12:22:36Z)
• EXPLORE: Exploration with Guided Search for Analog Topology Generation using Language Models [20.30914242698969]
  EXPLOREは、シミュレータ誘導モンテカルロ木探索(MCTS)とトランスフォーマーベースのデコードを統合し、アナログトポロジー生成のテスト時間スケーリングを可能にするフレームワークである。 EXPLOREは、0.01の厳密な許容範囲での6成分ベンチマークで、1ショット生成で12%、サンプリングとフィルタのベースラインで33%、同じ検索予算でサンプリングとフィルタでMSEを20%以上引き上げた。
  論文  参考訳（メタデータ） (2026-07-15T03:35:14Z)
• Systematic Evaluation of Learning Rate Scheduling Strategies Across Heterogeneous Architectures [48.83701310501069]
  多様なアーキテクチャのプールにおけるスケジューラの分類精度への影響について検討する。 我々は9つのPyTorchファミリーに25のスケジューラ構成を適用し、CIFAR-10で合計3,938のモデル変種を評価した。 CosineAnnealingWarmRestarts と CyclicLR は、基本的な崩壊戦略を一貫して上回ります。
  論文  参考訳（メタデータ） (2026-07-09T14:06:39Z)
• Constrained Decoding for Diffusion Language Models via Efficient Inference over Finite Automata [57.27430779838529]
  有限オートマトンとして表現可能な任意の制約の下で,制約付き平均場後部からサンプリングする,正確かつトラクタブルなアルゴリズムを提案する。 このアプローチは、構築による制約満足度を保証し、欲求とサンプリングベースのデコーディングの両方をサポートし、並列およびブロックワイドデコーディングと互換性がある。 Dream-7B と LLaDA-8 の実証的な評価は、様々なタスクにおいてかなりの精度の向上を示した。
  論文  参考訳（メタデータ） (2026-07-08T05:48:57Z)
• Multimodal Molecular Representation Learning with Graph Neural Networks, Deep & Cross Networks, and SMILES Embeddings [2.9593641578445258]
  3次元空間幾何学(SchNet)、離散トポロジカル文法(SMILES via ChemBERTa)、明示的なマクロ的物理化学的記述子(Deep & Cross Network)の3つのモードを合成するパラメータ効率のよいTri-Branch Modular Fusion Networkを導入する。 100万未満のパラメータで操作すると、このアーキテクチャは決定的に準化学的精度の閾値を超え、厳密に制御された幾何学的基準に対して20.6%の削減をもたらす。
  論文  参考訳（メタデータ） (2026-07-07T01:47:44Z)
• Towards Robust Training in NNGPT AutoML Pipeline: A Loss-Optimizer Pairing Selection Study [48.83701310501069]
  本稿では, 一つのレシピがヘテロジニアスなアーキテクチャプールに十分であるか, 最適ペアリングが構造的に多様なモデルによって異なるかを検討する。 我々は,CEL(Cross-Entropy),NLL(Negative Log-Likelihood),および最近導入された遺伝学的に進化したNGL損失を,LEMURヘテロジニアス・アーキテクチャー・プールの6つの画像分類データセット上に提示したベースモデル間で比較検討した。 我々の結果は、単一のペアリングが普遍的に最適でないことを確認した。AdamやAdamWとのクロスエントロピーは、最も堅牢な選択である。
  論文  参考訳（メタデータ） (2026-06-18T20:51:42Z)
• Family-Aware Residual Architecture for Predicting Quantum Circuit Simulation Performance [4.194426163381861]
  本稿では,量子回路シミュレーションにおいて,目標の忠実度を達成するために必要な最小近似しきい値とウォールクロック実行時間の両方を予測できる家族認識型ニューラルネットワークを提案する。 我々のシステムは、79.5%の正確なしきい値精度(1ラング内で91.2%)と$R2 = 0.82$ランタイム相関を達成し、推論は約50msで完了する。
  論文  参考訳（メタデータ） (2026-06-10T03:31:37Z)
• Greedy Is a Strong Default: Agents as Iterative Optimizers [0.22843885788439797]
  ランダムな提案生成装置をLCMエージェントに置き換え、評価診断を理由として情報付き候補を提案する。 離散的,混合的,連続的な検索空間にまたがる4つのタスクを評価する。
  論文  参考訳（メタデータ） (2026-03-28T21:26:40Z)
• Reasoning Topology Matters: Network-of-Thought for Complex Reasoning Tasks [5.523132953818281]
  CoT(Chain-of-Thought)は線形トレースを生成し、ToT(Tree-of-Thought)は分岐探索を実行する。 タイプノードとエッジを持つ有向グラフとして推論をモデル化するフレームワークであるNetwork-of-Thought (NoT)を提案する。
