ベイジアンニューラルネットワークによる特性歩留まりの推定

• Item type: SIG Technical Reports(1)
• 公開日: 2024-11-05
• タイトル: ベイジアンニューラルネットワークによる特性歩留まりの推定
• タイトル / 言語: en
• タイトル: Prametric Yield Estimation using Bayesian Neural Networks
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 京都工芸繊維大学
• 著者所属: 京都工芸繊維大学
• 著者所属(英): en
• 著者所属(英): Kyoto Institute of Technology
• 著者所属(英): en
• 著者所属(英): Kyoto Institute of Technology
• 著者名: 森口, 悠斗; 髙井, 伸和
• 著者名(英): Yuto, Moriguchi; Nobukazu, Takai
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 強化学習やブラックボックス最適化などの機械学習手法を用いて，アナログ回路設計を自動化する研究が進められているが，近年提案されている自動設計手法ではフィデリティの高い回路シミュレーションの効率化が課題とされている．本稿では，プロセス変動に起因する特性歩留まりの推定に焦点を当て，ベイジアンニューラルネットワークを用いた特性歩留まり推定手法を提案する．提案手法は動作点解析によって得られる情報から全回路特性の分布を予測し，特性歩留まりを推定する．提案手法を自動設計に適用して通常の回路シミュレーションと比較した結果，20 倍以上の計算時間削減が可能であることを確認した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: The automation of analog circuit design using machine learning techniques such as reinforcement learning and black-box optimization is advancing. However, recent automated design methods face the challenge of improving the efficiency of high-fidelity circuit simulations. We propose a surrogate model that uses Bayesian neural network, enabling the inference of distribution-based performance metrics. Our method predicts the distribution of all circuit characteristics based on information obtained from operating point analysis and estimates the characteristic yield. When applied to automated design, the proposed method demonstrated over a 20-fold reduction in computation time compared to conventional circuit simulations.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11451459
• 書誌情報: 研究報告システムとLSIの設計技術（SLDM）; 巻 2024-SLDM-207, 号 25, p. 1-5, 発行日 2024-11-05
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8639
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会