11:25
官方账号arXiv cs.LG@Mustafa Emre Gürsoy, Stefan Uhlich, Ryoga Matsuo, Yağız Gençer, Arun Venkitaraman, Chia-Yu Hsieh, Andrea Bonetti, Eisaku Ohbuchi, Lorenzo Servadei
推荐理由：Lighthouse RL用巧妙的‘灯塔’重置点大幅提升电路优化效率，样本快1.72倍，成功率拉满到100%。搞硬件优化的千万别错过。
模拟电路
共 1 条相关 AI 资讯
7月16日
11:25
本文提出Lighthouse RL，一种样本高效的强化学习方法，用于模拟电路尺寸优化。传统方法难以泛化到不同性能目标，标准RL则在无前途区域浪费资源。该方法通过从训练中发现的高性能配置（称为'lighthouses'）初始化回合，引导探索到有前景区域。在2D基准问题和两个模拟电路上，相比RL和贝叶斯优化，样本效率提升高达1.72倍，成功率从0-87%提升至100%，泛化成功率从0-50%提升至75%。该重置策略可作为任何基于RL的优化方法的即插即用增强。