論文の概要: Simulated bifurcation assisted by thermal fluctuation

• arxiv url: http://arxiv.org/abs/2203.08361v1
• Date: Wed, 16 Mar 2022 02:54:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-21 23:16:53.236738
• Title: Simulated bifurcation assisted by thermal fluctuation
• Title（参考訳）: 熱ゆらぎを利用した模擬分岐
• Authors: Taro Kanao, Hayato Goto
• Abstract要約: 我々は,Nos'e-Hoover法における暖房プロセスが,Ising問題の局所的ミニマムから逃れるために,模擬分岐を補助できることを示す。 提案した加熱模擬分岐は並列処理によって加速されることが期待される。
• 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: Various kinds of Ising machines based on unconventional computing have recently been developed for practically important combinatorial optimization. Among them, the machines implementing a heuristic algorithm called simulated bifurcation have achieved high performance, where Hamiltonian dynamics are simulated by massively parallel processing. To further improve the performance of simulated bifurcation, here we introduce thermal fluctuation to its dynamics relying on the Nos\'e-Hoover method, which has been used to simulate Hamiltonian dynamics at finite temperatures. We find that a heating process in the Nos\'e-Hoover method can assist simulated bifurcation to escape from local minima of the Ising problem, and hence lead to improved performance. We thus propose heated simulated bifurcation and demonstrate its performance improvement by numerically solving instances of the Ising problem with up to 2000 spin variables and all-to-all connectivity. Proposed heated simulated bifurcation is expected to be accelerated by parallel processing.
• Abstract（参考訳）: 従来型計算に基づく各種Isingマシンが, 実際に重要な組合せ最適化のために開発されている。 このうち、シミュレーション分岐と呼ばれるヒューリスティックアルゴリズムを実装する機械はハイパフォーマンスを実現しており、ハミルトン力学は超並列処理によってシミュレートされている。 シミュレーションバイフルケーションの性能をさらに向上するため, 有限温度でハミルトン力学をシミュレートするために用いられているNos\e-Hoover法に基づく熱揺らぎを導入する。 その結果,nos\'e-hoover法における加熱処理は,イジング問題の局所的ミニマから逃れるシミュレーション分岐を補助し,性能の向上につながることがわかった。 そこで本研究では,2000のスピン変数と全接続性を持つIsing問題のインスタンスを数値解き,その性能向上を実証する。 提案した加熱模擬分岐は並列処理によって加速される。

関連論文リスト

• Accelerate Neural Subspace-Based Reduced-Order Solver of Deformable Simulation by Lipschitz Optimization [9.364019847856714]
  高DOFで物理シミュレーションを高速化する新しい手法として,低次シミュレーションがある。 本稿では,最適化された部分空間マッピングの探索手法を提案する。 準静的シミュレーションと動的シミュレーションの両方において,本手法の有効性を示す。
  論文  参考訳（メタデータ） (2024-09-05T12:56:03Z)
• Mitigating distribution shift in machine learning-augmented hybrid simulation [15.37429773698171]
  本稿では,機械学習によるハイブリッドシミュレーションにおいて一般的に発生する分布シフトの問題について検討する。 本稿では,分布シフトを制御するために,接空間正規化推定器に基づく簡単な手法を提案する。 いずれの場合も,提案手法によるシミュレーション精度の向上が顕著である。
  論文  参考訳（メタデータ） (2024-01-17T15:05:39Z)
• An Optimization-based Deep Equilibrium Model for Hyperspectral Image Deconvolution with Convergence Guarantees [71.57324258813675]
  本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。 新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。 導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• High-Dimensional Yield Estimation using Shrinkage Deep Features and Maximization of Integral Entropy Reduction [0.8522010776600341]
  非線形カーネル関連ディープカーネルにおいて,プロセスの変動パラメータを自動的に識別する絶対的深層学習ASDKを提案する。 カラム回路の実験は、SOTA法よりも最大10.3倍の高速化で精度と効率の点で、最先端(SOTA)アプローチよりもASDKの方が優れていることを示した。
  論文  参考訳（メタデータ） (2022-12-05T08:39:41Z)
• Multi-fidelity Hierarchical Neural Processes [79.0284780825048]
  多要素代理モデリングは、異なるシミュレーション出力を融合させることで計算コストを削減する。 本稿では,多階層型階層型ニューラルネットワーク(MF-HNP)を提案する。 疫学および気候モデリングタスクにおけるMF-HNPの評価を行い、精度と不確実性評価の観点から競合性能を達成した。
  論文  参考訳（メタデータ） (2022-06-10T04:54:13Z)
• Efficient Differentiable Simulation of Articulated Bodies [89.64118042429287]
  本稿では, 音素の効率的な微分可能シミュレーション法を提案する。 これにより、ボディダイナミクスを深層学習フレームワークに統合することが可能になる。 提案手法を用いて, 調音システムによる強化学習を高速化できることを示す。
  論文  参考訳（メタデータ） (2021-09-16T04:48:13Z)
• Hybridized Methods for Quantum Simulation in the Interaction Picture [69.02115180674885]
  本研究では,異なるシミュレーション手法をハイブリダイズし,インタラクション・ピクチャー・シミュレーションの性能を向上させるフレームワークを提案する。 これらのハイブリッド化手法の物理的応用は、電気遮断において$log2 Lambda$としてゲート複雑性のスケーリングをもたらす。 力学的な制約を受けるハミルトニアンシミュレーションの一般的な問題に対して、これらの手法は、エネルギーコストを課すために使われるペナルティパラメータ$lambda$とは無関係に、クエリの複雑さをもたらす。
  論文  参考訳（メタデータ） (2021-09-07T20:01:22Z)
• Machine learning for rapid discovery of laminar flow channel wall modifications that enhance heat transfer [56.34005280792013]
  任意の, 平坦な, 非平坦なチャネルの正確な数値シミュレーションと, ドラッグ係数とスタントン数を予測する機械学習モデルを組み合わせる。 畳み込みニューラルネットワーク(CNN)は,数値シミュレーションのわずかな時間で,目標特性を正確に予測できることを示す。
  論文  参考訳（メタデータ） (2021-01-19T16:14:02Z)
• 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)
• Phase-Space Methods for Simulating the Dissipative Many-Body Dynamics of Collective Spin Systems [0.0]
  本稿では, 脱落と崩壊の存在下で, 集合スピン系の動的および定常状態のシミュレーションを行うための効率的な数値計算法について述べる。 我々は、この数値手法を既知の超ラジカル崩壊とスピンスクイーズ過程のベンチマークを行い、散逸性スピン格子モデルにおける非平衡相転移のシミュレーションへの応用について説明する。
  論文  参考訳（メタデータ） (2020-11-19T19:00:00Z)

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。