LinEasyBO：基于一维子空间的模拟电路综合可扩展贝叶斯优化方法
系统与控制
2021-09-03 v1 机器学习
系统与控制
摘要
大量文献已证明贝叶斯优化框架在模拟电路综合中特别高效且有效。然而，以往大多数研究工作仅关注设计信息丰富的代理模型或高效的采集函数。即便在采集函数表面搜索全局最优本身是一项困难任务，却很大程度上被忽视了。本文中，我们提出一种通过一维子空间实现的快速且鲁棒的模拟电路综合贝叶斯优化方法。通过在每次迭代仅优化一维子空间，我们在安全最大化采集函数的同时大幅降低了贝叶斯优化框架的计算开销。通过结合不同维度选择策略的优势，我们自适应地平衡全局与局部搜索。利用批量贝叶斯优化框架，我们通过充分利用硬件资源进一步加速优化过程。实验结果定量表明，当批大小为15时，我们提出的算法相比LP-EI和REMBOpBO分别可加速优化过程达9倍和38倍。
引用
@article{arxiv.2109.00617,
title = {LinEasyBO: Scalable Bayesian Optimization Approach for Analog Circuit Synthesis via One-Dimensional Subspaces},
author = {Shuhan Zhang and Fan Yang and Changhao Yan and Dian Zhou and Xuan Zeng},
journal= {arXiv preprint arXiv:2109.00617},
year = {2021}
}
备注
6 pages, 4 figures