JP5176895B2 - Sram形状パラメータ等の多目的最適化設計支援装置、方法、及びプログラム - Google Patents
Sram形状パラメータ等の多目的最適化設計支援装置、方法、及びプログラム Download PDFInfo
- Publication number
- JP5176895B2 JP5176895B2 JP2008294943A JP2008294943A JP5176895B2 JP 5176895 B2 JP5176895 B2 JP 5176895B2 JP 2008294943 A JP2008294943 A JP 2008294943A JP 2008294943 A JP2008294943 A JP 2008294943A JP 5176895 B2 JP5176895 B2 JP 5176895B2
- Authority
- JP
- Japan
- Prior art keywords
- objective function
- modeling
- value
- objective
- design parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Description
今、ものづくりの一例として、SRAM(スタティクランダムアクセスメモリ)を例として考える。
そこで、SRAM設計においては、SRAMの設計パラメータに対して、SNMとWMという2つの目的関数を同時に最大化するような多目的最適化が必要となる。より具体的には、SRAMに関する下記の設計パラメータ組が与えられたときに、その設計パラメータ組から計算されるSNMとWMのうち小さいほうを最大化するような多目的最適化計算が必要となる。
・セル電圧、
・Loadゲート長
・Driverゲート長
・Transferゲート長
・Load幅
・Driver幅
・Transfer幅
・Wl(ワードライン電位)制御変数
・LoadのVth(Vth変化量)
・DriverのVth(Vth変化量)
・TransferのVth(Vth変化量)
SNM=f1(x1,・・・, xn)
WM=f2(x1,・・・, xn)
SRAM設計における多目的最適化問題は、目的関数min(SNM,WM)を最大化することにある。
その上で、上記各定義域が例えば61分割されることにより、61*61点からなる設計パラメータサンプル組群が生成される(ステップS2301)。ここで、「*」は、乗算を表す。
続いて、その抽出された1組の設計パラメータ組を使ってSRAMの設計シミュレータが動作させられ、目的関数であるSNMの値とWMの値が計算される(ステップS2303)。
1.精度の要求は、SNMとWMの特定の値域として設定される。即ち、「SNMとしてはこの値の範囲が必要で、WMとしてはこの値の範囲が必要である」という如くである。
2.要求される値域は非常に狭い。
3.要求される値域に対して求められる精度としては、高い精度が要求される。即ち、設計パラメータ組とSNMの値の対応関係、及び設計パラメータ組とWMの値の対応関係が、上記範囲においてそれぞれ高い精度で算出できることが要求される。言い換えれば、SNMの目標値を達成するために各設計パラメータの値をどの値にしたらよいかを示す対応関係、及びWMの目標値を達成するために各設計パラメータの値をどの値にしたらよいかを示す対応関係が、それぞれ正確に算出される必要がある。
4.要求された範囲以外では、各設計パラメータ組に対するSNMとWMの各対応関係は、ある程度の精度で算出されていれば良い。
5.要求された範囲内であっても、或る設計パラメータ組に対するSNMの値及びWMの値のうち大きな値をとるほうの目的関数値、即ち、歩留りの判定基準の対象とならないほうの目的関数値については、設計パラメータ組との対応関係における高い精度は要求されない。
本発明の課題は、多目的最適化処理において、目的関数の特定の値域で所定の精度条件が与えられたときに、その精度条件を満たすような設計パラメータ組と目的関数との対応関係を、少ない設計パラメータサンプル組数で算出可能とすることにある。
この高精度に数式近似された出力モデル化目的関数によって、SRAM形状等の設計において、設計パラメータと歩留りなどを示す目的関数との関係を、高速かつ高精度に導出したり描画したりすることが可能となる。
図1は、SRAM形状パラメータの多目的最適化設計支援装置の第1の実施形態の構成図である。
本実施形態は、図1の第1の実施形態において、重み決定部103及び第2の目的関数モデル化部104が省略された構成を有する。精度条件判定部105、出力モデル化目的関数決定部106、モデル化目的関数値計算部107、逆像計算部108は、第2のモデル化目的関数の代わりに第1のモデル化目的関数(モデル化目的関数)に対して、各処理を実行する。
一般のものづくり設計においては、精度が必要とされる範囲が設計パラメータの範囲(定義域)により指定されるのに対し、SRAM設計においては、SNMやWM等の目的関数の値の範囲(値域)により指定されるという特徴があり、本実施形態ではその特徴を生かした最適化手法が採用されている。
まず、図4(a)の各点で示されるように、少ない設計パラメータサンプル組が用意される。図4の例では、説明を簡単にするために、設計パラメータは1種類のみであるため、1組の設計パラメータサンプル組は1つの設計パラメータ値によって構成される。設計パラメータの種類が2種類であれば、1組の設計パラメータサンプル組は2つの設計パラメータ値によって構成される。
次に、重み付けが行われる。具体的には、SNMとWMの各シミュレータ値毎に、その値が、指定された値域A−B内に含まれるか否か、及びその値を算出した入力設計パラメータサンプル組に対応する他方(WM又はSNM)のシミュレータ値又はモデル式から求まる値よりも小さいか否かに応じて、重みが決定される。例えば、図4(d)において、401、402、403等のシミュレータ値については、指定された値域A−Bの範囲外であるため、例えば低い重み値1又は2(離れている距離による)が与えられる。一方、404、405のシミュレータ値については、指定された値域A−Bの範囲内であり、かつ他方の目的関数の同一設計パラメータ組に対応するシミュレータ値又はモデル式から求まる値よりも小さいため、例えば最も高い重み値5が与えられる。406、407のシミュレータ値については、指定された値域A−Bの範囲内であるが、他方の目的関数の同一設計パラメータ組に対応するシミュレータ値又はモデル式から求まる値よりは大きいため、例えば中間の重み値3が与えられる。なお、一般には、2つの目的関数301、302は、常に同一の設計パラメータ組を使ってシミュレータ計算が実行される訳ではないため、一方の目的関数のシミュレータ値を他方の目的関数と比較するときに、他方の目的関数に対応するシミュレータ値がない場合が多い。この場合には、算出されているモデル式を使って、同一設計パラメータ組に対応する他方の目的関数の値を算出することができる。
以上の基本的な考え方に基づく図1に示される第1の実施形態の詳細な動作について、以下に説明する。なお、図2に示される第2の実施形態は、重み付けによる再度のモデル化が省略された例であるため、その詳細動作は、第1の実施形態から容易に類推することができる。
まず、開始時には、SRAM形状を示す2種類の設計パラメータによって構成される設計パラメータサンプル組における、各設計パラメータの定義域の範囲が与えられる。また、精度が必要となるSNM、WMの各目的関数の値域の範囲が与えられる。更に、モデル化における例えば決定係数(Rスクエア)値が要求精度として与えられる。
入力として、設計パラメータの変数の数nと、モデル式の最大次数d、及び経験的に決定される最大初期サンプル数maxが与えられる。
M>max である場合には、初期サンプル組数Mの値が最大初期サンプル数maxの値とされる。M>max でない場合には、Mがそのまま出力される。
