アナログ回路の素子値決定におけるモデルベース型強化学習の検討

カテゴリ: 研究会(論文単位)

論文No: ECT23016

グループ名: 【C】電子・情報・システム部門 電子回路研究会

発行日: 2023/03/20

タイトル(英語): A Study of Model-Based Reinforcement Learning in Analog Circuit Element Value Determination

著者名: 山本 和弥(京都工芸繊維大学),高井 伸和(京都工芸繊維大学)

著者名(英語): Kazuya Yamamoto(Kyoto Institute of Technology),Nobukazu Takai(Kyoto Institute of Technology)

キーワード: アナログ回路|素子値決定|強化学習|自動設計|機械学習|analog circuit|Transistor Sizing|Reinforcement Learning|Design Automation|Machine Learning

要約(日本語): 近年電子機器は小型かつ高性能になり、開発難易度も大きく向上したため、コンピューターによる自動設計が着目されているが、EDAが発達したデジタル回路と比べてアナログ電子回路の設計は利得や消費電力などのトレードオフにより未だ自動化手法の確立は難航している。_x000D_ ここではモデルベース型の強化学習手法を提案し、従来のモデルフリー強化学習による素子値決定手法と比較しながらその性能ついて評価する。

要約(英語): Electronic devices have become smaller and more powerful, and the development has been also difficult, so automated computer-aided design has been attracting attention. However, compared to digital circuits, which EDA has been developed, the establishment of automated methods for analog electronic circuit design is still difficult due to trade-offs in terms of factors._x000D_ We propose a model-based reinforcement learning method and evaluate its performance by comparing it with the method of value determination by model-free reinforcement learning.

本誌: 2023年3月23日-2023年3月24日電子回路研究会

本誌掲載ページ: 5-10 p

原稿種別: 日本語

PDFファイルサイズ: 1,289 Kバイト