特許ウォッチ

公開番号2025169939
公報種別公開特許公報(A)
公開日2025-11-14
出願番号2025077484
出願日2025-05-07
発明の名称試験測定システム及び被試験デバイスの試験方法
出願人テクトロニクス・インコーポレイテッド,TEKTRONIX,INC.
代理人個人,個人
主分類G01R 13/28 20060101AFI20251107BHJP(測定;試験)
要約【課題】ニューラル・ネットワークの学習をDUTの新データで効率的に更新する。
【解決手段】試験測定システムには、機械学習システム246、被試験デバイス(DUT)210への接続部のある試験測定装置220、DUT210からの信号を受けて1つ以上のデジタル波形に変換する1つ以上のADCがあり、1つ以上のプロセッサは、DUT210に適用されるチューニング・パラメータのセットに対応する1つ以上のデジタル波形を受信し、1つ以上のデジタル波形の1つ以上の画像テンソルを構築し、人工知能埋め込み表現モデルを使用してメタデータから1つ以上のテキスト文字列を生成すると共にメタデータと1つ以上の画像テンソルを埋め込み表現ベクトルに変換し、ベクトル・データベースにアクセスし、マッチングの数に対応する個数のインデックスを有するインデックスのセットを受けて、このセットを利用して最適なチューニング・パラメータの1つ以上のセットを見つけ、DUT210の動作を検証する。
【選択図】図5
特許請求の範囲【請求項１】
試験測定システムであって、
試験測定装置を被試験デバイス（ＤＵＴ）に接続できるようにする接続部と、
上記ＤＵＴから信号を受信し、１つ以上のデジタル波形に変換する１つ以上のアナログ・デジタル・コンバータ（ＡＤＣ）と
を有する上記試験測定装置と、
１つ以上のプロセッサとを具え、該１つ以上のプロセッサは、
上記ＤＵＴに適用される１つのチューニング・パラメータのセットに夫々対応する上記１つ以上のデジタル波形を上記１つ以上のＡＤＣから受信する処理と、
上記１つ以上のデジタル波形の１つ以上の画像テンソルを構築する処理と、
上記１つ以上のデジタル波形に関連するメタデータから１つ以上のテキスト文字列を生成すると共に、上記メタデータ及び上記１つ以上の画像テンソルを埋め込み表現ベクトルに変換する人工知能埋め込み表現モデルを使用する処理と、
ベクトル・データベースにアクセスする処理と、
マッチングの数に対応する個数のインデックスを有するインデックスのセットを上記ベクトル・データベースから受ける処理と、
上記インデックスのセットを使用して最適なチューニング・パラメータの配列にアクセスし、上記ＤＵＴの１つ以上の最適なチューニング・パラメータのセットを見つける処理と、
上記最適なチューニング・パラメータの配列からの上記１つ以上の最適なチューニング・パラメータのセットを使用して、上記ＤＵＴの動作を検証する処理と
を上記１つ以上のプロセッサに行わせるプログラムを実行するように構成される試験測定システム。
続きを表示（約 2,500 文字）【請求項２】
上記ＤＵＴの動作を検証する処理を上記１つ以上のプロセッサに行わせるプログラムは、
上記１つ以上の最適なチューニング・パラメータのセットの中の１つのセットで上記ＤＵＴをチューニングする処理と、
上記１つ以上の最適なチューニング・パラメータのセットの中の上記１つのセットで上記ＤＵＴを試験する処理と、
上記ＤＵＴが試験に合格したかどうかを判断する処理と、
上記ＤＵＴが試験に不合格の場合、上記１つ以上の最適なチューニング・パラメータのセットの中の別のセットを使用する処理と、
上記ＤＵＴが試験に合格するか、又は、上記１つ以上の最適なチューニング・パラメータのセットの全てセットで試験を行うかのいずれかまで反復する処理と
を上記１つ以上のプロセッサに行わせるプログラムを含む請求項１に記載の試験測定システム。
【請求項３】
上記１つ以上のプロセッサは、ユーザ試験プロセスを利用して、上記１つ以上の最適なチューニング・パラメータのセットの中の最も良いセットを使用して上記ユーザ試験プロセスを開始する処理を上記１つ以上のプロセッサに行わせるプログラムを実行するように更に構成される請求項２に記載の試験測定システム。
【請求項４】
上記１つ以上のプロセッサは、ユーザ試験プロセスを利用して、上記１つ以上の波形に関連するメタデータに由来するテキスト文字列及び上記１つ以上の画像テンソルで上記人工知能埋め込み表現モデルをアップデートする処理を上記１つ以上のプロセッサに行わせるプログラムを実行するように更に構成される請求項２に記載の試験測定システム。
【請求項５】
上記１つ以上のプロセッサは、該１つ以上のプロセッサが上記インデックスを使用する前に、上記メタデータを使用して上記インデックスの数を減らす処理を上記１つ以上のプロセッサに行わせるプログラムを実行するように更に構成される請求項１に記載の試験測定システム。
【請求項６】
