論文の概要: A System for Generating Non-Uniform Random Variates using Graphene
Field-Effect Transistors
- arxiv url: http://arxiv.org/abs/2004.14111v2
- Date: Wed, 28 Oct 2020 10:36:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-08 23:44:54.946044
- Title: A System for Generating Non-Uniform Random Variates using Graphene
Field-Effect Transistors
- Title(参考訳): グラフェン電界効果トランジスタを用いた非一様ランダム変量生成システム
- Authors: Nathaniel Joseph Tye, James Timothy Meech, Bilgesu Arif Bilgin,
Phillip Stanley-Marbell
- Abstract要約: グラフェン電界効果トランジスタの転送特性に基づいたハードウェア非一様乱数生成手法を提案する。
この方法はカスタムコンピューティングシステムに統合できる。
モンテカルロ積分を最大2$times$の係数で高速化する。
- 参考スコア(独自算出の注目度): 2.867517731896504
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce a new method for hardware non-uniform random number generation
based on the transfer characteristics of graphene field-effect transistors
(GFETs) which requires as few as two transistors and a resistor (or
transimpedance amplifier). The method could be integrated into a custom
computing system to provide samples from arbitrary univariate distributions. We
also demonstrate the use of wavelet decomposition of the target distribution to
determine GFET bias voltages in a multi-GFET array.
We implement the method by fabricating multiple GFETs and experimentally
validating that their transfer characteristics exhibit the nonlinearity on
which our method depends. We use the characterization data in simulations of a
proposed architecture for generating samples from dynamically-selectable
non-uniform probability distributions.
Using a combination of experimental measurements of GFETs under a range of
biasing conditions and simulation of the GFET-based non-uniform random variate
generator architecture, we demonstrate a speedup of Monte Carlo integration by
a factor of up to 2$\times$. This speedup assumes the analog-to-digital
converters reading the outputs from the circuit can produce samples in the same
amount of time that it takes to perform memory accesses.
- Abstract(参考訳): 本稿では,グラフェン電界効果トランジスタ (GFET) の転送特性に基づいたハードウェア非一様乱数生成手法を提案する。
この方法は任意の単変量分布のサンプルを提供するカスタムコンピューティングシステムに統合できる。
また、ターゲット分布のウェーブレット分解を用いて、マルチGFETアレイにおけるGFETバイアス電圧を決定する。
提案手法は,複数のGFETを作製し,その転写特性が本手法に依存する非線形性を示すことを実験的に検証する。
提案手法のシミュレーションでは,動的選択可能な非一様確率分布からサンプルを生成するためにキャラクタリゼーションデータを用いる。
様々なバイアス条件下でのGFETの実験的測定とGFETに基づく非一様ランダム変量発生器アーキテクチャのシミュレーションを組み合わせることで,モンテカルロ積分を最大2$\times$で高速化することを示した。
このスピードアップは、回路から出力を読み取るアナログ-デジタル変換器が、メモリアクセスの実行に要する時間と同じ時間でサンプルを生成することができると仮定する。
関連論文リスト
- Weak Generative Sampler to Efficiently Sample Invariant Distribution of Stochastic Differential Equation [8.67581853745823]
現在のディープラーニングに基づく手法は、定常フォッカー-プランク方程式を解き、ディープニューラルネットワークの形で不変確率密度関数を決定する。
本稿では, 弱い生成サンプル(WGS)を用いて, 独立かつ同一に分布したサンプルを直接生成するフレームワークを提案する。