次に、図1の第1の目的関数モデル化部102は、入力設計パラメータサンプル組群に対して、SNMとWMの各値をシミュレータ計算する(図7のステップS702)。なお、2回目以降の繰返し処理において、入力設計パラメータサンプル組群に対応するSNM又はWMの各値のシミュレータ計算が前回までの繰返し処理によって既に計算されている場合には、その値に関しては新たにシミュレータ計算は実行されずに既に得られている計算結果がそのまま使用される。
図9は、図7のステップS703のモデル化処理の詳細を示す動作フローチャートである。
そしてまず、図1の第1の目的関数モデル化部102は、図7のステップS702で得られた入力設計パラメータサンプル組群に対するシミュレータ計算の結果に基づいて、SNMとWMをそれぞれ多項式近似によりモデル化することにより、第1のSNMモデル化関数及び第1のWMモデル化関数を算出する(図9のステップS901)。
次に、その選択されたSNM又はWMのシミュレータ値を算出した入力設計パラメータサンプル組に対応する他方のWM又はSNMのシミュレータ値(1回目のみ)又は第1のモデル化目的関数値(第1のWMモデル化関数値又は第1のSNMモデル化関数値)(2回目以降で対応するシミュレータ値が存在しない場合)が算出される(図9のステップS903)。
まず、図9のステップS902にて選択された1個のシミュレータ値sが精度が要求される値域の範囲内にあるか否かが判定される(図10のステップS1001)。
シミュレータ値sが上記値域から大きく離れていると判定された場合には、重みとして最小値1が設定される(図10のステップS1007)。これは、前述した図4(d)の401〜403のケースに相当する。
以上のようにして、図9のステップS904にて、1個のシミュレータ値に対応する重みが決定される。
ステップS905にて、残シミュレータ値があると判定された場合には、ステップS902の処理に戻って、SNM又はWMのシミュレータ値群から新たに1個のシミュレータ値が抽出され、それに対して重みを決定するためのステップS902からS904までの一連の処理が実行される。
誤差=Σ(zi−yi)^2
で示される誤差を最小化するように線形回帰分析に基づくモデル化が行われる。これに対して、図9のステップS906にて演算される重み付きのモデル化は、
誤差=Σwi*(zi−yi)^2
で示される誤差を最小化するように線形回帰分析に基づくモデル化が行われる。実際に線形回帰分析が適用される際には、図13に示されるように、各シミュレータ値毎に算出される重み値毎に、設計パラメータ組と目的関数値(シミュレータ値)との組合せが、その重み値に対応する数だけコピーされて新たなサンプルとされ、そのサンプルに対して通常の線形回帰分析処理が実行されればよい。
SNM=7.480933260-.334402471532185108*x[1]+1.24648594726086848*x[2]-
.896094530105577720e-2*x[1]^2*x[2]-.120244516111710636e-1*x[2]^3
+.160829680957461779e-1*x[1]*x[2]^2-.188959151000803746e-2*x[1]^3
+.219744318773777004e-3*x[1]^4-.830367267543722460e-3*x[1]^3*x[2]-
.280462804414196752e-3*x[1]^2*x[2]^2+.787232516283558996e-3*x[1]*x[2]^3
+.753841417319138930e-4*x[2]^4-.499170693002276150e-1*x[1]^2
+.214533959651721957e-1*x[1]*x[2]-.623884580831377197e-1*x[2]^2
・・・(1)
WM=-.125218911101391454e-2*x[1]^4-.173253786008230630e-2*x[1]^3*x[2]
+.304406157793088395e-2*x[1]^2*x[2]^2+.301926255144032828e-2*x[1]*x[2]^3-
.238090903758804168e-2*x[2]^4-.304966532091938969e-1*x[1]^2
+.363342844444445312e-1*x[1]*x[2]-.127998091187013583e-1*x[2]^2
+5.74286275860009266-.245697488242792271e-1*x[1]-1.61679405158730139*x[2]
+.270645105820105820e-1*x[1]^2*x[2]-.365946358024691644e-2*x[2]^3-
.941748823259369594e-2*x[1]*x[2]^2-.893716376661286664e-2*x[1]^3
・・・(2)
上記SNMとWMの各モデル式において、x[1]とx[2]は、それぞれ2種類の設計パラメータを示す変数である。「^2」「^3」「^4」は、それぞれ2乗、3乗、4乗のべき乗演算を示す。「*」は乗算を示す。「e」は指数である。
まず、図1のモデル化目的関数値計算部107は、逆像を求める計算を行う(図11のステップS1101)。
モデル化目的関数値計算部107は始めに、図7のステップS701で採用された第1の所定組数(5*5=25組)よりも多量の第2の所定組数、例えば61*61=3721組の設計パラメータのサンプルの組を生成する(図12のステップS1201)。このときの第2の所定組数は、例えばラテン・ハイパーキューブ法等の手法を使用して決定することができる。
図19は、図7のステップS702からS705までの一連の繰返し処理の1回目から3回目までにおける1つの設計パラメータの各値に対する1つの目的関数の適合誤差の例を示す図である。繰返し回数が進む毎に、誤差が減少し適合精度が向上してゆくことがわかる。
図21は、図1又は図2の構成を有するSRAM形状パラメータの多目的最適化設計支援装置を実現できるコンピュータのハードウェア構成の一例を示す図である。
可搬記録媒体駆動装置2106は、光ディスクやSDRAM、コンパクトフラッシュ(登録商標)等の可搬記録媒体2109を収容するもので、外部記憶装置2105の補助の役割を有する。
本実施形態によるシステムは、図1又は図2の構成の実現に必要な機能を搭載したプログラムをCPU2101が実行することで実現される。そのプログラムは、例えば外部記憶装置2105や可搬記録媒体2109に記録して配布してもよく、或いはネットワーク接続装置2107によりネットワークから取得できるようにしてもよい。
(付記1)
設計パラメータの組を複数組入力して、所定の計算に基づいて複数の目的関数の各値を計算しながら多目的最適化処理を実行することにより、最適な設計パラメータの組の決定を支援する設計支援装置において、
第1の所定組数の設計パラメータのサンプルの組を、前記複数の目的関数毎の初期の入力設計パラメータサンプル組群として決定する初期入力設計パラメータサンプル組群決定部と、
前記複数の目的関数毎に、前記入力設計パラメータサンプル組群に対して前記複数の目的関数の各値を計算しながら、前記複数の目的関数をそれぞれ数式近似によりモデル化してモデル化目的関数を算出する目的関数モデル化部と、
前記複数のモデル化目的関数毎に、前記目的関数モデル化部において計算される各精度情報が指定された精度条件を満たすか否かを判定する精度条件判定部と、
該精度条件判定部が前記精度条件を満たすとの第1の判定をした場合に、該第1の判定対象とされたモデル化目的関数を、前記最適な設計パラメータの組を計算するための出力モデル化目的関数として決定する出力モデル化目的関数決定部と、
