論文の概要: Application of curiosity driven exploration methods for hardware interference identification
- arxiv url: http://arxiv.org/abs/2609.08729v1
- Date: Tue, 08 Sep 2026 13:26:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.669282
- Title: Application of curiosity driven exploration methods for hardware interference identification
- Title（参考訳）: 好奇心駆動探索法のハードウェア干渉同定への応用
- Abstract要約: コア間干渉は、安全クリティカルな組み込みシステムの実行時間に影響を与える可能性がある。
本稿では,複雑なシステム行動空間の探索としてマルチコア干渉解析を行う。
本稿では,人工知能による好奇心駆動探索アルゴリズムを用いて,干渉行動の空間を体系的かつ効率的にカバーすることを提案する。
- 参考スコア（独自算出の注目度）: 10.954099800462542
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The transition from single-core to multi-core architectures in safety-critical embedded systems introduces significant challenges due to inter-core interference caused by contention for shared hardware resources. Such interference affects execution times and complicates the verification of strict temporal requirements, particularly in domains such as avionics where standards require comprehensive identification of interference sources. Existing interference analysis approaches, whether manual or model-based, struggle to capture the full range of behaviors arising from the complex interactions among micro-architectural components. In this paper, we frame multi-core interference analysis as the exploration of a complex system behavior space. We propose the use of curiosity-driven exploration algorithms from artificial intelligence to systematically and efficiently cover the space of possible interference behaviors. Using a simulator-based environment, we show that the proposed approach achieves broader and more uniform behavioral coverage within a limited experimental budget compared to traditional pseudo-random program generation methods.
- Abstract（参考訳）: 安全クリティカルな組み込みシステムにおけるシングルコアアーキテクチャからマルチコアアーキテクチャへの移行は、共有ハードウェアリソースの競合によるコア間干渉による重大な問題を引き起こす。
このような干渉は実行時間に影響し、特に標準が干渉源の包括的識別を必要とするアビオニクスのような領域において、厳密な時間的要求の検証を複雑にする。
既存の干渉分析アプローチは、手動でもモデルベースでも、マイクロアーキテクチャーコンポーネント間の複雑な相互作用から生じる行動の全範囲を捉えるのに苦労する。
本稿では,複雑なシステム行動空間の探索としてマルチコア干渉解析を行う。
本稿では,人工知能による好奇心駆動探索アルゴリズムを用いて,干渉行動の空間を体系的かつ効率的にカバーすることを提案する。
シミュレータベースの環境を用いて,提案手法は従来の擬似ランダムプログラム生成手法と比較して,限られた実験予算の範囲内で,より広範かつ均一な行動カバレッジを実現することを示す。
関連論文リスト
- Unleashing Multimodal Large Language Models for Training-free HOI Detection in the Wild [49.77540427384148]
本稿では,基礎モデルの汎用的マルチモーダル推論能力を野生でのHOI検出に伝達する,訓練不要なエージェント型フレームワークであるAgenHoIを提案する。
不完全な相互作用発見と複雑な場面におけるあいまいな局所化の課題に対処するために,2つの重要なメカニズムを導入する。
AgentHOIは、リアルタイム設定において、最先端の教師付きおよび弱教師付きメソッドよりも優れたパフォーマンスを実現する。
論文 参考訳（メタデータ） (2026-07-15T14:30:20Z) - Interferences within a certifiable design methodology for high-performance multi-core platforms [0.030549166519595692]
異なる抽象化レベルで運用するいくつかのツールをまとめる方法論を提案する。
提案手法の目的は,メモリ干渉を低減し,システムの予測可能性を向上させることにより,安全クリティカル領域におけるマルチコアシステムの認証プロセスを緩和することである。
論文 参考訳（メタデータ） (2026-02-11T10:59:37Z) - PhyG-MoE: A Physics-Guided Mixture-of-Experts Framework for Energy-Efficient GNSS Interference Recognition [49.955269674859004]
本稿では,PhyG-MoE(Physics-Guided Mixture-of-Experts)について述べる。
静的アーキテクチャとは異なり、提案システムはスペクトル特性の絡み合いに基づいて信号をルーティングするスペクトルベースのゲーティング機構を用いる。
高容量のTransNeXtエキスパートがオンデマンドでアクティベートされ、飽和シナリオで複雑な機能を分離する一方、軽量のエキスパートは基本的なシグナルを処理してレイテンシを最小化する。
論文 参考訳（メタデータ） (2026-01-19T07:57:52Z) - Latent Space Reinforcement Learning for Multi-Robot Exploration [0.0]
未知環境の自動マッピングシステムを開発した。
必須空間情報を保存しつつ,高忠実度占有率マップを潜在状態ベクトルに圧縮する。
共有データへの依存を変調する重み付きコンセンサス機構を導入する。
論文 参考訳（メタデータ） (2026-01-03T10:06:40Z) - A Systems-Theoretic View on the Convergence of Algorithms under Disturbances [17.08627888409747]
この記事では、独立して動作するアルゴリズムの既知の収束保証を拡張する。
障害の影響を定量化する重要な不等式を導出する。
アルゴリズムの性能に及ぼす外乱の影響を評価するために,我々の結果をどのように活用できるかを示す。
論文 参考訳（メタデータ） (2025-12-19T14:05:20Z) - FusAD: Time-Frequency Fusion with Adaptive Denoising for General Time Series Analysis [92.23551599659186]
時系列分析は、金融、医療、産業、気象学などの分野において重要な役割を果たす。
FusADは多様な時系列タスク用に設計された統合分析フレームワークである。
論文 参考訳（メタデータ） (2025-12-16T04:34:27Z) - Enhancing Functional Safety in Automotive AMS Circuits through Unsupervised Machine Learning [9.100418852199082]
AMS回路における早期異常検出のための教師なし機械学習に基づく新しいフレームワークを提案する。
提案手法では、様々な回路位置や個々のコンポーネントに異常を注入して、多種多様な総合的な異常データセットを作成する。
これらの異常条件下でのシステムの挙動をモニタリングすることにより、異常の伝播とその影響を異なる抽象レベルで捉える。
論文 参考訳（メタデータ） (2024-04-02T04:33:03Z) - Measuring and Mitigating Interference in Reinforcement Learning [30.38857177546063]
破滅的な干渉は、多くのネットワークベースの学習システムで一般的である。
価値に基づく強化学習のための干渉の定義と新しい尺度を提供する。
論文 参考訳（メタデータ） (2023-07-10T20:20:20Z) - Interactive System-wise Anomaly Detection [66.3766756452743]
異常検出は様々なアプリケーションにおいて基本的な役割を果たす。
既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。
システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
論文 参考訳（メタデータ） (2023-04-21T02:20:24Z) - Safe Multi-agent Learning via Trapping Regions [89.24858306636816]
我々は、動的システムの定性理論から知られているトラップ領域の概念を適用し、分散学習のための共同戦略空間に安全セットを作成する。
本稿では,既知の学習力学を持つシステムにおいて,候補がトラップ領域を形成することを検証するための二分分割アルゴリズムと,学習力学が未知のシナリオに対するサンプリングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-02-27T14:47:52Z) - Towards AIOps in Edge Computing Environments [60.27785717687999]
本稿では,異種分散環境に適用可能なaiopsプラットフォームのシステム設計について述べる。
高頻度でメトリクスを収集し、エッジデバイス上で特定の異常検出アルゴリズムを直接実行することが可能である。
論文 参考訳（メタデータ） (2021-02-12T09:33:00Z)
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。