PowerGenie：面向优异可重构电源转换器的分析导向进化发现
机器学习
2026-03-27 v3 硬件体系结构
摘要
发现优越的电路拓扑结构需要遍历指数级的设计空间——这传统上是人类专家的专利领域。现有 AI 方法要么从预定义模板中选择，要么在规模有限且缺乏严密验证的情况下生成新拓扑，导致大规模性能驱动的发现仍未得到探索。我们提出 PowerGenie，一个用于大规模自动发现高性能可重构电源转换器的框架。 PowerGenie 引入： (1) 一个自动分析框架，用于在无需元件选型或 SPICE 仿真的情况下确定转换器功能和理论性能上限； (2) 一种演化细调方法，通过适应选择和唯一性验证协同进化生成模型及其训练分布。 与现有方法不同，PowerGenie 克服了模式坍缩和过拟合问题，实现了更高的语法有效性、功能有效性、新颖度和性能指标 (FoM)。 PowerGenie 发现一种新型 8 模式可重构转换器，其 FoM 比最佳训练拓扑高出 23%。 SPICE 仿真确认在 8 个模式下的平均绝对效率提升 10%，单个模式最高可达 17%。代码将在发布后公开。
引用
@article{arxiv.2601.21984,
title = {PowerGenie: Analytically-Guided Evolutionary Discovery of Superior Reconfigurable Power Converters},
author = {Jian Gao and Yiwei Zou and Abhishek Pradhan and Wenhao Huang and Yumin Su and Kaiyuan Yang and Xuan Zhang},
journal= {arXiv preprint arXiv:2601.21984},
year = {2026}
}