論文の概要: High-Speed Light Focusing through Scattering Medium by Cooperatively Accelerated Genetic Algorithm

• arxiv url: http://arxiv.org/abs/2111.14916v1
• Date: Mon, 29 Nov 2021 19:47:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-06 09:15:36.708177
• Title: High-Speed Light Focusing through Scattering Medium by Cooperatively Accelerated Genetic Algorithm
• Title（参考訳）: 協調加速遺伝的アルゴリズムによる散乱媒質による高速光集光
• Authors: Shu Guo (1 and 2), Lin Pang (1 and 2) ((1) College of Physics, Sichuan University, (2) LinOptx LLC)
• Abstract要約: 我々は、フィールドプログラマブルゲートアレイ(FPGA)の協調により構築された高速化された遺伝的アルゴリズム(GA)システムを開発する。 変異率の増大はGAの収束をはるかに速くし、GAのパラメータ誘導加速を可能にした。
• 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 develop an accelerated Genetic Algorithm (GA) system constructed by the cooperation of field-programmable gate array (FPGA) and optimized parameters of the GA. We found the enhanced decay of mutation rate makes convergence of the GA much faster, enabling the parameter-induced acceleration of the GA. Furthermore, the accelerated configuration of the GA is programmed in FPGA to boost processing speed at the hardware level without external computation devices. This system has ability to focus light through scattering medium within 4 seconds with robust noise resistance and stable repetition performance, which could be further reduced to millisecond level with advanced board configuration. This study solves the long-term limitation of the GA, it promotes the applications of the GA in dynamic scattering mediums, with the capability to tackle wavefront shaping in biological material.
• Abstract（参考訳）: 本研究では,フィールドプログラマブルゲートアレイ(FPGA)とGAの最適化パラメータを協調して構築した高速化遺伝的アルゴリズム(GA)システムを開発した。 変異率の低下によりgaの収束がより速くなり,パラメータによって誘導されるgaの加速が可能となった。 さらに、GAの高速化された構成をFPGAでプログラムし、外部計算装置を使わずにハードウェアレベルで処理速度を向上する。 このシステムは、4秒以内の散乱媒質による光の集光が可能で、頑丈なノイズ耐性と安定な繰り返し性能を備えており、より高度な基板構成でミリ秒レベルまで低減することができる。 本研究はGAの長期的制限を解消し,生体材料の波面形成に対処する能力を有する動的散乱媒体へのGAの適用を促進する。

関連論文リスト

• Graph Adversarial Diffusion Convolution [49.974206213411904]
  本稿では,グラフ信号デノイング(GSD)問題に対する min-max 最適化の定式化を提案する。 Graph Adversarial Diffusion Convolution (GADC)と呼ばれる新しいGraph Diffusion Convolutionアーキテクチャを導出する。
  論文  参考訳（メタデータ） (2024-06-04T07:43:04Z)
• GARA: A novel approach to Improve Genetic Algorithms' Accuracy and Efficiency by Utilizing Relationships among Genes [1.7226572355808027]
  本稿では,遺伝子間の関係を利用してGAの精度と効率を向上させる遺伝子制御遺伝的アルゴリズム(GRGA)を提案する。 我々は、RGGRと呼ばれる溶液空間をカプセル化した有向多部グラフを使用し、各ノードは溶液中の遺伝子に対応し、エッジは隣り合うノード間の関係を表す。 得られたRGGRは、クロスオーバーと突然変異演算子の適切な座を決定するために使用され、それによって進化過程をより速くより良く収束させる。
  論文  参考訳（メタデータ） (2024-04-28T08:33:39Z)
• Fast Neural Network Inference on FPGAs for Triggering on Long-Lived Particles at Colliders [0.0]
  本研究では,中性長寿命粒子が検出器体積内で崩壊する事象を選択するための2つの機械学習アルゴリズムを提案する。 提案したアルゴリズムは, ベンチマークのシナリオにおいて有効であることが証明され, FPGAカード上での高速化では精度が劣化しないことが判明した。
  論文  参考訳（メタデータ） (2023-07-11T10:17:57Z)
• LL-GNN: Low Latency Graph Neural Networks on FPGAs for High Energy Physics [45.666822327616046]
  本研究は,粒子検出器のための低グラフニューラルネットワーク(LL-GNN)設計のための新しい再構成可能なアーキテクチャを提案する。 LL-GNNの設計は、洗練されたアルゴリズムが実験データを効率的に処理できるようにすることで、次世代のトリガーシステムを進化させる。
  論文  参考訳（メタデータ） (2022-09-28T12:55:35Z)
• Domain-specific Genetic Algorithm for Multi-tenant DNNAccelerator Scheduling [3.8530020696501794]
  複数のサブアクセラレータコア/チップを備えた大型アクセラレータを構築する傾向が強まっている。 この研究は、このようなアクセラレータでマルチテナントをサポートする問題を検討する。 我々は,G#アコストム演算子と呼ばれる特殊な遺伝的アルゴリズムを開発し,構造的サンプル効率探索を実現する。
  論文  参考訳（メタデータ） (2021-04-28T19:57:55Z)
• Parameter-free Locally Accelerated Conditional Gradients [91.19349793915615]
  私たちは小説を紹介します。 自由局所加速cg(pf-lacg)アルゴリズムは,厳密な収束保証を提供する。 我々の理論結果は,局所加速度を実証し,非加速アルゴリズムに対するPF-LaCGの実用的改善を示す数値実験によって補完される。
  論文  参考訳（メタデータ） (2021-02-12T22:50:01Z)
• EdgeBERT: Sentence-Level Energy Optimizations for Latency-Aware Multi-Task NLP Inference [82.1584439276834]
  BERTのようなトランスフォーマーベースの言語モデルでは、自然言語処理(NLP)タスクの精度が大幅に向上する。 We present EdgeBERT, a in-deepth algorithm- hardware co-design for latency-aware energy optimization for multi-task NLP。
  論文  参考訳（メタデータ） (2020-11-28T19:21:47Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)
• An FPGA Accelerated Method for Training Feed-forward Neural Networks Using Alternating Direction Method of Multipliers and LSMR [2.8747398859585376]
  ニューラルネットワークトレーニングのための新しいFPGAアクセラレーションアルゴリズムの設計、実装、デプロイ、テストに成功した。 本手法は,並列特性が強い乗算器アルゴリズムの交互方向法に基づく。 我々は,Intel FPGA SDK for OpenCLを用いたFPGAアクセラレーションバージョンを開発し,その後,Intel Arria 10 GX FPGA上でプログラムのデプロイに成功した。
  論文  参考訳（メタデータ） (2020-09-06T17:33:03Z)
• Hessian-Free High-Resolution Nesterov Acceleration for Sampling [55.498092486970364]
  最適化のためのNesterovのAccelerated Gradient(NAG)は、有限のステップサイズを使用する場合の連続時間制限(ノイズなしの運動的ランゲヴィン)よりも優れたパフォーマンスを持つ。 本研究は, この現象のサンプリング法について検討し, 離散化により加速勾配に基づくMCMC法が得られる拡散過程を提案する。
  論文  参考訳（メタデータ） (2020-06-16T15:07:37Z)

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。