論文の概要: SPECS: Speciated Evolutionary Circuit Synthesis

• arxiv url: http://arxiv.org/abs/2607.14027v1
• Date: Wed, 15 Jul 2026 16:57:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 16:39:12.836763
• Title: SPECS: Speciated Evolutionary Circuit Synthesis
• Title（参考訳）: SPECS: 特定進化回路合成
• Authors: Yağız Gençer, Stefan Uhlich, Andrea Bonetti, Arun Venkitaraman, Chia-Yu Hsieh, Lorenzo Servadei,
• Abstract要約: SPECSは、関節トポロジーとサイズ最適化を備えたアナログ回路の自動合成のための遺伝的アルゴリズムである。 SPECSは、元々ニューラルネットワークを合成するために開発された進化的アルゴリズムであるNeuroEvolution of Augmenting Topologies (NEAT)にインスパイアされている。 提案手法は,立方体,立方体,立方体根,立方体根関数からなる一連の計算回路合成タスクについて評価する。
• 参考スコア（独自算出の注目度）: 6.4940263977324415
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose SPECS, a genetic algorithm for automated analog circuit synthesis with joint topology and sizing optimization. SPECS is inspired by NeuroEvolution of Augmenting Topologies (NEAT), an evolutionary algorithm originally developed to synthesize neural networks. By reformulating the genome representation and adapting the genetic operators to the analog circuit domain, we successfully transfer the core principles of NEAT to analog circuit synthesis. Circuit-specific wiring constraints are incorporated to ensure valid and physically meaningful designs throughout the evolutionary process, and speciation is used to preserve innovation while maintaining population diversity. We evaluate the proposed method on a set of computational circuit synthesis tasks consisting of square, cube, square root, and cube root functions. Experimental results demonstrate that SPECS outperforms benchmark methods across all tasks in both solution quality and reliability. The synthesized circuits and their schematics are available in the supplementary repository.
• Abstract（参考訳）: 結合トポロジとサイズ最適化を用いたアナログ回路の自動合成のための遺伝的アルゴリズムSPECSを提案する。 SPECSは、元々ニューラルネットワークを合成するために開発された進化的アルゴリズムであるNeuroEvolution of Augmenting Topologies (NEAT)にインスパイアされている。 遺伝子表現を変換し、遺伝子操作者をアナログ回路領域に適応させることで、NEATの核となる原理をアナログ回路合成に伝達することに成功した。 回路固有の配線制約は、進化過程を通して有効かつ物理的に意味のある設計を保証するために組み込まれ、個体数の多様性を維持しながらイノベーションを維持するために種分化が用いられる。 提案手法は,立方体,立方体,立方体根,立方体根関数からなる一連の計算回路合成タスクについて評価する。 実験の結果,SPECSは,ソリューションの品質と信頼性の両方において,すべてのタスクのベンチマーク手法よりも優れていた。 合成回路とその設計図は補足リポジトリで入手できる。

関連論文リスト

• AI Methods for Permutation Circuit Synthesis Across Generic Topologies [1.0499611180329804]
  提案手法では, 最大25キュービットまでの置換回路のほぼ最適合成を実現するために, 強化学習(RL)技術を用いる。 一般化矩形格子上に基礎モデルをトレーニングし、合成中にトポロジの部分集合を動的に選択するためにマスキング機構を用いる。 これにより、モデルを再訓練することなく、長方形格子内に埋め込まれる任意の位相上の置換回路の合成が可能になる。
  論文  参考訳（メタデータ） (2025-09-19T14:28:22Z)
• CycleIK: Neuro-inspired Inverse Kinematics [12.29529468290859]
  CycleIKは、逆運動学(Inverse Kiinematics, IK)タスクのための2つの新しい神経誘発手法をラップする神経ロボティックアプローチである。 我々は、これらをハイブリッド神経遺伝IKパイプラインに組み込むことによって、さらなる最適化を実現する方法を示す。
  論文  参考訳（メタデータ） (2023-07-21T13:03:27Z)
• Permutation Equivariant Neural Functionals [92.0667671999604]
  この研究は、他のニューラルネットワークの重みや勾配を処理できるニューラルネットワークの設計を研究する。 隠れた層状ニューロンには固有の順序がないため, 深いフィードフォワードネットワークの重みに生じる置換対称性に着目する。 実験の結果, 置換同変ニューラル関数は多種多様なタスクに対して有効であることがわかった。
  論文  参考訳（メタデータ） (2023-02-27T18:52:38Z)
• The Predictive Forward-Forward Algorithm [79.07468367923619]
  本稿では,ニューラルネットワークにおける信頼割当を行うための予測フォワード(PFF)アルゴリズムを提案する。 我々は,有向生成回路と表現回路を同時に同時に学習する,新しい動的リカレントニューラルネットワークを設計する。 PFFは効率よく学習し、学習信号を伝達し、フォワードパスのみでシナプスを更新する。
  論文  参考訳（メタデータ） (2023-01-04T05:34:48Z)
• Toward Neural-Network-Guided Program Synthesis and Verification [26.706421573322952]
  ニューラルネットワーク誘導合成という,プログラムと不変合成の新しい枠組みを提案する。 まず、ニューラルネットワークの設計とトレーニングによって、訓練されたニューラルネットワークの重みとバイアスから整数上の論理式を抽出できることを示します。 この考え方に基づき、正負の例と含意制約から公式を合成するツールを実装した。
  論文  参考訳（メタデータ） (2021-03-17T03:09:05Z)
• Complexity-based speciation and genotype representation for neuroevolution [81.21462458089142]
  本稿では、進化するネットワークを隠されたニューロンの数に基づいて種に分類する神経進化の種分化原理を提案する。 提案された種分化原理は、種および生態系全体における多様性の促進と保存を目的として設計されたいくつかの技術で採用されている。
  論文  参考訳（メタデータ） (2020-10-11T06:26:56Z)
• Ultra-Low-Power FDSOI Neural Circuits for Extreme-Edge Neuromorphic Intelligence [2.6199663901387997]
  インメモリコンピューティング 混合信号ニューロモルフィックアーキテクチャはエッジコンピューティングのセンサ処理への応用に期待できる超低消費電力のソリューションを提供する。 本稿では、FDSOI(Fully-Depleted Silicon on Insulator)統合プロセスの特徴を利用する混合信号アナログ/デジタル回路を提案する。
  論文  参考訳（メタデータ） (2020-06-25T09:31:29Z)
• CounterExample Guided Neural Synthesis [12.742347465894586]
  プログラム合成は困難であり、形式的な保証を提供する方法はスケーラビリティの問題に悩まされる。 ニューラルネットワークとフォーマルな推論を組み合わせることで、論理的な仕様をニューラルネットワークを正しい解へと導く一連の例に変換する。 この結果から,形式的推論に基づくガイダンスにより,ニューラルネットワークの性能が大幅に向上することが示唆された。
  論文  参考訳（メタデータ） (2020-01-25T01:11:53Z)

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。