前記精度条件判定部が前記精度条件を満たさないとの第2の判定をした場合に、前記第1の所定組数よりも多量の第2の所定組数の設計パラメータのサンプルの組に対して、前記第2の判定対象となったモデル化目的関数の各値を計算するモデル化目的関数値計算部と、
該計算されたモデル化目的関数の各値について、該値が、前記精度を要する範囲として指定された値域に含まれ、かつ該値に対応する設計パラメータのサンプルの組から計算される他のどのモデル化目的関数の値よりも小さいときに、該値を算出した前記設計パラメータのサンプルの組を該値に対応する目的関数に対応させて記憶する逆像計算部と、
前記第2の判定対象となったモデル化目的関数に対応する目的関数毎に、現在の入力設計パラメータサンプル組群と該目的関数に対応して前記逆像計算部にて記憶されている前記設計パラメータのサンプルの組とに基づいて、新たな入力設計パラメータサンプル組群を決定し前記目的関数モデル化部に入力させて、該目的関数モデル化部、及び前記精度条件判定部の動作を繰り返し実行させるモデル化繰返し制御部と、
を含むことを特徴とするSRAM形状パラメータ等の多目的最適化設計支援装置。
(付記2)
前記目的関数モデル化部は、前記入力設計パラメータサンプル組と該サンプル組に対応して計算された前記複数の目的関数の各値とに基づいて、線形回帰分析により、前記目的関数を線形回帰式により多項式近似する、
ことを特徴とする付記1に記載のSRAM形状パラメータ等の多目的最適化設計支援装置。
(付記3)
設計パラメータの組を複数組入力して、所定の計算に基づいて複数の目的関数の各値を計算しながら多目的最適化処理を実行することにより、最適な設計パラメータの組の決定を支援する設計支援装置において、
第1の所定組数の設計パラメータのサンプルの組を、前記複数の目的関数毎の初期の入力設計パラメータサンプル組群として決定する初期入力設計パラメータサンプル組群決定部と、
前記複数の目的関数毎に、前記入力設計パラメータサンプル組群に対して前記複数の目的関数の各値を計算しながら、前記複数の目的関数をそれぞれ数式近似によりモデル化して第1のモデル化目的関数を算出する第1の目的関数モデル化部と、
前記複数の目的関数の各値毎に、該値が、精度を要する範囲として指定された値域に含まれるか否か、及び該値を算出した入力設計パラメータサンプル組に対応する他のどの目的関数又は第1のモデル化目的関数の値よりも小さいか否かに応じて、重みを決定する重み決定部と、
前記入力設計パラメータサンプル組と該サンプル組に対応して計算された前記複数の目的関数の各値とに基づいて、前記複数の目的関数の各値毎に決定された重みに応じたモデル化を行いながら、前記複数の目的関数をそれぞれ数式近似により再度モデル化して第2のモデル化目的関数を算出する第2の目的関数モデル化部と、
前記複数の第2のモデル化目的関数毎に、前記第2の目的関数モデル化部において計算される各精度情報が指定された精度条件を満たすか否かを判定する精度条件判定部と、
該精度条件判定部が前記精度条件を満たすとの第1の判定をした場合に、該第1の判定対象とされた第2のモデル化目的関数を、前記最適な設計パラメータの組を計算するための出力モデル化目的関数として決定する出力モデル化目的関数決定部と、
前記精度条件判定部が前記精度条件を満たさないとの第2の判定をした場合に、前記第1の所定組数よりも多量の第2の所定組数の設計パラメータのサンプルの組に対して、前記第2の判定対象となった第2のモデル化目的関数の各値を計算するモデル化目的関数値計算部と、
該計算された第2のモデル化目的関数の各値について、該値が、前記精度を要する範囲として指定された値域に含まれ、かつ該値に対応する設計パラメータのサンプルの組から計算される他のどの第2のモデル化目的関数の値よりも小さいときに、該値を算出した前記設計パラメータのサンプルの組を該値に対応する目的関数に対応させて記憶する逆像計算部と、
前記第2の判定対象となった第2のモデル化目的関数に対応する目的関数毎に、現在の入力設計パラメータサンプル組群と該目的関数に対応して前記逆像計算部にて記憶されている前記設計パラメータのサンプルの組とに基づいて、新たな入力設計パラメータサンプル組群を決定し前記第1の目的関数モデル化部に入力させて、該第1の目的関数モデル化部、前記重み決定部、前記第2の目的関数モデル化部、及び前記精度条件判定部の動作を繰り返し実行させるモデル化繰返し制御部と、
を含むことを特徴とするSRAM形状パラメータ等の多目的最適化設計支援装置。
(付記4)
前記第1及び第2の目的関数モデル化部は、前記入力設計パラメータサンプル組と該サンプル組に対応して計算された前記複数の目的関数の各値とに基づいて、線形回帰分析により、前記目的関数を線形回帰式により多項式近似する、
ことを特徴とする付記3に記載のSRAM形状パラメータ等の多目的最適化設計支援装置。
(付記5)
前記設計支援装置はスタティクランダムアクセスメモリの形状に関する設計パラメータの組の決定を支援する装置であり、
前記複数の目的関数は、スタティックノイズマージンを算出するための目的関数とライトマージンを算出するための目的関数を含む、
ことを特徴とする付記1乃至4の何れか1項に記載のSRAM形状パラメータ等の多目的最適化設計支援装置。
(付記6)
設計パラメータの組を複数組入力して、所定の計算に基づいて複数の目的関数の各値を計算しながら多目的最適化処理を実行することにより、最適な設計パラメータの組の決定を支援する設計支援方法において、
第1の所定組数の設計パラメータのサンプルの組を、前記複数の目的関数毎の初期の入力設計パラメータサンプル組群として決定する初期入力設計パラメータサンプル組群決定ステップと、
前記複数の目的関数毎に、前記入力設計パラメータサンプル組群に対して前記複数の目的関数の各値を計算しながら、前記複数の目的関数をそれぞれ数式近似によりモデル化してモデル化目的関数を算出する目的関数モデル化ステップと、
前記複数のモデル化目的関数毎に、前記目的関数モデル化ステップにおいて計算される各精度情報が指定された精度条件を満たすか否かを判定する精度条件判定ステップと、
該精度条件判定ステップが前記精度条件を満たすとの第1の判定をした場合に、該第1の判定対象とされたモデル化目的関数を、前記最適な設計パラメータの組を計算するための出力モデル化目的関数として決定する出力モデル化目的関数決定ステップと、
前記精度条件判定ステップが前記精度条件を満たさないとの第2の判定をした場合に、前記第1の所定組数よりも多量の第2の所定組数の設計パラメータのサンプルの組に対して、前記第2の判定対象となったモデル化目的関数の各値を計算するモデル化目的関数値計算ステップと、
該計算されたモデル化目的関数の各値について、該値が、前記精度を要する範囲として指定された値域に含まれ、かつ該値に対応する設計パラメータのサンプルの組から計算される他のどのモデル化目的関数の値よりも小さいときに、該値を算出した前記設計パラメータのサンプルの組を該値に対応する目的関数に対応させて記憶する逆像計算ステップと、
前記第2の判定対象となったモデル化目的関数に対応する目的関数毎に、現在の入力設計パラメータサンプル組群と該目的関数に対応して前記逆像計算ステップにて記憶されている前記設計パラメータのサンプルの組とに基づいて、新たな入力設計パラメータサンプル組群を決定し前記目的関数モデル化ステップに入力させて、該目的関数モデル化ステップ、及び前記精度条件判定ステップの動作を繰り返し実行させるモデル化繰返し制御ステップと、
を含むことを特徴とするSRAM形状パラメータ等の多目的最適化設計支援方法。
(付記7)
前記目的関数モデル化ステップは、前記入力設計パラメータサンプル組と該サンプル組に対応して計算された前記複数の目的関数の各値とに基づいて、線形回帰分析により、前記目的関数を線形回帰式により多項式近似する、
ことを特徴とする付記6に記載のSRAM形状パラメータ等の多目的最適化設計支援方法。
