Fugu-MT 論文翻訳(概要): Evolving reversible circuits for the even-parity problem

論文の概要: Evolving reversible circuits for the even-parity problem

arxiv url: http://arxiv.org/abs/2109.13355v1
Date: Sat, 21 Aug 2021 18:15:16 GMT
ステータス: 処理完了
システム内更新日: 2023-03-17 21:02:05.153385
Title: Evolving reversible circuits for the even-parity problem
Title（参考訳）: 等間隔問題に対する可逆回路の進化
Authors: Mihai Oltean
Abstract要約: このアルゴリズムは、個人を線形表現した遺伝的プログラミング変種であるMulti Expression Programming (MEP)に基づいている。数値実験により、MEPベースのアルゴリズムは、偶数-8パリティ問題に対する可逆的なディジタル回路を容易に設計できることが示されている。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Reversible computing basically means computation with less or not at all electrical power. Since the standard binary gates are not usually reversible we use the Fredkin gate in order to achieve reversibility. An algorithm for designing reversible digital circuits is described in this paper. The algorithm is based on Multi Expression Programming (MEP), a Genetic Programming variant with a linear representation of individuals. The case of digital circuits for the even-parity problem is investigated. Numerical experiments show that the MEP-based algorithm is able to easily design reversible digital circuits for up to the even-8-parity problem.
Abstract（参考訳）: 可逆計算とは基本的に、電力の少ない計算を意味する。標準バイナリゲートは通常可逆ではないので、フレドキンゲートを使用して可逆性を達成する。本稿では,可逆ディジタル回路の設計アルゴリズムについて述べる。このアルゴリズムは、個人を線形表現した遺伝的プログラミング変種であるMulti Expression Programming (MEP)に基づいている。均等性問題に対するディジタル回路について検討した。数値実験により、MEPに基づくアルゴリズムは、偶数-8パリティ問題に対する可逆的なディジタル回路を容易に設計できることが示されている。

関連論文リスト

Learning shallow quantum circuits with many-qubit gates [1.879968161594709]
本稿では,量子回路の多ビットゲートを用いた平均ケース学習のための,計算効率のよい最初のアルゴリズムを提案する。学習したユニタリを多対数深度で効率的に合成できることが示される。
論文参考訳（メタデータ） (2024-10-22T04:48:36Z)
Circuit Transformer: End-to-end Circuit Design by Predicting the Next Gate [20.8279111910994]
言語はシーケンシャルなシンボルを通して表現する卓越した人間の能力であり、近年の大規模言語モデル(LLM)の進歩によって計算的に習得されている。 LLMは理解と推論において前例のない能力を示した。回路も十分に大きな「回路モデル」でマスターでき、次の論理ゲートを単に予測することで電子設計タスクを克服できるだろうか?
論文参考訳（メタデータ） (2024-03-14T03:24:14Z)
CktGNN: Circuit Graph Neural Network for Electronic Design Automation [67.29634073660239]
本稿では,回路トポロジ生成とデバイスサイズを同時に行う回路グラフニューラルネットワーク(CktGNN)を提案する。オープンサーキットベンチマーク(OCB: Open Circuit Benchmark)は、オープンソースのデータセットで、10ドル(約10万円)の異なるオペレーショナルアンプを含む。我々の研究は、アナログ回路のための学習ベースのオープンソース設計自動化への道を開いた。
論文参考訳（メタデータ） (2023-08-31T02:20:25Z)
A Circuit Complexity Formulation of Algorithmic Information Theory [1.5483078145498086]
インダクティブ推論のソロモノフ理論に着想を得て,回路複雑性に基づく先行モデルを提案する。回路複雑性によって測定された単純な説明に対する帰納的バイアスがこの問題に適切であると主張する。
論文参考訳（メタデータ） (2023-06-25T01:30:37Z)
Asymptotically optimal synthesis of reversible circuits [0.0]
任意の$n$wire回路を$ (2n n/log n)$小ゲートで実装するアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-02-13T03:08:55Z)
Transformers Learn Shortcuts to Automata [52.015990420075944]
低深度変換器は任意の有限状態オートマトンを計算できる。我々は,$O(log T)$レイヤを持つ変換器が,長さ$T$の入力シーケンス上で,オートマトンを正確に再現可能であることを示す。さらに、これらの解の脆性について検討し、潜在的な緩和を提案する。
論文参考訳（メタデータ） (2022-10-19T17:45:48Z)
A Quantum Algorithm for Computing All Diagnoses of a Switching Circuit [73.70667578066775]
ほとんどの人造システム、特にコンピュータは決定論的に機能する。本稿では、量子物理学が確率法則に従うときの直観的なアプローチである量子情報理論による接続を提供する。
論文参考訳（メタデータ） (2022-09-08T17:55:30Z)
Limitations of Deep Learning for Inverse Problems on Digital Hardware [65.26723285209853]
我々は、チューリングマシンとしてモデル化された現在のハードウェアプラットフォームで実際に計算できるものを分析する。有限次元逆問題は小さな緩和パラメータに対してバナッハ・マズール計算可能でないことを証明した。
論文参考訳（メタデータ） (2022-02-28T00:20:12Z)
Representation Learning of Logic Circuits [7.614021815435811]
本稿では,各ゲート上のベクトルとして回路の論理関数と構造情報を埋め込んだ表現学習ソリューションを提案する。具体的には、学習のために回路を統一およびインバータグラフ形式に変換することを提案する。次に,信号確率予測の先行学習として,実用的な回路における強い帰納バイアスを用いた新しいグラフニューラルネットワークを提案する。
論文参考訳（メタデータ） (2021-11-26T05:57:05Z)
Hardware-Encoding Grid States in a Non-Reciprocal Superconducting Circuit [62.997667081978825]
本稿では、非相互デバイスと、基底空間が2倍縮退し、基底状態がGottesman-Kitaev-Preskill(GKP)符号の近似符号であるジョセフソン接合からなる回路設計について述べる。この回路は、電荷やフラックスノイズなどの超伝導回路の一般的なノイズチャネルに対して自然に保護されており、受動的量子誤差補正に使用できることを示唆している。
論文参考訳（メタデータ） (2020-02-18T16:45:09Z)
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。