提案した損失関数はFokker-Planck方程式の弱い形式に基づいており、正規化フローを統合して不変分布を特徴づける。
論文 参考訳(メタデータ) (2024-05-29T16:41:42Z) - On the Trajectory Regularity of ODE-based Diffusion Sampling [79.17334230868693]
拡散に基づく生成モデルは微分方程式を用いて、複素データ分布と抽出可能な事前分布の間の滑らかな接続を確立する。
本稿では,拡散モデルのODEに基づくサンプリングプロセスにおいて,いくつかの興味深い軌道特性を同定する。
論文 参考訳(メタデータ) (2024-05-18T15:59:41Z) - Iterated Denoising Energy Matching for Sampling from Boltzmann Densities [109.23137009609519]
反復Denoising Energy Matching (iDEM)
iDEMは,拡散型サンプリング装置から高モデル密度のサンプリング領域を (I) 交換し, (II) それらのサンプルをマッチング目的に使用した。
提案手法は,全測定値の最先端性能を達成し,2~5倍の速さでトレーニングを行う。
論文 参考訳(メタデータ) (2024-02-09T01:11:23Z) - Transformers as Statisticians: Provable In-Context Learning with
In-Context Algorithm Selection [88.23337313766353]
この研究はまず、変換器がICLを実行するための包括的な統計理論を提供する。
コンテクストにおいて、トランスフォーマーは、幅広い種類の標準機械学習アルゴリズムを実装可能であることを示す。
エンフィングル変換器は、異なるベースICLアルゴリズムを適応的に選択することができる。
論文 参考訳(メタデータ) (2023-06-07T17:59:31Z) - PV Fleet Modeling via Smooth Periodic Gaussian Copula [7.844608371271439]
本稿では,太陽光発電(PV)システムから発電を共同でモデル化する手法を提案する。
本稿では,ベクトル時系列データを独立かつ同一に分散した標準標準変数にマップする関数を探索するホワイトボックス法を提案する。
論文 参考訳(メタデータ) (2023-06-05T23:23:04Z) - Unsupervised Learning of Sampling Distributions for Particle Filters [80.6716888175925]
観測結果からサンプリング分布を学習する4つの方法を提案する。
実験により、学習されたサンプリング分布は、設計された最小縮退サンプリング分布よりも優れた性能を示すことが示された。
論文 参考訳(メタデータ) (2023-02-02T15:50:21Z) - Importance sampling for stochastic quantum simulations [68.8204255655161]
我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。
サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。
格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
論文 参考訳(メタデータ) (2022-12-12T15:06:32Z) - A 3.3 Gbps SPAD-Based Quantum Random Number Generator [0.4189768681039651]
本稿では、偏りや相関関係に現れる回路不完全性の役割を解明する量子ランダムフリップフロップ(QRFF)の理論について論じる。
QRFF回路のトランジスタ実装は、ランダムフリップフロップの有限非対称遷移に固有のエントロピーの劣化の補償を可能にする。
QRFF回路の2つの独立配列を含むフルシステムは55nmのBipolar-CMOS-DMOS技術ノードで製造・試験される。
論文 参考訳(メタデータ) (2022-09-11T13:56:57Z) - Protocols for Trainable and Differentiable Quantum Generative Modelling [21.24186888129542]
微分可能量子回路(DQC)としての確率分布の学習手法を提案する。
我々はDQCベースのモデルのトレーニングを行い、そこでデータは位相特徴写像で潜在空間にエンコードされ、次に変動量子回路が続く。
これにより、シングルショットの読み出しを使ってパラメタライズドディストリビューションからの高速サンプリングが可能になる。
論文 参考訳(メタデータ) (2022-02-16T18:55:48Z) - Towards Integrating True Random Number Generation in Coherent Optical
Transceivers [0.0]
商用のコヒーレントトランシーバサブシステムは、古典的なデータ伝送に次いで量子乱数生成をサポートすることができる。
時間インターリーブされた乱数生成は、10Gbaud分極多重二次位相シフトキーデータ伝送に対して実証される。
論文 参考訳(メタデータ) (2020-07-20T15:50:10Z) - Efficient classical simulation of random shallow 2D quantum circuits [104.50546079040298]
ランダム量子回路は古典的にシミュレートするのは難しいと見なされる。
典型例の近似シミュレーションは, 正確なシミュレーションとほぼ同程度に困難であることを示す。
また、十分に浅いランダム回路はより一般的に効率的にシミュレーション可能であると推測する。
論文 参考訳(メタデータ) (2019-12-31T19:00:00Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。