(付記8)
設計パラメータの組を複数組入力して、所定の計算に基づいて複数の目的関数の各値を計算しながら多目的最適化処理を実行することにより、最適な設計パラメータの組の決定を支援する設計支援方法において、
第1の所定組数の設計パラメータのサンプルの組を、前記複数の目的関数毎の初期の入力設計パラメータサンプル組群として決定する初期入力設計パラメータサンプル組群決定ステップと、
前記複数の目的関数毎に、前記入力設計パラメータサンプル組群に対して前記複数の目的関数の各値を計算しながら、前記複数の目的関数をそれぞれ数式近似によりモデル化して第1のモデル化目的関数を算出する第1の目的関数モデル化ステップと、
前記複数の目的関数の各値毎に、該値が、精度を要する範囲として指定された値域に含まれるか否か、及び該値を算出した入力設計パラメータサンプル組に対応する他のどの目的関数又は第1のモデル化目的関数の値よりも小さいか否かに応じて、重みを決定する重み決定ステップと、
前記入力設計パラメータサンプル組と該サンプル組に対応して計算された前記複数の目的関数の各値とに基づいて、前記複数の目的関数の各値毎に決定された重みに応じたモデル化を行いながら、前記複数の目的関数をそれぞれ数式近似により再度モデル化して第2のモデル化目的関数を算出する第2の目的関数モデル化ステップと、
前記複数の第2のモデル化目的関数毎に、前記第2の目的関数モデル化ステップにおいて計算される各精度情報が指定された精度条件を満たすか否かを判定する精度条件判定ステップと、
該精度条件判定ステップが前記精度条件を満たすとの第1の判定をした場合に、該第1の判定対象とされた第2のモデル化目的関数を、前記最適な設計パラメータの組を計算するための出力モデル化目的関数として決定する出力モデル化目的関数決定ステップと、
前記精度条件判定ステップが前記精度条件を満たさないとの第2の判定をした場合に、前記第1の所定組数よりも多量の第2の所定組数の設計パラメータのサンプルの組に対して、前記第2の判定対象となった第2のモデル化目的関数の各値を計算するモデル化目的関数値計算ステップと、
該計算された第2のモデル化目的関数の各値について、該値が、前記精度を要する範囲として指定された値域に含まれ、かつ該値に対応する設計パラメータのサンプルの組から計算される他のどの第2のモデル化目的関数の値よりも小さいときに、該値を算出した前記設計パラメータのサンプルの組を該値に対応する目的関数に対応させて記憶する逆像計算ステップと、
前記第2の判定対象となった第2のモデル化目的関数に対応する目的関数毎に、現在の入力設計パラメータサンプル組群と該目的関数に対応して前記逆像計算ステップにて記憶されている前記設計パラメータのサンプルの組とに基づいて、新たな入力設計パラメータサンプル組群を決定し前記第1の目的関数モデル化ステップに入力させて、該第1の目的関数モデル化ステップ、前記重み決定ステップ、前記第2の目的関数モデル化ステップ、及び前記精度条件判定ステップの動作を繰り返し実行させるモデル化繰返し制御ステップと、
を含むことを特徴とするSRAM形状パラメータ等の多目的最適化設計支援方法。
(付記9)
前記第1及び第2の目的関数モデル化ステップは、前記入力設計パラメータサンプル組と該サンプル組に対応して計算された前記複数の目的関数の各値とに基づいて、線形回帰分析により、前記目的関数を線形回帰式により多項式近似する、
ことを特徴とする付記8に記載のSRAM形状パラメータ等の多目的最適化設計支援方法。
(付記10)
前記設計支援方法はスタティクランダムアクセスメモリの形状に関する設計パラメータの組の決定を支援する方法であり、
前記複数の目的関数は、スタティックノイズマージンを算出するための目的関数とライトマージンを算出するための目的関数を含む、
ことを特徴とする付記6乃至9の何れか1項に記載のSRAM形状パラメータ等の多目的最適化設計支援方法。
(付記11)
設計パラメータの組を複数組入力して、所定の計算に基づいて複数の目的関数の各値を計算しながら多目的最適化処理を実行することにより、最適な設計パラメータの組の決定を支援するコンピュータに、
第1の所定組数の設計パラメータのサンプルの組を、前記複数の目的関数毎の初期の入力設計パラメータサンプル組群として決定する初期入力設計パラメータサンプル組群決定ステップと、
前記複数の目的関数毎に、前記入力設計パラメータサンプル組群に対して前記複数の目的関数の各値を計算しながら、前記複数の目的関数をそれぞれ数式近似によりモデル化してモデル化目的関数を算出する目的関数モデル化ステップと、
前記複数のモデル化目的関数毎に、前記目的関数モデル化ステップにおいて計算される各精度情報が指定された精度条件を満たすか否かを判定する精度条件判定ステップと、
該精度条件判定ステップが前記精度条件を満たすとの第1の判定をした場合に、該第1の判定対象とされたモデル化目的関数を、前記最適な設計パラメータの組を計算するための出力モデル化目的関数として決定する出力モデル化目的関数決定ステップと、
前記精度条件判定ステップが前記精度条件を満たさないとの第2の判定をした場合に、前記第1の所定組数よりも多量の第2の所定組数の設計パラメータのサンプルの組に対して、前記第2の判定対象となったモデル化目的関数の各値を計算するモデル化目的関数値計算ステップと、
該計算されたモデル化目的関数の各値について、該値が、前記精度を要する範囲として指定された値域に含まれ、かつ該値に対応する設計パラメータのサンプルの組から計算される他のどのモデル化目的関数の値よりも小さいときに、該値を算出した前記設計パラメータのサンプルの組を該値に対応する目的関数に対応させて記憶する逆像計算ステップと、
前記第2の判定対象となったモデル化目的関数に対応する目的関数毎に、現在の入力設計パラメータサンプル組群と該目的関数に対応して前記逆像計算ステップにて記憶されている前記設計パラメータのサンプルの組とに基づいて、新たな入力設計パラメータサンプル組群を決定し前記目的関数モデル化ステップに入力させて、該目的関数モデル化ステップ、及び前記精度条件判定ステップの動作を繰り返し実行させるモデル化繰返し制御ステップと、
を実行させるためのプログラム。
(付記12)
前記目的関数モデル化ステップは、前記入力設計パラメータサンプル組と該サンプル組に対応して計算された前記複数の目的関数の各値とに基づいて、線形回帰分析により、前記目的関数を線形回帰式により多項式近似する、
ことを特徴とする付記11に記載のプログラム。
(付記13)
設計パラメータの組を複数組入力して、所定の計算に基づいて複数の目的関数の各値を計算しながら多目的最適化処理を実行することにより、最適な設計パラメータの組の決定を支援するコンピュータに、
第1の所定組数の設計パラメータのサンプルの組を、前記複数の目的関数毎の初期の入力設計パラメータサンプル組群として決定する初期入力設計パラメータサンプル組群決定ステップと、
前記複数の目的関数毎に、前記入力設計パラメータサンプル組群に対して前記複数の目的関数の各値を計算しながら、前記複数の目的関数をそれぞれ数式近似によりモデル化して第1のモデル化目的関数を算出する第1の目的関数モデル化ステップと、
前記複数の目的関数の各値毎に、該値が、精度を要する範囲として指定された値域に含まれるか否か、及び該値を算出した入力設計パラメータサンプル組に対応する他のどの目的関数又は第1のモデル化目的関数の値よりも小さいか否かに応じて、重みを決定する重み決定ステップと、
前記入力設計パラメータサンプル組と該サンプル組に対応して計算された前記複数の目的関数の各値とに基づいて、前記複数の目的関数の各値毎に決定された重みに応じたモデル化を行いながら、前記複数の目的関数をそれぞれ数式近似により再度モデル化して第2のモデル化目的関数を算出する第2の目的関数モデル化ステップと、
