文献

J-GLOBAL ID：202202278996378797   整理番号：22A0895491

マルチタスクミーム学習と最適化を用いたシステムインパッケージ設計【JST・京大機械翻訳】

System-in-package design using multi-task memetic learning and optimization

著者 (3件)： Dai Weijing (School of System Design and Intelligent Manufacturing, Southern University of Science and Technology, Shenzhen, China) ,  Wang Zhenkun (School of System Design and Intelligent Manufacturing & Department of Computer Science and Engineering, Southern University of Science and Technology, Shenzhen, China) ,  Xue Ke (School of System Design and Intelligent Manufacturing, Southern University of Science and Technology, Shenzhen, China)
資料名： Memetic Computing  (Memetic Computing)
巻： 14  号： 1  ページ： 45-59  発行年： 2022年 
JST資料番号： W4725A  ISSN： 1865-9292  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： システムインパッケージ(SiP)は先進包装技術であり,半導体産業で急速に発展している。このパッケージタイプの電子モジュールは,特定の応用のための個々の統合システムである。したがって,これらのモジュールは,通常,複数のカプセル化成分と洗練された内部構造によって特性化される。しかし,そのような複雑性はパッケージ設計に大きな挑戦をもたらす。実験の設計,応答表面解析のような伝統的方法は,この分野で広く使われるが,それらの有効性は,複雑さの増加により急速に低下する。現在のシナリオでは,設計変数の量が増加するだけでなく,モジュールも多様な設計タスクを満足させる。したがって,SiPモジュールのためのパッケージ設計はマルチタスク最適化問題である。この問題を解決するため,多出力Gaussプロセスモデルと多因子進化アルゴリズムを採用したマルチタスクメミチック学習と最適化アルゴリズムを提案した。本研究では,異なるタスク間の知識移転を,代理モデリングとモデル最適化手順の両方で活性化する。提案したアルゴリズムのいくつかの変異体をテストし,それらのモデリング精度と最適化効率を比較した。この学際的研究は,マルチタスクシナリオにおけるモデリングと最適化効率の改善におけるメミチック知識移転メカニズムの利点を示し,複雑な包装設計のための自動化と最適化の両方を達成するための実行可能なアプローチを提示する。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Germany, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *最適化 ,  自動化 ,  *学習 ,  最適化問題 ,  包装技法 ,  最適化手法 ,  モジュール ,  Gauss過程 ,  性質 ,  キャラクタリゼーション
準シソーラス用語： 進化的アルゴリズム ,  知識移転 ,  設計変数 ,  複雑性 ,  *マルチタスク , 【Automatic Indexing@JST】

著者キーワード (5件)： システムインパッケージ ,  最適設計 ,  マルチタスクミーム学習と最適化 ,  多因子進化アルゴリズム ,  Gauss過程

分類 (2件)： 混成集積回路  (NC03163K) ,  固体デバイス製造技術一般  (NC03030V)

タイトルに関連する用語 (6件)： マルチタスク ,  ミーム ,  学習 ,  最適化 ,  システムインパッケージ ,  設計