5.1 まとめ
本論⽂では、NN を⽤いて電源特性から伝達関数を予測する⼿法を応⽤して、GA に よる最適化過程で得られるデータを学習データに使⽤する⼿法と、NN による伝達関 数の予測精度を別の NN によって導出する⼿法を提案した。GA による学習データ作 成⼿法を⽤いることで、NN の学習に適したデータを効率的に作成することが可能で ある。また、別の NN による予測精度の導出⼿法により、NN から出⼒された伝達関 数に対してその予測精度をシミュレーション無しに確認することが可能である。さら に、本⼿法で作成された 2 つの NN から⾼速設計システムを構築することで、ユーザ ーが電源特性を⼊⼒すると、瞬時に伝達関数とその予測精度を得ることが可能とな る。これにより、設計者を選ぶことなく誰でも簡易的にフィルタ伝達関数の設計が⾏
える。
5.2 今後の課題
今後の課題としては⼤きく 2 つの内容が挙げられる。1 つは、コンバータの素⼦パ ラメータの変化に対応した伝達関数の予測を可能にすることである。本研究ではコン バータの素⼦パラメータを固定して学習データを作成しているため、素⼦パラメータ が変動した際の予測ができない問題がある。素⼦パラメータの変動を学習データに含 めるとデータ範囲が膨⼤に広がるため、汎化性能を落とさずかつ正確な学習をする⽅
法を模索する必要がある。もう 1 つは全ての電源特性において予測誤差率と実際の誤 差率を⼀致させる必要があることである。全ての電源特性の平均誤差率においてはほ ぼ傾向が⼀致しているが、それぞれの電源特性で⾒ると⼀致しないパラメータが存在 するため、予測誤差率を完全な予測精度と判断することができない問題がある。解決 には、電源特性モデルを作成する際に精度が悪くなりやすいパラメータに対して重み を加えて、全ての電源特性の精度を⼀定に保つ調整をする必要がある。
48
謝辞
本研究を進めるにあたって、ご指導を頂いた所属研究室の髙井伸和准教授、サンケ ン電気株式会社の⼭崎尊永⽒、下川宗⼀郎⽒、⽵本義孝⽒、岩渕昭夫⽒に感謝の意を 表します。また、有益な助⾔を頂いた同研究室の新井信吾⽒、永嶋宣彦⽒、松場輝樹
⽒、猿⽥将⼤⽒、今野哲史⽒、同研究分野の新井貴之⽒、齋藤彰寛⽒、中島望夢⽒に
⼼より感謝を申し上げます。また、論⽂審査をして頂きました栗⽥伸幸准教授、⼸仲 康史准教授に⼼より感謝申し上げます。
49
参考⽂献
[1] S. Arai、 N. Takai、 Y. Kubo、 A. Iwabuchi、 S. Shimokawa、 Y. Takemoto、 T. Yamazaki、
''Automatic design of higher-order transfer function of the control circuit of the step-down converter、 '' 電気学会 電子・情報・システム部門大会、 琉球大学、 Sep.2019.
[2] JIANHAI YU 、 ZHIGANG MAO、 ”A Design Method in CMOS Operational Amplifier Optimization Based on Adaptive Genetic Algorithm、” WSEAS Transactions on Circuits and Systems archive、 Volume 8 Issue 7、 Pages 548-558、 July 2009
[3] Y. Kubo、 N. Takai、 M. Fukuda、 T. Matsuba、 T. Yamazaki、 S. Shimokawa、 A. Iwabuchi、
''Regression Analysis of Transfer Function of an Analog Filter from Circuit Characteristics Using Deep Learning、 '' 9th International Conference on Advanced Micro-Device Engineering、
P064、 Kiryu、 Japan、 Dec. 2018.
[4] A.J.Forsyth and S.V.Mollov、 ''Modelling and control of DC-DC converters、 '' Power Engineering Journal、 Vol. 12、 No. 5、 229-236、 Oct 1998.
[5] K.H.Ang、 G.Chong、 and Y.Li、 '' PID Control System Analysis、 Design、 and Technology '' IEEE Transections on Control Systems Technology、 Vol. 13、 No. 4、 559-576、 July 2005.
[6] M.Abadi、 P.Barham、 J.Chen、 Z.Chen、 A.Davis、 J.Dean、 M.Devin、 S.Ghemawat、
G.Irving、 M.Isard、 M.Kudlur、J.Levenberg、 R.Monga、 S.Moore、 D.G.Murray、 B.Steiner、
P.Tucker、 V.Vasudevan、 P.Warden、 M.Wicke、 Y.Yu、 and X.Zheng '' TensorFlow:
A system for large-scale machine learning '' 12th USENIX Symposium on Operating Systems Design and Implementation OSDI' 16、 265-283、 Nov 2016.
[7] N. Takai、 M. Fukuda、 ''Prediction of Element Values of OPAmp forRequired Specifications Utilizing Deep Learning、 '' IEEE International Symposium on Electronics and Smart Devices 2017、 SS2-6、 Yogyakarta、 Indonesia Oct 2017.
[8] 谷岡 貴之、”深層学習、” 講談社、 2015 年