前記複数の第2のモデル化目的関数毎に、前記第2の目的関数モデル化ステップにおいて計算される各精度情報が指定された精度条件を満たすか否かを判定する精度条件判定ステップと、
該精度条件判定ステップが前記精度条件を満たすとの第1の判定をした場合に、該第1の判定対象とされた第2のモデル化目的関数を、前記最適な設計パラメータの組を計算するための出力モデル化目的関数として決定する出力モデル化目的関数決定ステップと、
前記精度条件判定ステップが前記精度条件を満たさないとの第2の判定をした場合に、前記第1の所定組数よりも多量の第2の所定組数の設計パラメータのサンプルの組に対して、前記第2の判定対象となった第2のモデル化目的関数の各値を計算するモデル化目的関数値計算ステップと、
該計算された第2のモデル化目的関数の各値について、該値が、前記精度を要する範囲として指定された値域に含まれ、かつ該値に対応する設計パラメータのサンプルの組から計算される他のどの第2のモデル化目的関数の値よりも小さいときに、該値を算出した前記設計パラメータのサンプルの組を該値に対応する目的関数に対応させて記憶する逆像計算ステップと、
前記第2の判定対象となった第2のモデル化目的関数に対応する目的関数毎に、現在の入力設計パラメータサンプル組群と該目的関数に対応して前記逆像計算ステップにて記憶されている前記設計パラメータのサンプルの組とに基づいて、新たな入力設計パラメータサンプル組群を決定し前記第1の目的関数モデル化ステップに入力させて、該第1の目的関数モデル化ステップ、前記重み決定ステップ、前記第2の目的関数モデル化ステップ、及び前記精度条件判定ステップの動作を繰り返し実行させるモデル化繰返し制御ステップと、
を実行させるためのプログラム。
(付記14)
前記第1及び第2の目的関数モデル化ステップは、前記入力設計パラメータサンプル組と該サンプル組に対応して計算された前記複数の目的関数の各値とに基づいて、線形回帰分析により、前記目的関数を線形回帰式により多項式近似する、
ことを特徴とする付記13に記載のプログラム。
(付記15)
前記プログラムは、スタティクランダムアクセスメモリの形状に関する設計パラメータの組の決定を支援するプログラムであり、
前記複数の目的関数は、スタティックノイズマージンを算出するための目的関数とライトマージンを算出するための目的関数を含む、
ことを特徴とする付記11乃至14の何れか1項に記載のプログラム。
102 第1の目的関数モデル化部
103 重み決定部
104 第2の目的関数モデル化部
105 精度条件判定部
106 出力モデル化目的関数決定部
107 モデル化目的関数値計算部
108 逆像計算部
109 モデル化繰返し制御部
110 SNM出力モデル化関数(出力モデル化目的関数)
111 WM出力モデル化関数(出力モデル化目的関数)
Claims (9)
- 設計パラメータの組を複数組入力して、所定の計算に基づいて同一の又は比較可能な指標で表される複数の目的関数の各値を計算しながら多目的最適化処理を実行することにより、最適な設計パラメータの組の決定を支援する設計支援装置に、
第1の所定組数の設計パラメータのサンプルの組を、前記複数の目的関数毎の初期の入力設計パラメータサンプル組群として決定する初期入力設計パラメータサンプル組群決定ステップと、
前記複数の目的関数毎に、前記入力設計パラメータサンプル組群に対して前記複数の目的関数の各値を計算しながら、前記複数の目的関数をそれぞれ数式近似によりモデル化してモデル化目的関数を算出する目的関数モデル化ステップと、
前記複数のモデル化目的関数毎に、前記目的関数モデル化ステップにおいて計算される各精度情報が指定された精度条件を満たすか否かを判定する精度条件判定ステップと、
該精度条件判定ステップが前記精度条件を満たすとの第1の判定をした場合に、該第1の判定対象とされたモデル化目的関数を、前記最適な設計パラメータの組を計算するための出力モデル化目的関数として決定する出力モデル化目的関数決定ステップと、
前記精度条件判定ステップが前記精度条件を満たさないとの第2の判定をした場合に、前記第1の所定組数よりも多量の第2の所定組数の設計パラメータのサンプルの組に対して、前記第2の判定対象となったモデル化目的関数の各値を計算するモデル化目的関数値計算ステップと、
該計算されたモデル化目的関数の各値について、該値が、前記精度を要する範囲として指定された値域に含まれ、かつ該値に対応する設計パラメータのサンプルの組から計算される他のどのモデル化目的関数の値よりも小さいときに、該値を算出した前記設計パラメータのサンプルの組を該値の計算に用いた目的関数に対応させて記憶する逆像計算ステップと、
前記第2の判定対象となったモデル化目的関数に対応する目的関数毎に、現在の入力設計パラメータサンプル組群と該目的関数に対応して前記逆像計算ステップにて記憶されている前記設計パラメータのサンプルの組とに基づいて、新たな入力設計パラメータサンプル組群を決定し前記目的関数モデル化ステップに入力させて、該目的関数モデル化ステップ、及び前記精度条件判定ステップの動作を繰り返し実行させるモデル化繰返し制御ステップと、
を実行させるための多目的最適化設計支援プログラム。 - 前記目的関数モデル化ステップは、前記入力設計パラメータサンプル組と該サンプル組に対応して計算された前記複数の目的関数の各値とに基づいて、線形回帰分析により、前記目的関数を線形回帰式により多項式近似する、
ことを特徴とする請求項1に記載の多目的最適化設計支援プログラム。 - 設計パラメータの組を複数組入力して、所定の計算に基づいて同一の又は比較可能な指標で表される複数の目的関数の各値を計算しながら多目的最適化処理を実行することにより、最適な設計パラメータの組の決定を支援する設計支援装置に、
第1の所定組数の設計パラメータのサンプルの組を、前記複数の目的関数毎の初期の入力設計パラメータサンプル組群として決定する初期入力設計パラメータサンプル組群決定ステップと、
前記複数の目的関数毎に、前記入力設計パラメータサンプル組群に対して前記複数の目的関数の各値を計算しながら、前記複数の目的関数をそれぞれ数式近似によりモデル化して第1のモデル化目的関数を算出する第1の目的関数モデル化ステップと、
前記複数の目的関数の各値毎に、該値が、精度を要する範囲として指定された値域に含まれるか否か、及び該値を算出した入力設計パラメータサンプル組に対応する他のどの目的関数又は第1のモデル化目的関数の値よりも小さいか否かに応じて、重みを決定する重み決定ステップと、
前記入力設計パラメータサンプル組と該サンプル組に対応して計算された前記複数の目的関数の各値とに基づいて、前記複数の目的関数の各値毎に決定された重みに応じたモデル化を行いながら、前記複数の目的関数をそれぞれ数式近似により再度モデル化して第2のモデル化目的関数を算出する第2の目的関数モデル化ステップと、
前記複数の第2のモデル化目的関数毎に、前記第2の目的関数モデル化ステップにおいて計算される各精度情報が指定された精度条件を満たすか否かを判定する精度条件判定ステップと、
該精度条件判定ステップが前記精度条件を満たすとの第1の判定をした場合に、該第1の判定対象とされた第2のモデル化目的関数を、前記最適な設計パラメータの組を計算するための出力モデル化目的関数として決定する出力モデル化目的関数決定ステップと、
前記精度条件判定ステップが前記精度条件を満たさないとの第2の判定をした場合に、前記第1の所定組数よりも多量の第2の所定組数の設計パラメータのサンプルの組に対して、前記第2の判定対象となった第2のモデル化目的関数の各値を計算するモデル化目的関数値計算ステップと、
該計算された第2のモデル化目的関数の各値について、該値が、前記精度を要する範囲として指定された値域に含まれ、かつ該値に対応する設計パラメータのサンプルの組から計算される他のどの第2のモデル化目的関数の値よりも小さいときに、該値を算出した前記設計パラメータのサンプルの組を該値の計算に用いた目的関数に対応させて記憶する逆像計算ステップと、
