应用于训练元优化函数以计算针对设计公司函数的参数的协作学习制造技术

本公开涉及应用于训练元优化函数以计算针对设计公司函数的参数的协作学习。提供了用于在设计公司间创建和共享知识的系统和方法。特别地，本公开技术的示例利用元优化和协作学习的概念来减少由如下个体设计公司所承担的计算负担，该个体设计公司使用逆向设计技术以保护知识产权敏感信息的方式寻找最优设计。示例可以在针对不同(但相关)设计任务的设计公司间共享中央元优化器(即局部元优化器)的版本。可以训练局部元优化器以通过计算针对设计公司的私有优化函数的超参数来间接地优化设计任务。私有优化函数可能正在使用逆向设计技术来为设计任务寻找最佳设计。这可以对应于使用梯度下降技术或更高级的全局优化技术寻找成本函数的全局最小值。成本函数的全局最小值。成本函数的全局最小值。

【技术实现步骤摘要】
应用于训练元优化函数以计算针对设计公司函数的参数的协作学习

技术介绍

[0001]逆向设计是一种反向类型的优化问题，其从期望的性能目标开始，并且寻找实现性能目标的最优设计。例如，设计公司(例如光子设计公司)可以为特定设计任务(例如设计光栅耦合器)指定所期望的性能目标(例如特定带宽或插入损耗)。设计公司可以使用逆向设计技术(诸如使用伴随方法的梯度下降)来寻找实现性能目标的最佳设计。
[0002]元优化(也被称为元学习)是使用一种优化方法/函数来调整另一种优化方法/函数。例如，可以训练一个元优化函数来调整另一个优化函数的参数。
[0003]协作学习(诸如联合学习或群体学习)涉及两个或更多个实体(例如人、机器、机器学习模型等)试图一起学习某些东西。例如，协作学习可以涉及学习方从事类似任务并且创建和彼此分享知识的方法。
附图说明
[0004]根据一个或多个不同的示例，参考以下附图详细描述了本公开。提供附图仅用于说明目的并且仅描绘示例。
[0005]图1图示了设计公司的私有优化函数可能会寻求最小化的示例成本函数
[0006]图2图示本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种方法，包括：接收局部元优化器；训练所述局部元优化器以计算针对私有优化函数的参数；以及向中央中介提供与训练所述局部元优化器相关联的信息，其中：与训练所述局部元优化器相关联的所述信息包括所述局部元优化器的参数；并且所述中央中介根据所述局部元优化器的所述参数来修改所述中央元优化器的参数。2.根据权利要求1所述的方法，其中所述局部元优化器是所述中央元优化器的一个版本。3.根据权利要求2所述的方法，还包括：训练所述私有优化函数以优化针对设计任务的设计。4.根据权利要求3所述的方法，其中训练所述私有优化函数以优化针对所述设计任务的所述设计包括：训练所述私有优化函数以寻找成本函数的全局最小值。5.根据权利要求4所述的方法，其中训练所述私有优化函数以寻找所述成本函数的所述全局最小值包括：运行现场仿真以及应用梯度下降技术。6.根据权利要求5所述的方法，其中训练所述局部元优化器以计算针对所述私有优化函数的参数包括：训练所述局部元优化器以计算针对所述私有优化函数的、减少优化针对所述设计任务的所述设计所需的现场仿真的数目的参数。7.根据权利要求6所述的方法，其中根据所述局部元优化器的所述参数确定是否修改所述中央元优化器的参数包括：确定由所述私有优化函数运行的所述现场仿真是否满足已定义的标准；以及响应于所述已定义的标准被满足，根据所述局部元优化器的所述参数来修改所述中央元优化器的所述参数。8.根据权利要求5所述的方法，其中：训练所述私有优化函数以优化针对所述设计任务的所述设计包括：使用强化学习；并且根据所述局部元优化器的所述参数确定是否修改所述中央元优化器的参数包括：响应于所述私有优化函数获得超过阈值的累积奖励，根据所述局部元优化器的所述参数来修改所述中央元优化器的所述参数。9.一种系统，包括：至少一个处理器；以及存储指令的存储器，所述指令在由所述至少一个处理器执行时，使所述系统执行方法，所述方法包括：为一个或多个设计公司提供局部元优化器以用于训练；接收与由所述一个或多个设计公司训练一个或多个局部元优化器相关联的信息，所述信息包括所述一个或多个局部元优化器的参数；以及修改所述中央元优化器的参数。10.根据权利要求9所述的系统，其中修改所述中央元优化器的参数包括：根据所述一个或多个局部元优化器的所述参数来修改所述中央元优化器的参数。11.根据权利要求10所述的系统，其中根据所述一个或多个局部元优化器的所述参数
来修改所述中央元优化器的参数包括：确定由给定设计公司运行的现场仿真是否满足已定义的标准；...

【专利技术属性】
技术研发人员：T，
申请(专利权)人：慧与发展有限责任合伙企业，
类型：发明
国别省市：