  論文  参考訳（メタデータ） (2026-03-21T09:32:28Z)
• ZeroSim: Zero-Shot Analog Circuit Evaluation with Unified Transformer Embeddings [36.00558662624576]
  ZeroSimは、トレーニングトポロジ間で堅牢な分散内一般化を実現するために設計された、トランスフォーマーベースのパフォーマンスモデリングフレームワークである。 我々はZeroSimが,多層パーセプトロン,グラフニューラルネットワーク,トランスフォーマーなどのベースラインモデルよりも大幅に優れていることを示す。 強化学習に基づくパラメータ最適化パイプラインに統合されると、ZeroSimは従来のSPICEシミュレーションと比較して、顕著なスピードアップ(13倍)を達成する。
  論文  参考訳（メタデータ） (2025-11-10T22:08:30Z)
• A Comprehensive Forecasting-Based Framework for Time Series Anomaly Detection: Benchmarking on the Numenta Anomaly Benchmark (NAB) [0.0]
  時系列異常検出は、現代のデジタルインフラにとって重要である。 本稿では,従来の手法をディープラーニングアーキテクチャと統合した予測ベースのフレームワークを提案する。 Numenta Anomaly Benchmark の最初の完全評価を行う。
  論文  参考訳（メタデータ） (2025-10-13T08:31:42Z)
• Flow-GRPO: Training Flow Matching Models via Online RL [80.62659379624867]
  本稿では,オンライン政策強化学習をフローマッチングモデルに統合する最初の方法であるFlow-GRPOを提案する。 提案手法では,(1)決定論的正規微分方程式を同値な微分方程式に変換するODE-to-SDE変換と,(2)推論ステップの数を維持しながらトレーニングの段階を短縮するDenoising Reduction戦略の2つの主要な戦略を用いる。
  論文  参考訳（メタデータ） (2025-05-08T17:58:45Z)
• Optimized Clifford Noise Reduction: Theory, Simulations and Experiments [2.685668802278156]
  本稿では,CliNR部分誤り訂正方式の最適化について述べる。 誤差は、パウリ作用素の列を測定することによって補正される。 提案アルゴリズムは,CliNRの性能を25%向上させる。
  論文  参考訳（メタデータ） (2025-04-17T21:47:38Z)
• Finding Transformer Circuits with Edge Pruning [71.12127707678961]
  自動回路発見の効率的かつスケーラブルなソリューションとしてエッジプルーニングを提案する。 本手法は,従来の手法に比べてエッジ数の半分未満のGPT-2の回路を探索する。 その効率のおかげで、Edge PruningをCodeLlama-13Bにスケールしました。
  論文  参考訳（メタデータ） (2024-06-24T16:40:54Z)
• ZARTS: On Zero-order Optimization for Neural Architecture Search [94.41017048659664]
  微分可能なアーキテクチャサーチ (DARTS) は、NASの高効率性のため、一般的なワンショットパラダイムである。 この作業はゼロオーダーの最適化に変わり、上記の近似を強制せずに探索するための新しいNASスキームであるZARTSを提案する。 特に、12ベンチマークの結果は、DARTSの性能が低下するZARTSの顕著な堅牢性を検証する。
  論文  参考訳（メタデータ） (2021-10-10T09:35:15Z)
• Towards Improving the Consistency, Efficiency, and Flexibility of Differentiable Neural Architecture Search [84.4140192638394]
  最も微分可能なニューラルアーキテクチャ探索法は、探索用のスーパーネットを構築し、そのサブグラフとしてターゲットネットを導出する。 本稿では,エンジンセルとトランジットセルからなるEnTranNASを紹介する。 また,検索処理の高速化を図るため,メモリや計算コストの削減も図っている。
  論文  参考訳（メタデータ） (2021-01-27T12:16:47Z)
• Non-Parametric Adaptive Network Pruning [125.4414216272874]
  アルゴリズム設計を簡略化するノンパラメトリックモデリングを導入。 顔認識コミュニティに触発されて,メッセージパッシングアルゴリズムを用いて,適応的な例示数を求める。 EPrunerは「重要」フィルタを決定する際にトレーニングデータへの依存を壊します。
  論文  参考訳（メタデータ） (2021-01-20T06:18:38Z)
• Communication-Efficient Distributed Stochastic AUC Maximization with Deep Neural Networks [50.42141893913188]
  本稿では,ニューラルネットワークを用いた大規模AUCのための分散変数について検討する。 我々のモデルは通信ラウンドをはるかに少なくし、理論上はまだ多くの通信ラウンドを必要としています。 いくつかのデータセットに対する実験は、我々の理論の有効性を示し、我々の理論を裏付けるものである。
  論文  参考訳（メタデータ） (2020-05-05T18:08:23Z)

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。