Q-learningを用いた自己改良モデルによる演算増幅器の素子決定

カテゴリ: 研究会(論文単位)

論文No: ECT19029

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: 2019/03/08

タイトル(英語): Element determination of Op-amp design by self-improvement model using Q-learning

著者名: 福田 雅史(群馬大学),高井 伸和(群馬大学),猿田 将大(群馬大学)

著者名(英語): Masafumi Fukuda(Gunma University),Nobukazu Takai(Gunma University),Masahiro Saruta(Gunma University)

キーワード: 強化学習|アナログ回路|Ｑ学習|機械学習|Reinforcement learning|Analog circuit|Q-learning|Machine learning

要約(日本語): アナログ回路は設計の自由度が高く、依然として設計者の経験則や知識に基づいて設計されているが、混載LSIのフロントエンドで重要なアナログ回路の需要は高く、設計者の知見に依存しない設計手法の確立は急務である。本論文ではQ学習により、目標仕様を満たす素子値の探索とそこに至るまでの素子値の変更手順を獲得可能な回路設計手法を提案する。マシン自身が効果的な素子の変更手段を学習し、自律的な設計が可能となった。

要約(英語): Based on the theory of Q-learning, element values in a circuit are repeatedly changed so that an initial circuit approaches a desired characteristic, and the process is learned and used. As a result, the machine itself was able to learn efficient circuit design procedure and greatly improve performance.

原稿種別: 日本語

PDFファイルサイズ: 769 Kバイト