文献

J-GLOBAL ID：201702263480197751   整理番号：17A1020352

人工知能に基づく新しいモデル次数低減法【Powered by NICT】

A novel model order reduction technique based on artificial intelligence

著者 (1件)： Salah Khaled (Mentor Graphics Cairo, Egypt)
資料名： Microelectronics Journal  (Microelectronics Journal)
巻： 65  ページ： 58-71  発行年： 2017年 
JST資料番号： A0186A  ISSN： 0026-2692  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： コンピュータ支援設計(CAD)が現代のVLSI設計で重要な役割を果たしている。電子シミュレーションは設計を検証し,製作前に回路の挙動を試験するために広く使用されている。CADにおける主要な研究分野の一つは,回路シミュレーションである。回路シミュレーションは,電子回路の挙動を予測するための数学モデルを使用することである。通常偏微分方程式(PDE)または常微分方程式(ODEs)の集合によって表現される回路。,回路シミュレーションは実際にしばしば数日あるいは数週間も入れた大規模常微分方程式を解くことを含んでいる。シミュレーションサイクルを加速するために必要である,高速で正確な回路シミュレーションアルゴリズム。シミュレーションを高速化する一つの方法は,元のシステムを近似する元の主要な特性を捕捉する適切に簡略化したシステムとすることである。この方法は,モデル次数低減(MOR)と呼ばれ,元の大規模システムの複雑さを低減し,元のものを表現する低次元モデル(ROM)を生成する。は多くの既存のMOR方法があるが,すべてのシステムのための最良の結果を与えることを方法ではない。,各システムはその用途に応じて最良の方法を用いた。,新規MOR技術の必要性である。本論文では,人工知能に基づく新しいMOR技法を提案した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 高速度 ,  大規模系 ,  数学モデル ,  *人工知能 ,  アルゴリズム ,  シミュレーション ,  偏微分方程式 ,  高速化 ,  回路シミュレーション ,  常微分方程式 ,  CAD【計算機】 ,  簡素化 ,  電子回路
準シソーラス用語： VLSI設計 ,  *次数削減 , 【Automatic Indexing@JST】

著者キーワード (9件)： モデル縮小 ,  クロスオーバ ,  選択 ,  Mutation ,  遺伝的アルゴリズム ,  Optimization ,  MSE ,  伝達関数 ,  人工知能

分類 (2件)： 論理回路  (NC05070B) ,  トランジスタ  (NC03070N)

タイトルに関連する用語 (3件)： 人工知能 ,  モデル ,  次数低減