Sensitivity Analysis for Active Sampling, with Applications to the Simulation of Analog Circuits

我们提出了一种主动采样流程，以模拟对模拟电路的组合变化的影响为例。在这种情况下，由于参数数量巨大，很难拟合代理模型并有效地探索设计特征的空间。 通过结合灵敏度分析和贝叶斯代理建模的激进降维，我们得到了一个灵活的主动采样流程。在合成和实际数据集上，这个流程优于通常作为设计空间探索基础的蒙特卡罗采样方法。

通过结合灵敏度分析和贝叶斯代理建模，提出了一种主动采样流程，用于模拟模拟模拟电路上的组合变化的影响。该流程旨在解决设计特征空间大、难以拟合代理模型和高效地探索设计特征空间的问题。

论文的关键思路是将灵敏度分析和贝叶斯代理建模相结合，实现了对设计特征空间的灵活主动采样，从而优于通常作为设计空间探索基础的蒙特卡洛采样。

实验结果表明，该流程在合成和真实数据集上表现优异。论文的贡献在于提出了一种灵活的主动采样流程，用于解决模拟电路设计中的高维度问题。

近期的相关研究包括基于元学习的主动采样和贝叶斯优化等。