上記１つ以上のプロセッサは、上記メタデータからチューニング・パラメータを読み取って回帰分析を実行して上記チューニング・パラメータの最も可能性の高い値を決定し、回帰チューニング・パラメータ・セットを返す処理を上記１つ以上のプロセッサに行わせるプログラムを実行するように更に構成される請求項１に記載の試験測定システム。
【請求項７】
上記１つ以上のプロセッサは、
最適なチューニング・パラメータの配列、テンソル画像及びテキストを含むチューニング・データを所定数のＤＵＴに関して収集する処理と、
上記チューニング・データを上記人工知能埋め込み表現モデルに入力して、上記人工知能埋め込み表現モデルが上記チューニング・データを変換し、上記ベクトル・データベースをアップデートできるようにする処理と
によって、上記人工知能埋め込み表現モデルに学習させる処理を上記１つ以上のプロセッサに行わせるプログラムを実行するように更に構成される請求項１に記載の試験測定システム。
【請求項８】
被試験デバイス（ＤＵＴ）を試験する方法であって、
上記ＤＵＴに適用される１つのチューニング・パラメータのセットに夫々対応する１つ以上のデジタル波形を１つ以上のアナログ・デジタル・コンバータ（ＡＤＣ）から受信する処理と、
上記１つ以上のデジタル波形の１つ以上の画像テンソルを構築する処理と、
上記１つ以上のデジタル波形に関連するメタデータから１つ以上のテキスト文字列を生成すると共に、上記メタデータ及び上記１つ以上の画像テンソルを埋め込み表現ベクトルに変換する人工知能埋め込み表現モデルを使用する処理と、
ベクトル・データベースにアクセスして、上記埋め込み表現ベクトルを上記ベクトル・データベース内のベクトルと比較する処理と、
マッチングする個数に対応する個数のインデックスを有するインデックスのセットを上記ベクトル・データベースから受ける処理と、
上記インデックスのセットを使用して最適なチューニング・パラメータの配列にアクセスし、上記ＤＵＴの１つ以上の最適なチューニング・パラメータのセットを見つける処理と、
最適チューニング・パラメータの配列からの上記１つ以上の最適チューニング・パラメータ・セットの中の１つを使用して、上記ＤＵＴの動作を検証する処理と
を具える被試験デバイスの試験方法。
【請求項９】
上記ＤＵＴの動作を検証する処理は、
上記１つ以上の最適チューニング・パラメータのセットの中の１つのセットで上記ＤＵＴをチューニングする処理と、
試験測定装置を使用して、上記１つ以上の最適チューニング・パラメータのセットの中の上記１つのセットで上記ＤＵＴを試験する処理と、
上記ＤＵＴが試験に合格したかどうかを判断する処理と、
上記ＤＵＴが試験に不合格の場合に、上記１つ以上の最適なチューニング・パラメータのセットの中の別のセットを使用する処理と、
上記ＤＵＴが試験に合格するか又は上記１つ以上の最適なチューニング・パラメータのセットの中の全てのセットで試験されるかのいずれかまで反復する処理と
を有する請求項８に記載の被試験デバイスの試験方法。
【請求項１０】
上記メタデータからチューニング・パラメータを読み出す処理と、
回帰分析を実行して上記チューニング・パラメータの最も可能性の高い値を決定し、回帰チューニング・パラメータ・セットを返す処理と、
上記ベクトル・データベースから返された上記インデックス又はユーザ試験プロセスのいずれかによって上記ＤＵＴをチューニングできない場合に、上記回帰チューニング・パラメータ・セットを使用する処理と
を更に具える請求項８に記載の被試験デバイスの試験方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本開示は、試験測定システム及び方法に関し、特に被試験デバイス（ＤＵＴ）からの信号の測定に機械学習を適用することに関する。
続きを表示（約 2,800 文字）【背景技術】
【０００２】
２０２４年３月５日発行の米国特許第１１,９２３,８９６号、発明の名称「機械学習を用いた光送信機のチューニング」（以下「'８９６特許」、その内容は、参照により本開示に援用される）、２０２４年３月５日発行の米国特許第１１,９２３,８９５号、発明の名称「機械学習を用いた光送信機のチューニング及び参照パラメータ」（以下「'８９５特許」、その内容は参照により本開示に援用される）は、どちらも、学習済み機械学習システムを利用して、光トランシーバ（ＤＵＴ）の最適なチューニング・パラメータを予測するためのシステムと方法について説明している。これらのシステムの実施形態は、本開示では、概してＯｐｔａＭＬやＯｐｔａＭＬＰｒｏとも呼ぶことがある。
【０００３】
