Fugu-MT 論文翻訳(概要): Comparison of Models for Training Optical Matrix Multipliers in Neuromorphic PICs

論文の概要: Comparison of Models for Training Optical Matrix Multipliers in Neuromorphic PICs

arxiv url: http://arxiv.org/abs/2111.14787v1
Date: Tue, 23 Nov 2021 12:15:21 GMT
ステータス: 処理完了
システム内更新日: 2021-12-06 02:20:14.920131
Title: Comparison of Models for Training Optical Matrix Multipliers in Neuromorphic PICs
Title（参考訳）: ニューロモルフィックPICにおける光マトリックス乗算器の訓練モデルの比較
Authors: Ali Cem, Siqi Yan, Uiara Celine de Moura, Yunhong Ding, Darko Zibar and Francesco Da Ros
Abstract要約: プログラム可能なフォトニックチップのオフライントレーニングにおいて、単純な物理ベースとデータ駆動型ニューラルネットワークベースのモデルを比較した。ニューラルネットワークモデルは、熱クロストークを持つチップの物理モデルよりも優れ、テスト精度が向上する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We experimentally compare simple physics-based vs. data-driven neural-network-based models for offline training of programmable photonic chips using Mach-Zehnder interferometer meshes. The neural-network model outperforms physics-based models for a chip with thermal crosstalk, yielding increased testing accuracy.
Abstract（参考訳）: mach-zehnder干渉計メッシュを用いたプログラム可能なフォトニックチップのオフライントレーニングのための,単純な物理モデルとデータ駆動ニューラルネットワークモデルの比較実験を行った。ニューラルネットワークモデルは、熱クロストークを持つチップの物理モデルよりも優れ、テスト精度が向上する。

関連論文リスト

Applying generative neural networks for fast simulations of the ALICE (CERN) experiment [0.0]
この論文は、CERNのゼロ・デグレ・カロリメータ(ZDC)中性子検出器の高速シミュレーションのための生成ニューラルネットワークへの最先端の応用について研究している。 GEANT Monte Carlo ツールキットを用いた従来のシミュレーション手法は正確ではあるが、計算的に要求される。この論文は、コンピュータビジョンにおけるニューラルネットワークの適用、機械学習を用いた高速シミュレーション、高エネルギー物理学における生成ニューラルネットワークに関する包括的な文献レビューを提供する。
論文参考訳（メタデータ） (2024-07-10T17:08:59Z)
Towards Theoretical Understandings of Self-Consuming Generative Models [56.84592466204185]
本稿では,自己消費ループ内で生成モデルを訓練する新たな課題に取り組む。我々は,このトレーニングが将来のモデルで学習したデータ分布に与える影響を厳格に評価するための理論的枠組みを構築した。カーネル密度推定の結果は,混合データトレーニングがエラー伝播に与える影響など,微妙な洞察を与える。
論文参考訳（メタデータ） (2024-02-19T02:08:09Z)
A Multi-Grained Symmetric Differential Equation Model for Learning Protein-Ligand Binding Dynamics [73.35846234413611]
薬物発見において、分子動力学(MD)シミュレーションは、結合親和性を予測し、輸送特性を推定し、ポケットサイトを探索する強力なツールを提供する。我々は,数値MDを容易にし,タンパク質-リガンド結合ダイナミクスの正確なシミュレーションを提供する,最初の機械学習サロゲートであるNeuralMDを提案する。従来の数値MDシミュレーションと比較して1K$times$ Speedupを実現することにより,NeuralMDの有効性と有効性を示す。
論文参考訳（メタデータ） (2024-01-26T09:35:17Z)
Addressing Data Scarcity in Optical Matrix Multiplier Modeling Using Transfer Learning [0.0]
本稿では,データ不足に対処するためにトランスファーラーニング(transfer learning)を用いて実験的検討を行った。提案手法では,より精度の低い解析モデルから生成された合成データを用いて,モデルの事前学習を行う。 3x3フォトニックチップで実装された行列重みに対する1dBのルート平均二乗誤差を、利用可能なデータの25%だけを用いて達成する。
論文参考訳（メタデータ） (2023-08-10T07:33:00Z)
Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文参考訳（メタデータ） (2023-04-08T07:55:36Z)
Data-efficient Modeling of Optical Matrix Multipliers Using Transfer Learning [0.0]
本稿では,光学行列乗算器の伝送学習支援ニューラルネットワークモデルについて述べる。提案手法では,Mach-Zehnder干渉計メッシュの解析モデルの性能向上と性能向上に要する実験データの10%を用いている。
論文参考訳（メタデータ） (2022-11-29T09:22:42Z)
Continual learning autoencoder training for a particle-in-cell simulation via streaming [52.77024349608834]
今後のエクサスケール時代は次世代の物理シミュレーションを高解像度で提供しますこれらのシミュレーションは高解像度であり、ディスク上に大量のシミュレーションデータを格納することはほぼ不可能であるため、機械学習モデルのトレーニングに影響を与える。この研究は、ディスク上のデータなしで、実行中のシミュレーションにニューラルネットワークを同時にトレーニングするアプローチを示す。
論文参考訳（メタデータ） (2022-11-09T09:55:14Z)
An Adversarial Active Sampling-based Data Augmentation Framework for Manufacturable Chip Design [55.62660894625669]
リソグラフィーモデリングは、チップ設計マスクが製造可能であることを保証するため、チップ設計において重要な問題である。機械学習の最近の進歩は、時間を要するリソグラフィーシミュレーションをディープニューラルネットワークに置き換えるための代替ソリューションを提供している。本稿では,限られたデータのジレンマを解消し,機械学習モデルの性能を向上させるために,データ拡張フレームワークを提案する。
論文参考訳（メタデータ） (2022-10-27T20:53:39Z)
Data-driven Modeling of Mach-Zehnder Interferometer-based Optical Matrix Multipliers [0.0]
フォトニック集積回路は光ニューラルネットワークの開発を促進する。光学行列乗算器のオフライントレーニングのための単純な解析モデルとデータ駆動モデルの両方について述べる。ニューラルネットワークベースのモデルは、予測誤差の観点から、単純な物理ベースのモデルよりも優れています。
論文参考訳（メタデータ） (2022-10-17T15:19:26Z)
Real-time Neural-MPC: Deep Learning Model Predictive Control for Quadrotors and Agile Robotic Platforms [59.03426963238452]
モデル予測制御パイプライン内の動的モデルとして,大規模で複雑なニューラルネットワークアーキテクチャを効率的に統合するフレームワークであるReal-time Neural MPCを提案する。ニューラルネットワークを使わずに、最先端のMPCアプローチと比較して、位置追跡誤差を最大82%削減することで、実世界の問題に対する我々のフレームワークの実現可能性を示す。
論文参考訳（メタデータ） (2022-03-15T09:38:15Z)
PhysiNet: A Combination of Physics-based Model and Neural Network Model for Digital Twins [0.5076419064097732]
本稿では,物理モデルとニューラルネットワークモデルを組み合わせて,システムのライフサイクル全体の予測精度を向上させるモデルを提案する。実験により、提案したハイブリッドモデルは、物理ベースモデルとニューラルネットワークモデルの両方より優れていた。
論文参考訳（メタデータ） (2021-06-28T15:13:16Z)

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。