前記第2の判定対象となった第2のモデル化目的関数に対応する目的関数毎に、現在の入力設計パラメータサンプル組群と該目的関数に対応して前記逆像計算ステップにて記憶されている前記設計パラメータのサンプルの組とに基づいて、新たな入力設計パラメータサンプル組群を決定し前記第1の目的関数モデル化ステップに入力させて、該第1の目的関数モデル化ステップ、前記重み決定ステップ、前記第2の目的関数モデル化ステップ、及び前記精度条件判定ステップの動作を繰り返し実行させるモデル化繰返し制御ステップと、
を実行させるための多目的最適化設計支援プログラム。 - 前記第1及び第2の目的関数モデル化ステップは、前記入力設計パラメータサンプル組と該サンプル組に対応して計算された前記複数の目的関数の各値とに基づいて、線形回帰分析により、前記目的関数を線形回帰式により多項式近似する、
ことを特徴とする請求項3に記載の多目的最適化設計支援プログラム。 - 前記多目的最適化設計支援プログラムはスタティックランダムアクセスメモリの形状に関する設計パラメータの組の決定を支援するプログラムであり、
前記複数の目的関数は、スタティックノイズマージンを算出するための目的関数とライトマージンを算出するための目的関数を含む、
ことを特徴とする請求項1乃至4の何れか1項に記載の多目的最適化設計支援プログラム。 - コンピュータに設計パラメータの組を複数組入力して、所定の計算に基づいて同一の又は比較可能な指標で表される複数の目的関数の各値を計算しながら多目的最適化処理を実行することにより、最適な設計パラメータの組の決定を支援する設計支援方法において、
前記コンピュータが有するプロセッサが、第1の所定組数の設計パラメータのサンプルの組を、前記複数の目的関数毎の初期の入力設計パラメータサンプル組群として決定し前記コンピュータが備えるメモリに書き込む初期入力設計パラメータサンプル組群決定ステップと、
前記コンピュータが有するプロセッサが、前記複数の目的関数毎に、前記入力設計パラメータサンプル組群に対して前記複数の目的関数の各値を計算しながら、前記複数の目的関数をそれぞれ数式近似によりモデル化してモデル化目的関数を算出し前記コンピュータが備えるメモリに書き込む目的関数モデル化ステップと、
前記コンピュータが有するプロセッサが、前記複数のモデル化目的関数毎に、前記目的関数モデル化ステップにおいて計算される各精度情報が指定された精度条件を満たすか否かを判定する精度条件判定ステップと、
前記コンピュータが有するプロセッサが、該精度条件判定ステップが前記精度条件を満たすとの第1の判定をした場合に、該第1の判定対象とされたモデル化目的関数を、前記最適な設計パラメータの組を計算するための出力モデル化目的関数として決定し前記コンピュータが備えるメモリに書き込む出力モデル化目的関数決定ステップと、
前記コンピュータが有するプロセッサが、前記精度条件判定ステップが前記精度条件を満たさないとの第2の判定をした場合に、前記第1の所定組数よりも多量の第2の所定組数の設計パラメータのサンプルの組に対して前記第2の判定対象となったモデル化目的関数の各値を計算し前記コンピュータが備えるメモリに書き込むモデル化目的関数値計算ステップと、
前記コンピュータが有するプロセッサが、該計算されたモデル化目的関数の各値について、該値が、前記精度を要する範囲として指定された値域に含まれ、かつ該値に対応する設計パラメータのサンプルの組から計算される他のどのモデル化目的関数の値よりも小さいときに、該値を算出した前記設計パラメータのサンプルの組を該値の計算に用いた目的関数に対応させて前記コンピュータが備えるメモリに書き込む逆像計算ステップと、
前記コンピュータが有するプロセッサが、前記第2の判定対象となったモデル化目的関数に対応する目的関数毎に、現在の入力設計パラメータサンプル組群と該目的関数に対応して前記逆像計算ステップにて記憶されている前記設計パラメータのサンプルの組とに基づいて、新たな入力設計パラメータサンプル組群を決定し前記目的関数モデル化ステップに入力させて、該目的関数モデル化ステップ、及び前記精度条件判定ステップの動作を繰り返し実行させるモデル化繰返し制御ステップと、
を含む多目的最適化設計支援方法。 - コンピュータに設計パラメータの組を複数組入力して、所定の計算に基づいて同一の又は比較可能な指標で表される複数の目的関数の各値を計算しながら多目的最適化処理を実行することにより、最適な設計パラメータの組の決定を支援する設計支援方法において、
前記コンピュータが有するプロセッサが、第1の所定組数の設計パラメータのサンプルの組を、前記複数の目的関数毎の初期の入力設計パラメータサンプル組群として決定し前記コンピュータが備えるメモリに書き込む初期入力設計パラメータサンプル組群決定ステップと、
前記コンピュータが有するプロセッサが、前記複数の目的関数毎に、前記入力設計パラメータサンプル組群に対して前記複数の目的関数の各値を計算しながら、前記複数の目的関数をそれぞれ数式近似によりモデル化して第1のモデル化目的関数を算出し前記コンピュータが備えるメモリに書き込む第1の目的関数モデル化ステップと、
前記コンピュータが有するプロセッサが、前記複数の目的関数の各値毎に、該値が、精度を要する範囲として指定された値域に含まれるか否か、及び該値を算出した入力設計パラメータサンプル組に対応する他のどの目的関数又は第1のモデル化目的関数の値よりも小さいか否かに応じて、重みを決定し前記コンピュータが備えるメモリに書き込む重み決定ステップと、
前記コンピュータが有するプロセッサが、前記入力設計パラメータサンプル組と該サンプル組に対応して計算された前記複数の目的関数の各値とに基づいて、前記複数の目的関数の各値毎に決定された重みに応じたモデル化を行いながら、前記複数の目的関数をそれぞれ数式近似により再度モデル化して第2のモデル化目的関数を算出し前記コンピュータが備えるメモリに書き込む第2の目的関数モデル化ステップと、
前記コンピュータが有するプロセッサが、前記複数の第2のモデル化目的関数毎に、前記第2の目的関数モデル化ステップにおいて計算される各精度情報が指定された精度条件を満たすか否かを判定する精度条件判定ステップと、
前記コンピュータが有するプロセッサが、該精度条件判定ステップが前記精度条件を満たすとの第1の判定をした場合に、該第1の判定対象とされた第2のモデル化目的関数を、前記最適な設計パラメータの組を計算するための出力モデル化目的関数として決定し前記コンピュータが備えるメモリに書き込む出力モデル化目的関数決定ステップと、
前記コンピュータが有するプロセッサが、前記精度条件判定ステップが前記精度条件を満たさないとの第2の判定をした場合に、前記第1の所定組数よりも多量の第2の所定組数の設計パラメータのサンプルの組に対して前記第2の判定対象となった第2のモデル化目的関数の各値を計算し前記コンピュータが備えるメモリに書き込むモデル化目的関数値計算ステップと、
前記コンピュータが有するプロセッサが、該計算された第2のモデル化目的関数の各値について、該値が、前記精度を要する範囲として指定された値域に含まれ、かつ該値に対応する設計パラメータのサンプルの組から計算される他のどの第2のモデル化目的関数の値よりも小さいときに、該値を算出した前記設計パラメータのサンプルの組を該値の計算に用いた目的関数に対応させて前記コンピュータが備えるメモリに書き込む逆像計算ステップと、
前記コンピュータが有するプロセッサが、前記第2の判定対象となった第2のモデル化目的関数に対応する目的関数毎に、現在の入力設計パラメータサンプル組群と該目的関数に対応して前記逆像計算ステップにて記憶されている前記設計パラメータのサンプルの組とに基づいて、新たな入力設計パラメータサンプル組群を決定し前記第1の目的関数モデル化ステップに入力させて、該第1の目的関数モデル化ステップ、前記重み決定ステップ、前記第2の目的関数モデル化ステップ、及び前記精度条件判定ステップの動作を繰り返し実行させるモデル化繰返し制御ステップと、