米国テクトロニクス社のその他の特許及び特許出願は、キーとなる特徴の解像度を向上させる方法、画像内に配置されるセグメントのレコード長を延長する方法、画像スペースをより効率的に使用して更に抽出された特徴のセットを使用する他の方法を記載している。例えば、２０２２年５月１８日に出願された米国特許出願第１７/７４７,９５４号、発明の名称「ショート・パターン波形データベースに基づく測定用機械学習」（以下「'９５４出願」と呼び、その内容は参照により本願に援用される）は、学習済み機械学習システムを利用して、被試験デバイス（ＤＵＴ）から受信した信号の測定値を予測するためのシステム及び方法を説明している。信号測定値の一例としては、ＤＵＴが、例えば、光トランシーバの場合では、ＴＤＥＣＱ（Transmitter and Dispersion Eye Closure Quaternary）がある。'９５４出願で説明されている機械学習システムへの入力は、学習（トレーニング）とランタイムの両方で、ＤＵＴから取得した長い波形データ内の特定のショート・パターン・セグメントのグラフィカル表現を使用して構築されたテンソル画像の形式である。
【０００４】
別の例としては、２０２３年５月１９日に出願された米国特許出願第１８/１９９,８４６号、発明の名称「機械学習を用いたキャビティ・フィルタの自動チューニング」（以下「'８４６出願」と呼び、その内容は参照により本願に援用される）は、キャビティ・フィルタのようなチューニング可能な被試験デバイスにおいて、チューニング要素の最適な位置を予測するのに、学習済み機械学習システムを利用するシステム及び方法を説明している。'８４６出願で説明されている機械学習システムへの入力は、学習とランタイムの両方で、ＤＵＴの特性を表すＳパラメータ又はその他のパラメータのグラフィカル表現を使用して構築されたテンソル画像の形式である。
【０００５】
別の例として、２０２４年１１月２８日出願の米国特許第１８/６６５,２５８号、発明の名称「機械学習に入力する画像を構築するためのテンソル・ビルダ用ユーザ・インタフェース」（以下「'２５８出願」と呼び、その内容は参照により本願に援用される）は、ユーザがテンソルの形式を選択し、ＤＵＴからのデータから、選択した形式のテンソルを構築するためのシステム及び方法を記載している。テンソルは、次いで、機械学習ネットワークに送信される。
【先行技術文献】
【特許文献】
【０００６】
米国特許第１１９２３８９６号明細書
米国特許出願公開第２０２２／０３７３５９８号明細書
米国特許出願公開第２０２３／０３９８６９４号明細書
米国特許出願公開第２０２４／０３９３９１８号明細書
【発明の概要】
【発明が解決しようとする課題】
【０００７】
従来のシステムでは、ユーザの処理によってデバイスをチューニングすることはできたが、デバイスは新しいデータを予測できず、デバイスの新しいデータでニューラル・ネットワークの学習（トレーニング）を効率的にアップデートする方法は存在しなかった。これらの従来のシステムをアップデートするには、時間がかかり、面倒なニューラル・ネットワークの再トレーニングが必要である。また、従来のシステムには、特定の数のチューニング・パラメータを持つ１つのモデル又は１つのタイプのＤＵＴについてのみ学習が行われるという欠点がある。異なる数のチューニング・パラメータを持つ別のモデルのＤＵＴを使用する場合は、システムを再トレーニングする必要がある。
【０００８】
任意の数のチューニング・パラメータを持つ全てのＤＵＴで動作できるシステムが必要とされている。ユーザは、ニューラル・ネットワークに学習させる又は再学習させることなく、これらのシステムをアップデートして新しい種類（タイプ）のＤＵＴをチューニングしたり、新しいＤＵＴチューニング・データを追加したりできる必要がある。
【課題を解決するための手段】
【０００９】
本願の実施形態は、波形画像テンソルをベクトル・データベース・システム内への埋め込み表現ベクトルにするための人工知能（ＡＩ）を含む。これにより、ニューラル・ネットワークの学習（トレーニング）が不要になる。これら実施形態は、事前学習済みニューラル・ネットワーク及びベクトル・データベース内のビジョン・トランスフォーマ及びテキスト・トランスフォーマの組み合わせを含む。これら実施形態は、被試験デバイス（ＤＵＴ）の特定のモデルをサポートするのに、テンソルの構築及び特徴抽出に依存している。これらの機能は、テクトロニクス社のＯｐｔａＭＬ
TM
システム内に存在するため、このシステムのユーザは、これら実施形態をこれらシステムに統合することができる。更に、これら実施形態は、新しい回帰分類機能（regression classifier）があり、これも既存のシステムに統合できる。これらの機能は、本願に開示された実施形態を使うことで、新しいユーザが利用できるようになるであろう。
【００１０】
本実施形態は、ベクトル・データベース・システムを採用し、これにより、ユーザは、複雑な情報のベクトルを記憶及び検索することができる。この特定の実装形態は、特定のベクトル・データベース・システムの使用に限定されるものではなく、また、画像をテキスト記述に関連付けるために使用されるモジュールも特定のものに限定されるものではなく、通常、ベクトル・データベース・システムの外部にあって、モジュールとデータベースの間で情報が伝達される。
（【００１１】以降は省略されています）

関連特許