強化学習を用いた素子値探索による演算増幅器の性能向上

カテゴリ: 研究会(論文単位)

論文No: ECT19030

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): Improvement of Op-amp performance by element value search using reinforcement learning

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

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

キーワード: 強化学習|自動設計|アナログ回路|Reinforcement learning|Automatic design|Analog circuit

要約(日本語): 　本論文では、強化学習により演算増幅器の性能向上とコンピュータ自身が回路設計のノウハウを学習する手法を提案する。　提案手法では、特定の回路トポロジーの各MOSの素子パラメータを変化させ、その過程で強化学習を適用して素子パラメータの変化を学習させる。それにより、所望特性に近い素子パラメータへ変化させていく。　これにより、対象の回路構成において所望特性を実現するMOSサイズ・抵抗値・容量値の組み合わせの発見に成功した。

要約(英語): In this paper, we propose a method to improve the performance of the Op-amp by reinforcement learning and learn the know - how of the circuit design the computer itself.In the proposed method, element parameters of each MOS in a specific circuit topology are changed, and reinforcement learning is applied in the process to learn changes in element parameters. Thereby, the element parameters are changed to those close to desired characteristics.As a result, we succeeded in finding a combination of MOS size, resistance value, and capacitance value that realizes desired characteristics in the target circuit configuration.

原稿種別: 日本語

PDFファイルサイズ: 940 Kバイト