を含む多目的最適化設計支援方法。 - 設計パラメータの組を複数組入力して、所定の計算に基づいて同一の又は比較可能な指標で表される複数の目的関数の各値を計算しながら多目的最適化処理を実行することにより、最適な設計パラメータの組の決定を支援する装置であって、
第1の所定組数の設計パラメータのサンプルの組を、前記複数の目的関数毎の初期の入力設計パラメータサンプル組群として決定する初期入力設計パラメータサンプル組群決定部と、
前記複数の目的関数毎に、前記入力設計パラメータサンプル組群に対して前記複数の目的関数の各値を計算しながら、前記複数の目的関数をそれぞれ数式近似によりモデル化してモデル化目的関数を算出する目的関数モデル化部と、
前記複数のモデル化目的関数毎に、前記目的関数モデル化部において計算される各精度情報が指定された精度条件を満たすか否かを判定する精度条件判定部と、
該精度条件判定部が前記精度条件を満たすとの第1の判定をした場合に、該第1の判定対象とされたモデル化目的関数を、前記最適な設計パラメータの組を計算するための出力モデル化目的関数として決定する出力モデル化目的関数決定部と、
前記精度条件判定部が前記精度条件を満たさないとの第2の判定をした場合に、前記第1の所定組数よりも多量の第2の所定組数の設計パラメータのサンプルの組に対して、前記第2の判定対象となったモデル化目的関数の各値を計算するモデル化目的関数値計算部と、
該計算されたモデル化目的関数の各値について、該値が、前記精度を要する範囲として指定された値域に含まれ、かつ該値に対応する設計パラメータのサンプルの組から計算される他のどのモデル化目的関数の値よりも小さいときに、該値を算出した前記設計パラメータのサンプルの組を該値の計算に用いた目的関数に対応させて記憶する逆像計算部と、
前記第2の判定対象となったモデル化目的関数に対応する目的関数毎に、現在の入力設計パラメータサンプル組群と該目的関数に対応して前記逆像計算部にて記憶されている前記設計パラメータのサンプルの組とに基づいて、新たな入力設計パラメータサンプル組群を決定し前記目的関数モデル化部に入力させて、該目的関数モデル化部、及び前記精度条件判定部の動作を繰り返し実行させるモデル化繰返し制御部と、
を含むことを特徴とする多目的最適化設計支援装置。 - 設計パラメータの組を複数組入力して、所定の計算に基づいて同一の又は比較可能な指標で表される複数の目的関数の各値を計算しながら多目的最適化処理を実行することにより、最適な設計パラメータの組の決定を支援する装置であって、
第1の所定組数の設計パラメータのサンプルの組を、前記複数の目的関数毎の初期の入力設計パラメータサンプル組群として決定する初期入力設計パラメータサンプル組群決定部と、
前記複数の目的関数毎に、前記入力設計パラメータサンプル組群に対して前記複数の目的関数の各値を計算しながら、前記複数の目的関数をそれぞれ数式近似によりモデル化して第1のモデル化目的関数を算出する第1の目的関数モデル化部と、
前記複数の目的関数の各値毎に、該値が、精度を要する範囲として指定された値域に含まれるか否か、及び該値を算出した入力設計パラメータサンプル組に対応する他のどの目的関数又は第1のモデル化目的関数の値よりも小さいか否かに応じて、重みを決定する重み決定部と、
前記入力設計パラメータサンプル組と該サンプル組に対応して計算された前記複数の目的関数の各値とに基づいて、前記複数の目的関数の各値毎に決定された重みに応じたモデル化を行いながら、前記複数の目的関数をそれぞれ数式近似により再度モデル化して第2のモデル化目的関数を算出する第2の目的関数モデル化部と、
前記複数の第2のモデル化目的関数毎に、前記第2の目的関数モデル化部において計算される各精度情報が指定された精度条件を満たすか否かを判定する精度条件判定部と、
該精度条件判定部が前記精度条件を満たすとの第1の判定をした場合に、該第1の判定対象とされた第2のモデル化目的関数を、前記最適な設計パラメータの組を計算するための出力モデル化目的関数として決定する出力モデル化目的関数決定部と、
前記精度条件判定部が前記精度条件を満たさないとの第2の判定をした場合に、前記第1の所定組数よりも多量の第2の所定組数の設計パラメータのサンプルの組に対して、前記第2の判定対象となった第2のモデル化目的関数の各値を計算するモデル化目的関数値計算部と、
該計算された第2のモデル化目的関数の各値について、該値が、前記精度を要する範囲として指定された値域に含まれ、かつ該値に対応する設計パラメータのサンプルの組から計算される他のどの第2のモデル化目的関数の値よりも小さいときに、該値を算出した前記設計パラメータのサンプルの組を該値の計算に用いた目的関数に対応させて記憶する逆像計算部と、
前記第2の判定対象となった第2のモデル化目的関数に対応する目的関数毎に、現在の入力設計パラメータサンプル組群と該目的関数に対応して前記逆像計算部にて記憶されている前記設計パラメータのサンプルの組とに基づいて、新たな入力設計パラメータサンプル組群を決定し前記第1の目的関数モデル化部に入力させて、該第1の目的関数モデル化部、前記重み決定部、前記第2の目的関数モデル化部、及び前記精度条件判定部の動作を繰り返し実行させるモデル化繰返し制御部と、
を含むことを特徴とする多目的最適化設計支援装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008294943A JP5176895B2 (ja) | 2008-11-18 | 2008-11-18 | Sram形状パラメータ等の多目的最適化設計支援装置、方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008294943A JP5176895B2 (ja) | 2008-11-18 | 2008-11-18 | Sram形状パラメータ等の多目的最適化設計支援装置、方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010122832A JP2010122832A (ja) | 2010-06-03 |
JP5176895B2 true JP5176895B2 (ja) | 2013-04-03 |
Family
ID=42324129
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008294943A Expired - Fee Related JP5176895B2 (ja) | 2008-11-18 | 2008-11-18 | Sram形状パラメータ等の多目的最適化設計支援装置、方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5176895B2 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5402351B2 (ja) | 2009-07-24 | 2014-01-29 | 富士通株式会社 | 多目的最適化設計支援装置、方法、及びプログラム |
JP5418409B2 (ja) * | 2010-06-01 | 2014-02-19 | 富士通株式会社 | モデル式生成方法、装置及びプログラム |
DE112011103563T8 (de) * | 2010-10-27 | 2013-11-21 | Solido Design Automation Inc. | Verfahren und System zum Identifizieren von seltenen Fehlerraten |
