アクタークリティック最適化フレームワークはアナログ設計最適化を改善できるか？

要旨: アナログ設計では、デバイスのサイズやバイアスに対するわずかな変更でさえ高価なシミュレーションの繰り返しを要し、また高品質な解は非常に大きな探索空間のごく狭い部分にしか存在しないことが多いため、アナログ設計はしばしば遅くなります。既存の最適化手法はこの負担を一部軽減しますが、設計者が次にどこを探索すべきかを判断する際に行うような種類の判断とはほぼ無関係に動作しています。本論文では、アナログのサイズ決定のためのアクター・クリティック最適化フレームワーク（ACOF）を提案し、そのようなガイダンスをループに組み込みます。最適化を純粋なブラックボックスの探索問題として扱うのではなく、ACOFは提案と評価の役割を分離します。すなわち、アクターが設計空間の有望な領域を提案し、クリティックがそれらの選択をレビューして設計の合法性を強制し、進展が妨げられた際に探索を方向転換します。この構造は標準的なシミュレータベースのフローとの互換性を維持しつつ、探索プロセスをより思慮深く、安定的で、解釈可能なものにします。テスト回路全体において、ACOFは最強の競合ベースラインに比べてトップ10の指標（figure of merit）を平均38.9%改善し、後悔（regret）を平均24.7%低減します。さらに、FoMでピークの改善は70.5%であり、個々の回路では後悔が42.2%低くなります。反復的な推論とシミュレーション駆動の探索を組み合わせることで、本フレームワークは、困難な設計空間における自動アナログサイズ決定に向けた、より透明性の高い道筋を提供します。