[发明专利]存储介质和数据处理方法

说明书

本文公开了存储介质和数据处理方法。提供了一种非暂态计算机可读存储介质，其存储有使计算机执行处理的程序，该处理包括：基于通过对使用变量的值的组合而生成的数据集进行学习处理而获取的并且对数据的维数进行压缩的压缩模型，获取压缩空间内的与通过使用变量的值的预定组合而生成的数据相对应的点；基于与通过使用预定组合而生成的数据相对应的点、空间内的与根据变量的值而改变的特性的目标值相对应的目标点以及空间内的针对变量中的预定变量的回归模型，获取预定变量的改变量；以及通过使用改变量来改变包括在预定组合中的预定变量的值。

技术领域

本文讨论的实施方式涉及存储介质和数据处理方法。

背景技术

在电路设计中，通过组合表示电路参数的设计变量来设置设计空间。设计变量用于描述目标函数，使得将优化问题公式化。在设计空间中，执行搜索处理，其搜索用于优化目标函数的最优解(全局解)。

然而，当设计变量之间存在相互作用时，作为设计空间中的目标函数的曲面的解空间是多模态的。在解空间中可能会存在多个峰和谷。在这种情况下，通过根据简单梯度方法的搜索处理，搜索结果容易陷入局部解而不是全局解。

因此，数学规划、元启发式算法、响应面方法等已经用于寻找全局解。元启发式算法包括模拟退火、遗传算法等。

关于电路设计，已知一种电路参数设计方法，该方法不仅考虑到所制造的产品电路的性能的变化，而且考虑到由于变化引起的损失的最小化(例如，参见日本公开特许公报第2000-293556号)。还已知一种信息处理设备，该信息处理设备利用递归神经网络和变分自动编码器(Variational autoencoder，VAE)的组合来执行机器学习。作为相关技术，例如，公开了日本公开特许公报第2000-293556号和日本公开特许公报第2018-152004号。

发明内容

在诸如数学规划、元启发式算法和响应面方法之类的常规方法中的共同特征是：通过在设计空间中设计搜索处理来减少寻找全局解的迭代次数。但是，由于通过使用设计变量来描述目标函数，因此解空间的结构得以维持，并且解空间中仍然存在多个峰和谷。因此，搜索全局解的时间可能不会减少。

上述问题不仅发生在电路设计中，而且还发生在针对各种分析目标的用于获取参数的全局解的搜索处理中。

根据实施方式的一个方面，提供了一种非暂态计算机可读存储介质，其存储有使计算机执行处理的程序，该处理包括：基于通过对使用变量的值的组合而生成的数据集进行学习处理而获取的并且对数据的维数进行压缩的压缩模型，获取压缩空间内的与通过使用变量的值的预定组合而生成的数据相对应的点；基于与通过使用预定组合而生成的数据相对应的点、所述空间内的与根据变量的值而改变的特性的目标值相对应的目标点以及所述空间内的针对变量中的预定变量的回归模型，获取预定变量的改变量；以及通过使用改变量来改变包括在预定组合中的预定变量的值。

发明的有益效果

根据实施方式，可以搜索对分析目标的特性有贡献的多个变量的值的适当组合。

附图说明

图1是数据处理设备的功能配置图；

图2是数据处理的流程图；

图3是数据处理设备的特定示例的功能配置图；

图4是示出电源电路的电路设计中的VAE的图；

图5是示出在隐空间(latent space)中绘制的图像的图；

图6是示出在VAE上进行的学习处理的图；

图7A和图7B是示出斜坡函数和S形函数(sigmoid function)的图；

图8是学习处理的流程图；