US9858368B2 (en) | 2011-07-13 | 2018-01-02 | International Business Machines Corporation | Integrating manufacturing feedback into integrated circuit structure design |
US20210232738A1 (en) * | 2018-06-07 | 2021-07-29 | Nec Corporation | Analysis device, analysis method, and recording medium |
CN111523168B (zh) * | 2020-04-22 | 2023-01-31 | 中电建路桥集团有限公司 | 多工况多目标下液体粘滞阻尼器参数优化方法 |
JP2023059128A (ja) | 2021-10-14 | 2023-04-26 | 富士通株式会社 | 情報処理プログラム、情報処理方法、および情報処理装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09325983A (ja) * | 1996-06-06 | 1997-12-16 | Nippon Telegr & Teleph Corp <Ntt> | 最適解計算方法 |
JP2005267025A (ja) * | 2004-03-17 | 2005-09-29 | Tsutomu Ukyo | 解析モデルの領域抽出システム、方法、プログラム、およびプログラム媒体 |
JP2008059106A (ja) * | 2006-08-30 | 2008-03-13 | Nissan Motor Co Ltd | サンプリング生成装置、サンプリング生成プログラムが記録された媒体及びサンプリング生成方法 |
-
2008
- 2008-11-18 JP JP2008294943A patent/JP5176895B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2010122832A (ja) | 2010-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5176895B2 (ja) | Sram形状パラメータ等の多目的最適化設計支援装置、方法、及びプログラム | |
Kudela et al. | Recent advances and applications of surrogate models for finite element method computations: a review | |
Park et al. | Structural optimization based on CAD–CAE integration and metamodeling techniques | |
JP5282493B2 (ja) | 最適解関係表示装置、方法、及びプログラム | |
US20090326881A1 (en) | Multi-objective optimal design improvement support device, its method and storage medium | |
JP5402351B2 (ja) | 多目的最適化設計支援装置、方法、及びプログラム | |
Karatzas et al. | A reduced basis approach for PDEs on parametrized geometries based on the shifted boundary finite element method and application to a Stokes flow | |
Arendt et al. | Objective-oriented sequential sampling for simulation based robust design considering multiple sources of uncertainty | |
Bonfiglioli et al. | Unsteady shock‐fitting for unstructured grids | |
Trobec et al. | Parallel scientific computing: theory, algorithms, and applications of mesh based and meshless methods | |
JP2014006813A (ja) | 性能予測装置、性能予測方法、及びプログラム | |
Boopathy et al. | Unified framework for training point selection and error estimation for surrogate models | |
JP2011154439A (ja) | 最適化処理プログラム、方法及び装置 | |
US20100205574A1 (en) | Support apparatus and method | |
JP2018067124A (ja) | シミュレーションプログラム、シミュレーション方法および情報処理装置 | |
JP6219528B2 (ja) | シミュレーションシステム、及びシミュレーション方法 | |
JP4871194B2 (ja) | パラメータ抽出方法及び当該パラメータ抽出方法を実行させるプログラムを具備するコンピュータ読み取り可能な記憶媒体 | |
KR20090078311A (ko) | 수식 처리 기법을 이용한 다목적 최적화 설계 지원 장치, 방법 및 기록 매체 | |
JP3987059B2 (ja) | 最適値探索支援装置、最適値探索支援方法、及び記録媒体 | |
JP2014006804A (ja) | サンプリング装置、サンプリング方法、近似モデル生成装置、近似モデル生成方法及びプログラム | |
JP5969836B2 (ja) | モデル適用装置、モデル適用方法、及びプログラム | |
Beguinet et al. | Deep learning-based schemes for singularly perturbed convection-diffusion problems | |
McDonald | Development of a high-order finite-volume method for unstructured meshes | |
JP2020184268A (ja) | 演算処理装置、演算処理プログラム、及び演算処理方法 | |
Key et al. | Model order reduction for deforming domain problems in a time‐continuous space‐time setting |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110808 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20120907 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120925 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20121121 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20121211 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20121224 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5176895 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |