# optimize_ATLAS.py 使い方マニュアル ― 外部計算エンジン（ATLAS）連携型 最適化プログラム ― --- ## 1. はじめに 本マニュアルは、 `tkoptimize_flex` フレームワークを用いた **外部計算エンジン連携型最適化プログラム `optimize_ATLAS.py`** の使い方をまとめたものです。 本プログラムは主に、 - Silvaco ATLAS などの TCAD - 外部 exe / dll / so - 計算コストが高いブラックボックス評価関数 を用いた **パラメータ同定・モデルフィッティング**を目的としています。 --- ## 2. optimize_ATLAS.py の位置づけ --- ### 2.1 フレームワーク内での役割 optimize_ATLAS.py は、 - 最適化シナリオ（mode）を制御 - 外部計算エンジンを評価関数として使用 - optimize_ATLAS_mf.py を介して tkoptimize_flex / tkFit_mxy_flex を起動 する **アプリケーション層**に相当します。 --- ### 2.2 他プログラムとの違い --- | プログラム | 評価関数 | 特徴 | |---|---|---| | optimize_mup.py | Python 内部 | 固定次元・物理モデル | | optimize_peakfit.py | Python 内部 | 可変次元・データ駆動 | | **optimize_ATLAS.py** | **外部エンジン** | **TCAD / 高コスト計算** | --- ## 3. 必要なファイル構成 --- optimize_ATLAS.py を使用するには、以下が必要です。 --- - optimize_ATLAS.py メインプログラム - optimize_ATLAS_mf.py 外部実行対応 mf - optimize_ATLAS_lib.py ATLAS 固有 I/O・解析ライブラリ - *_fit_config.xlsx フィッティングパラメータ定義 - *_arg_config.xlsx 起動時引数の既定値 - ATLAS 入力テンプレート （deck / cmd / control ファイル） - 実測データファイル （xlsx / csv） --- ## 4. 基本的な起動形式 --- python optimize_ATLAS.py [mode] [options] --- mode によって、処理内容が切り替わります。 --- ## 5. Step 1 ## 入力データの確認（plot モード） --- ### 目的 - 実測データが正しく読めるか確認 - Vg, Vd, T の範囲・単位確認 --- ### 起動例 --- python optimize_ATLAS.py plot --infile idvg_measured.xlsx --xlabel Vg --ylabel Id --- ### 確認事項 - データが意図した軸で表示される - 欠損・異常値がない - 単位系が ATLAS 設定と一致している --- ## 6. Step 2 ## 最適化用入力データ生成（make_input_data モード） --- ### 目的 - 実測データと ATLAS 計算条件を照合 - 最適化用 infile を生成 --- ### 起動例 --- python optimize_ATLAS.py make_input_data --infile idvg_measured.xlsx --outfile atlas_opt_input.xlsx --- ### 出力 - 最適化用に整理された入力データ - 初期 obs / cal 比較用データ --- ## 7. Step 3 ## 外部エンジン単体動作確認（sim モード） --- ### 目的 - 最適化を行わず - 現在のパラメータで ATLAS を実行 - 出力ログを確認 --- ### 起動例 --- python optimize_ATLAS.py sim --infile atlas_opt_input.xlsx --method simplex --- ### この段階で確認すること - ATLAS が正常終了する - ログファイルが生成される - Id–Vg カーブが妥当 --- ## 8. Step 4 ## 線形パラメータの最適化（lfit モード） --- ### 目的 - 線形パラメータ（prefactor 等）を安定化 - 非線形最適化の準備 --- ### 起動例 --- python optimize_ATLAS.py lfit --infile atlas_opt_input.xlsx --- ### 内部処理 - 非線形パラメータ固定 - 線形最小二乗で係数を更新 --- ## 9. Step 5 ## 非線形最適化（fit モード） --- ### 目的 - 外部エンジンを評価関数として - 全パラメータを最適化 --- ### 起動例（独自 SIMPLEX） --- python optimize_ATLAS.py fit --infile atlas_opt_input.xlsx --method simplex --nmaxiter 200 --tol 1.0e-5 --- ### 多峰性が疑われる場合（GA） --- python optimize_ATLAS.py fit --infile atlas_opt_input.xlsx --method ga --- ### 注意点 - 実行時間が長い - 履歴（history.xlsx）を必ず確認 --- ## 10. Step 6 ## パラメータスキャン・尤度評価（scan モード） --- ### 目的 - パラメータ誤差分布を評価 - 共分散行列に依らない誤差解析 --- ### 起動例 --- python optimize_ATLAS.py scan --infile atlas_opt_input.xlsx --scan_param Nt --scan_min 1.0e11 --scan_max 1.0e13 --scan_n 20 --- ### 解釈 --- 評価関数は、 $$ f(\mathbf{x}) \approx -2 \log \mathcal{L}(\mathbf{x}) $$ と解釈できるため、 $$ \Delta f(x_i) = f(x_i) - f_{\min} $$ を用いて誤差範囲を評価します。 --- ## 11. Step 7 ## サロゲート最適化（mlr / so モード） --- ### 目的 - ATLAS 実行回数を削減 - 高次元・高コスト最適化を効率化 --- ### 起動例（GPR ベース） --- python optimize_ATLAS.py fit --infile atlas_opt_input.xlsx --method so:gpr --- ### 注意 - 初期サンプル数が重要 - surrogate の信頼範囲を常に確認 --- ## 12. 推奨される実行順序 --- 1. plot → 実測データ確認 2. make_input_data → 最適化用入力生成 3. sim → ATLAS 単体確認 4. lfit → 線形パラメータ安定化 5. fit → 非線形最適化 6. scan → 尤度による誤差評価 7. so:xxx → 高コスト時の高速化 --- ## 13. 実践的な注意点 --- - 外部エンジンは「失敗する前提」で扱う - ログは必ず保存 - 実行途中で止められる設定にする - surrogate を早期に検討する --- ## 14. おわりに --- optimize_ATLAS.py は、 - 外部エンジン - ブラックボックス評価関数 - 高計算コスト問題 を **同一の最適化思想で扱うための実用ツール**です。 optimize_mup / optimize_peakfit と併せて用いることで、 `optimize_flex` フレームワークの適用範囲が大きく広がります。 本マニュアルが、 外部計算エンジンを用いた最適化作業の 安全で再現性の高い運用に役立つことを願っています。 ---