東芝AI技術カタログ

• デバイス設計業務（HDDサーボ系、パワーデバイス設計など）
• システムのパラメータ同定
• 機械学習モデルのハイパーパラメータ調整

• 典型的なベイズ最適化では探索が困難な100以上の種類の設計パラメータを実用的な時間で調整できます。
• HDDサーボ系調整への適用により、熟練者の1/3の時間で調整し、位置決め誤差を13%低減しました。
• パワー半導体素子の構造設計への適用により、オン抵抗を低減する新構造を発見しました。

東芝研究開発センターへのお問合せ

問合せの際はタイトル【東芝AI技術カタログ：多数のパラメータを素早く自動で調整する高次元ベイズ最適化】やURLを文面に含めてください。
本技術は研究開発中のためご要望にすぐに対応できない可能性があります。

参考文献：

• Y. Taguchi, H. Gangi, "Bayesian Optimization that Limits Search Region to Lower Dimensions utilizing Local GPR," 2023 22nd International Conference on Machine Learning and Applications (ICMLA), Jacksonville, FL, USA, 2023, pp. 202-209, doi: 10.1109/ICMLA58977.2023.00036.
• 人手では探索困難な多数のパラメータを自動で最適化するAI「高次元ベイズ最適化技術」を開発 －高性能パワー半導体などのデバイスや先端材料のデータドリブン設計でDE・DXを推進－ | 研究開発センター | 東芝 (global.toshiba)
• "HDDサーボ系の高次元設計パラメーター最適化技術," 東芝レビュー78巻2号（2023年3月） (global.toshiba) (PDF形式)(2.13MB)
• 雁木比呂, 田口安則, 井口智明, "機械学習を用いたSiパワーMOSFETの自動設計技術," 東芝レビュー, 77巻6号, pp.52-55, 2022. (PDF形式)(459KB)
• H. Gangi et al., "Design Optimization of Multiple Stepped Oxide Field Plate Trench MOSFETs with Machine Learning for Ultralow On-resistance," 2021 33rd International Symposium on Power Semiconductor Devices and ICs (ISPSD), Nagoya, Japan, 2021, pp. 151-154, doi: 10.23919/ISPSD50666.2021.9452194.