Lighthouse RL: 전략적 리셋 포인트를 통한 샘플 효율적인 회로 최적화

요약

본 논문은 아날로그 회로 크기 설정을 위한 샘플 효율적인 강화학습(RL) 접근 방식인 Lighthouse RL을 제안합니다. 이 방법은 훈련 과정에서 발견된 고성능 구성('등대')으로부터 에피소드를 초기화하는 전략적 리셋 기법을 사용해 탐색의 비효율성을 해결했습니다. 실험 결과, 기존 대비 샘플 효율성과 최적화 성능 등 여러 면에서 큰 개선을 입증했습니다.

핵심 포인트

• Lighthouse RL은 아날로그 회로 설정을 위한 샘플 효율적인 RL 접근법입니다.
• 전략적 리셋(lighthouses)을 통해 탐색 과정을 유망한 영역으로 안내합니다.
• 샘플 효율성, 최적화 성능 등에서 기존 방법 대비 상당한 개선을 보였습니다.
• 제안된 리셋 전략은 모든 RL 기반 최적화 접근 방식에 적용 가능합니다.