論文の概要: Surrogate-Assisted Framework for SI-Compliant Interconnect Design Optimization Using the Earth Mover's Distance

• arxiv url: http://arxiv.org/abs/2606.15234v1
• Date: Sat, 13 Jun 2026 10:20:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:33.14253
• Title: Surrogate-Assisted Framework for SI-Compliant Interconnect Design Optimization Using the Earth Mover's Distance
• Title（参考訳）: Earth Mover 距離を用いたSI互換インターコネクション設計のためのサロゲート支援フレームワーク
• Authors: Emre Ecik, Werner John, Julian Withöft, Ralf Brüning, Jürgen Götze,
• Abstract要約: 本研究は、Earth Mover's Distance (EMD)に基づくSI準拠PCB設計のための機械支援フレームワークを提案する。 ブラックボックス探索を反復的に行う従来のサロゲートに基づく最適化手法とは対照的に,提案手法は解釈可能な逐次評価戦略に従う。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This work presents a deterministic, machine-assisted framework for SI-compliant PCB design based on the Earth Mover's Distance (EMD). In contrast to conventional surrogate-based optimization methods that rely on iterative black-box search procedures, the proposed approach follows an interpretable, sequential evaluation strategy. Neural surrogate models are first used to efficiently predict waveform describing features from topology-dependent design parameters. A decision tree then acts as a physically motivated quality gate that identifies SI-compliant waveforms according to predefined SI criteria. Within the resulting valid solution space, the Earth Mover's Distance is employed as a similarity metric to rank candidate designs according to their proximity to an ideal reference signal. This enables not only the deterministic identification of admissible parameter regions but also a transparent prioritization of physically superior solutions without inverse modeling or stochastic search procedures. The methodology is demonstrated using a large-scale set of simulated DDR3 fly-by waveforms. By combining surrogate prediction, interpretable classification, and EMD-based waveform evaluation, the framework provides an explainable and computationally efficient alternative to conventional optimization strategies for supporting PCB development with AI-based methods.
• Abstract（参考訳）: 本研究は,Earth Mover's Distance (EMD)に基づくSI準拠PCB設計のための決定論的機械支援フレームワークを提案する。 ブラックボックス探索を反復的に行う従来のサロゲートに基づく最適化手法とは対照的に,提案手法は解釈可能な逐次評価戦略に従う。 ニューラルサロゲートモデルは、トポロジに依存した設計パラメータから特徴を記述する波形を効率的に予測するために最初に使用される。 決定木は、事前定義されたSI基準に従ってSI準拠の波形を識別する物理的動機付けされた品質ゲートとして機能する。 得られた有効な解空間内では、アースモーバー距離は、理想的な基準信号に近接して候補設計をランク付けする類似度指標として用いられる。 これにより、許容パラメータ領域の決定論的同定だけでなく、逆モデリングや確率的探索手順を使わずに、物理的に優れた解の透過的な優先順位付けが可能になる。 この手法は、シミュレーションされたDDR3フライバイ波形の大規模な集合を用いて実証される。 このフレームワークは、サロゲート予測、解釈可能な分類、EMDベースの波形評価を組み合わせることで、AIベースの手法でPCB開発を支援するための従来の最適化戦略に代わる説明可能で効率的な代替手段を提供する。

関連論文リスト

• High-dimensional reliability-based design optimization using stochastic emulators [0.0]
  本稿では,シミュレータ視点に基づく新しいRBDOフレームワークを提案する。 この定式化の下で、所定の設計に条件付けされたシステム応答は、その出力分布を直接モデル化する。 提案手法は,特に高次元設定において,かなりの計算ゲインが得られる。
  論文  参考訳（メタデータ） (2026-04-07T12:01:50Z)
• Generative Inverse Design: From Single Point Optimization to a Diverse Design Portfolio via Conditional Variational Autoencoders [0.0]
  逆設計は、目標出力に対して最適なパラメータを求める。 本稿では,単一点最適化から生成的逆設計へのパラダイムシフトを提案する。
  論文  参考訳（メタデータ） (2025-10-03T16:28:19Z)
• Representation-Aware Distributionally Robust Optimization: A Knowledge Transfer Framework [6.529107536201152]
  本稿では,分散シフトに対処する際の予測表現を考慮に入れた,分散的ロバスト学習のための新しいフレームワークを提案する。 我々は,READが輸送コストに多次元アライメントパラメータを埋め込むことで,情報表現に関連する方向に沿った摂動を差分的に回避できることを示した。 我々は、広範囲なシミュレーションと実世界の研究を通して、我々のフレームワークの有効性を実証することで結論付ける。
  論文  参考訳（メタデータ） (2025-09-11T11:42:17Z)
• A surrogate model for topology optimisation of elastic structures via parametric autoencoders [0.0]
  状態(および随伴)問題のパラメトリック解を学ぶ代わりに、提案手法は最適化パイプライン全体のサロゲートバージョンを考案する。 本手法は, 均質化法により最適化された高忠実度トポロジの代理モデルとして, 与えられた問題構成に対する準最適トポロジを予測する。 異なるアーキテクチャを提案し、得られたモデルの近似と一般化能力を数値的に評価する。
  論文  参考訳（メタデータ） (2025-07-30T10:07:42Z)
• ROPO: Robust Preference Optimization for Large Language Models [59.10763211091664]
  外部モデルの助けを借りずにノイズ耐性とノイズサンプルのフィルタリングを統合する反復アライメント手法を提案する。 Mistral-7BとLlama-2-7Bで広く使われている3つのデータセットの実験では、ROPOが既存の嗜好アライメント法を大幅に上回っていることが示されている。
  論文  参考訳（メタデータ） (2024-04-05T13:58:51Z)
• Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
  我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。 EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。 得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
  論文  参考訳（メタデータ） (2023-12-10T15:22:30Z)
• Exploiting Temporal Structures of Cyclostationary Signals for Data-Driven Single-Channel Source Separation [98.95383921866096]
  単一チャネルソース分離(SCSS)の問題点について検討する。 我々は、様々なアプリケーション領域に特に適するサイクロ定常信号に焦点を当てる。 本稿では,最小MSE推定器と競合するU-Netアーキテクチャを用いたディープラーニング手法を提案する。
  論文  参考訳（メタデータ） (2022-08-22T14:04:56Z)
• LoRD-Net: Unfolded Deep Detection Network with Low-Resolution Receivers [104.01415343139901]
  本稿では,1ビット計測から情報シンボルを復元する「LoRD-Net」というディープ検出器を提案する。 LoRD-Netは、関心のシグナルを回復するためのタスクベースのアーキテクチャである。 無線通信における1ビット信号回復のためのレシーバアーキテクチャの評価を行った。
  論文  参考訳（メタデータ） (2021-02-05T04:26:05Z)
• An AI-Assisted Design Method for Topology Optimization Without Pre-Optimized Training Data [68.8204255655161]
  トポロジ最適化に基づくAI支援設計手法を提示し、最適化された設計を直接的に得ることができる。 設計は、境界条件と入力データとしての充填度に基づいて、人工ニューラルネットワーク、予測器によって提供される。
  論文  参考訳（メタデータ） (2020-12-11T14:33:27Z)

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。