应用于电磁器件设计的带高斯过程回归的黑箱良率估计工作流
计算工程、金融与科学
2020-10-12 v2
摘要
本文提出了一种高效可靠的随机良率估计方法。由于不确定性量化的一大挑战是计算可行性，我们提出一种混合方法：大多数蒙特卡洛样本点用替代模型评估，仅少数样本点用原始高保真模型重新评估。高斯过程回归是一种非侵入式方法，用于构建替代模型。无需诸多前提条件，它不仅给出函数值的近似，还给出误差指示符，可用于决定是否重新评估某样本点。针对两个基准问题——介质波导与低通滤波器，所提方法优于经典方法。
引用
@article{arxiv.2003.13278,
title = {A Blackbox Yield Estimation Workflow with Gaussian Process Regression Applied to the Design of Electromagnetic Devices},
author = {Mona Fuhrländer and Sebastian Schöps},
journal= {arXiv preprint arXiv:2003.13278},
year = {2020}
}