基于深度学习的布局设计反问题方法
信号处理
2018-06-11 v1 机器学习
机器学习
摘要
具有复杂约束的布局设计由于解的非唯一性以及难以将约束纳入传统基于优化的方法而难以求解。本文提出一种基于近期发展的机器学习技术变分自编码器（VAE）的设计方法。我们利用VAE的学习能力来学习约束，并利用VAE的生成能力来生成自动满足所有约束的设计候选方案。因此，在设计阶段无需施加任何约束。此外，我们表明VAE网络还能够学习设计问题背后的物理规律，从而形成一个一旦网络构建完成便无需任何物理仿真的有效设计工具。我们在两个案例上展示了该方法的性能：表面扩散诱导形貌变化的反问题设计以及用于光学微光刻的掩模设计。
引用
@article{arxiv.1806.03182,
title = {Deep learning based inverse method for layout design},
author = {Yujie Zhang and Wenjing Ye},
journal= {arXiv preprint arXiv:1806.03182},
year = {2018}
}