論文の概要: Distributed Injection-Locking in Analog Ising Machines to Solve
Combinatorial Optimizations
- arxiv url: http://arxiv.org/abs/2011.09067v2
- Date: Wed, 16 Dec 2020 05:46:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-24 04:12:48.312050
- Title: Distributed Injection-Locking in Analog Ising Machines to Solve
Combinatorial Optimizations
- Title(参考訳): 組合せ最適化のためのアナログイジングマシンにおける分散インジェクションロック
- Authors: M. Ali Vosoughi
- Abstract要約: OIMの位相同期を加速するために, 回路内における注入同期振動の分布について提案した。
提案手法の意義はEDAツールにおける広範囲なシミュレーションにより理論的に検証・検証されている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The oscillator-based Ising machine (OIM) is a network of coupled CMOS
oscillators that solves combinatorial optimization problems. In this paper, the
distribution of the injection-locking oscillations throughout the circuit is
proposed to accelerate the phase-locking of the OIM. The implications of the
proposed technique theoretically investigated and verified by extensive
simulations in EDA tools with a $130~nm$ PTM model. By distributing the
injective signal of the super-harmonic oscillator, the speed is increased by
$219.8\%$ with negligible increase in the power dissipation and phase-locking
error of the device due to the distributed technique.
- Abstract(参考訳): 発振器ベースのIsing Machine(OIM)は、組合せ最適化問題を解決するCMOS発振器のネットワークである。
本稿では,oimの位相同期を高速化するために,回路全体の注入同期振動の分布を提案する。
提案手法の意義は130〜nm$ PTMモデルによるEDAツールの広範囲なシミュレーションにより理論的に検証された。
超高調波発振器の入射信号を分配することにより、分散技術による電源の消耗と位相同期誤差が無視できるほど増加し、速度を219.8\%に向上させる。
関連論文リスト
- Multiagent Reinforcement Learning with an Attention Mechanism for
Improving Energy Efficiency in LoRa Networks [52.96907334080273]
ネットワーク規模が大きくなるにつれて、パケット衝突によるLoRaネットワークのエネルギー効率は急激に低下する。
マルチエージェント強化学習(MALoRa)に基づく伝送パラメータ割り当てアルゴリズムを提案する。
シミュレーションの結果,MALoRaはベースラインアルゴリズムと比較してシステムEEを著しく改善することがわかった。
論文 参考訳(メタデータ) (2023-09-16T11:37:23Z) - A Josephson Parametric Oscillator-Based Ising Machine [5.680611147657014]
本研究では、ジョセフソンパラメトリック発振器(JPO)ベースのタイル構造を導入し、スケーラブルな超伝導体ベースのイジングマシンの基本単位として機能する。
提案機は 7.5GHz の周波数で動作可能であり、CMOS ベースのシステムに比べて消費電力は大幅に少ない(3桁)。
論文 参考訳(メタデータ) (2023-09-06T23:56:30Z) - Enhancing Dispersive Readout of Superconducting Qubits Through Dynamic
Control of the Dispersive Shift: Experiment and Theory [47.00474212574662]
超伝導量子ビットは、大帯域読み出し共振器に結合される。
我々は、100 ns 統合時間で 0.25,% の、最先端の2状態読み取りエラーを示す。
提案した結果により,新たなアルゴリズムやプロトコルの性能がさらに向上することが期待されている。
論文 参考訳(メタデータ) (2023-07-15T10:30:10Z) - Effective implementation of $l_0$-Regularised Compressed Sensing with
Chaotic-Amplitude-Controlled Coherent Ising Machines [1.8287426976997025]
圧縮センシングの最適化問題を解くために,量子古典ハイブリッドシステムを提案する。
ハイブリッドシステムでは、CIMは振幅制御フィードバックループを持たないオープンループシステムであった。
本研究は,精度の向上と幅広い有効性を示すものである。
論文 参考訳(メタデータ) (2023-02-24T09:16:48Z) - Shuffle-QUDIO: accelerate distributed VQE with trainability enhancement
and measurement reduction [77.97248520278123]
本稿では,量子分散最適化におけるシャッフル演算を局所ハミルトニアンに組み込むためのShuffle-QUDIOを提案する。
QUDIOと比較して、Shuffle-QUDIOは量子プロセッサ間の通信周波数を著しく低減し、同時にトレーニング性を向上させる。
論文 参考訳(メタデータ) (2022-09-26T06:51:20Z) - Macroscopic noise amplification by asymmetric dyads in non-Hermitian
optical systems for generative diffusion models [55.2480439325792]
非対称な非エルミートダイアドは、効率的なセンサーと超高速な乱数発生器の候補である。
このような非対称なダイアドからの集積光放射は、機械学習の全光学的退化拡散モデルに効率的に利用できる。
論文 参考訳(メタデータ) (2022-06-24T10:19:36Z) - High fidelity two-qubit gates on fluxoniums using a tunable coupler [47.187609203210705]
超伝導フラクソニウム量子ビットは、大規模量子コンピューティングへの道のトランスモンに代わる有望な代替手段を提供する。
マルチキュービットデバイスにおける大きな課題は、スケーラブルなクロストークのないマルチキュービットアーキテクチャの実験的なデモンストレーションである。
ここでは、可変カプラ素子を持つ2量子フッソニウム系量子プロセッサを提案する。
論文 参考訳(メタデータ) (2022-03-30T13:44:52Z) - Homodyne coherent quantum noise cancellation in a hybrid optomechanical
force sensor [0.0]
圧縮真空注入を補助するハイブリッドオプティメカルセットアップにおいて, 力検出の感度を高めるための実験的手法を提案する。
ここでは,変分ホモダインの読み出しの導入により,このノイズキャンセリングを標準ケースと比較して最大40mmdB$まで高めることができることを示す。
非ゼロキャビティデチューニングでは、信号応答は標準の3倍から5倍のレベルで増幅可能であることを示す。
論文 参考訳(メタデータ) (2022-01-06T14:07:27Z) - Fast and differentiable simulation of driven quantum systems [58.720142291102135]
我々は、ダイソン展開に基づく半解析手法を導入し、標準数値法よりもはるかに高速に駆動量子系を時間発展させることができる。
回路QEDアーキテクチャにおけるトランスモン量子ビットを用いた2量子ゲートの最適化結果を示す。
論文 参考訳(メタデータ) (2020-12-16T21:43:38Z) - Fine Timing and Frequency Synchronization for MIMO-OFDM: An Extreme
Learning Approach [8.432859469083951]
極端学習機械(ELM)を用いて高精度同期を実現する手法を提案する。
提案手法は,チャネルパラメータの選択や,機械学習の観点からの「一般化能力」の観点からも頑健である。
論文 参考訳(メタデータ) (2020-07-17T21:41:38Z)
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。