Deep-Q-Networkを用いた回路の素子値最適化の際の変化範囲の拡大

カテゴリ: 研究会(論文単位)

論文No: ECT20047

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: 2020/06/04

タイトル(英語): Expansion of change range when optimizing element values of circuits using Deep-Q-Network

著者名: 中島 望夢(群馬大学),髙井 伸和(群馬大学),猿田 将大(群馬大学)

著者名(英語): nozomu nakajima(Gunma University),nobukazu takai(Gunma University),masahiro saruta(Gunma University)

キーワード: 演算増幅器|自動設計|Ｑ学習|Ｄｅｅｐ－Ｑ－Ｎｅｔｗｏｒｋ|Operational amplifier|Automatic design|Q-learning|Deep-Q-Network

要約(日本語): IC業界では、回路の集積化と高性能化が求められています。 そこで、Q学習を用いたアナログ回路の自動設計手法を提案しました。しかしながら、この方法では、探索空間を狭めるために、素子値の変更範囲が狭めているという問題があります。 この論文では、Deep-Q-Networkを使用しました。 その結果、MOSトランジスタのmultiplyからチャネル幅、チャネル長、抵抗値、容量値へと変化範囲を拡大し、最適化することに成功しました。

要約(英語): In the IC industry, circuit integration and high performance are required. Therefore, we proposed an automatic analog circuit design method using Q-learning. However, this method has a problem that the change range of element values is narrowed in order to narrow the search space. In this paper used Deep-Q-Network. As a result, we have succeeded in expanding and optimizing the range of change from multiply of mos transistors to channel width, channel length, resistance value, and capacitance value._x000D_

原稿種別: 日本語

PDFファイルサイズ: 991 Kバイト