論文の概要: Quantum materials for energy-efficient neuromorphic computing

• arxiv url: http://arxiv.org/abs/2204.01832v1
• Date: Mon, 4 Apr 2022 20:34:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-18 07:53:33.699869
• Title: Quantum materials for energy-efficient neuromorphic computing
• Title（参考訳）: エネルギー効率のよいニューロモルフィックコンピューティングのための量子材料
• Authors: Axel Hoffmann, Shriram Ramanathan, Julie Grollier, Andrew D. Kent, Marcelo Rozenberg, Ivan K. Schuller, Oleg Shpyrko, Robert Dynes, Yeshaiahu Fainman, Alex Frano, Eric E. Fullerton, Giulia Galli, Vitaliy Lomakin, Shyue Ping Ong, Amanda K. Petford-Long, Jonathan A. Schuller, Mark D. Stiles, Yayoi Takamura, Yimei Zhu
• Abstract要約: 大量のデータを効率的に処理する将来のニーズに対処するため、ニューロモルフィックコンピューティングアプローチはますます重要になる。 量子材料のユニークな特性は、ハードウェアレベルでニューロモルフィックなアイデアを実装する新しいエネルギー効率の高いデバイス概念を実現することで、これらのニーズに対処するのに役立つ。 本稿では,これらのアプローチのいくつかの例について論じ,ニューロモルフィック機能のための量子材料デバイスを組み立てるための現状の機会と課題について考察する。
• 参考スコア（独自算出の注目度）: 1.669831774083394
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Neuromorphic computing approaches become increasingly important as we address future needs for efficiently processing massive amounts of data. The unique attributes of quantum materials can help address these needs by enabling new energy-efficient device concepts that implement neuromorphic ideas at the hardware level. In particular, strong correlations give rise to highly non-linear responses, such as conductive phase transitions that can be harnessed for short and long-term plasticity. Similarly, magnetization dynamics are strongly non-linear and can be utilized for data classification. This paper discusses select examples of these approaches, and provides a perspective for the current opportunities and challenges for assembling quantum-material-based devices for neuromorphic functionalities into larger emergent complex network systems.
• Abstract（参考訳）: 大量のデータを効率的に処理する将来のニーズに対応するため、ニューロモルフィックコンピューティングアプローチはますます重要になる。 量子材料のユニークな特性は、ハードウェアレベルでニューロモルフィックなアイデアを実装する新しいエネルギー効率の高いデバイス概念を実現することで、これらのニーズに対処するのに役立つ。 特に、強い相関は、短期および長期の可塑性に利用できる導電性相転移のような非常に非線形な応答をもたらす。 同様に、磁化ダイナミクスは強く非線形であり、データ分類に利用できる。 本稿では,これらのアプローチのいくつかの例について論じ,より大規模な複雑なネットワークシステムに量子材料ベースのデバイスを組み込むための現状の機会と課題を論じる。

関連論文リスト

• A Message Passing Neural Network Surrogate Model for Bond-Associated Peridynamic Material Correspondence Formulation [9.417858649092187]
  本稿では,結合関連材料対応の定式化に特化して設計された,メッセージパッシングニューラルネットワーク(MPNN)に基づく新しいサロゲートモデルを提案する。 ノードの特徴にフォーカスする従来のグラフニューラルネットワークとは異なり、我々のモデルはエッジベースの特徴を強調し、定式化において必須の物質点相互作用をキャプチャする。
  論文  参考訳（メタデータ） (2024-10-29T17:42:29Z)
• Contrastive Learning in Memristor-based Neuromorphic Systems [55.11642177631929]
  スパイクニューラルネットワークは、現代のバックプロパゲーションによって訓練されたディープネットワークに直面する重要な制約の多くを横取りする、ニューロンベースのモデルの重要なファミリーとなっている。 本研究では,前向き・後向き学習のニューロモルフィック形式であるコントラッシブ・シグナル依存型塑性(CSDP)の概念実証を設計し,検討する。
  論文  参考訳（メタデータ） (2024-09-17T04:48:45Z)
• Quantum reservoir computing on random regular graphs [0.0]
  量子貯水池コンピューティング(QRC)は、入力駆動多体量子システムと古典的な学習技術を組み合わせた低複雑性学習パラダイムである。 我々は、情報局在化、動的量子相関、および乱れハミルトニアンの多体構造について研究する。 そこで本研究では、乱れたアナログ量子学習プラットフォームの最適設計のためのガイドラインを提供する。
  論文  参考訳（メタデータ） (2024-09-05T16:18:03Z)
• Non-linear classification capability of quantum neural networks due to emergent quantum metastability [0.0]
  量子ニューラルネットワークで有効な非線形性を実現することができることを示す。 分散多体量子スピンモデルにインスパイアされたアーキテクチャを持つ量子ニューラルネットワークを用いることで、このメカニズムが実際に非線形データ分類を実現することができることを示す。
  論文  参考訳（メタデータ） (2024-08-20T12:01:07Z)
• Neural auto-designer for enhanced quantum kernels [59.616404192966016]
  本稿では,問題固有の量子特徴写像の設計を自動化するデータ駆動型手法を提案する。 私たちの研究は、量子機械学習の進歩におけるディープラーニングの実質的な役割を強調します。
  論文  参考訳（メタデータ） (2024-01-20T03:11:59Z)
• On-demand transposition across light-matter interaction regimes in bosonic cQED [69.65384453064829]
  ボソニックcQEDは、非線形回路素子に結合した高温超伝導キャビティの光電場を用いる。 空洞コヒーレンスを劣化させることなく, 相互作用系を高速に切り替える実験を行った。 我々の研究は、単一のプラットフォーム内での光-物質相互作用のフル範囲を探索する新しいパラダイムを開く。
  論文  参考訳（メタデータ） (2023-12-22T13:01:32Z)
• Nuclear two point correlation functions on a quantum-computer [105.89228861548395]
  我々は、現在の量子ハードウェアとエラー軽減プロトコルを使用して、高度に単純化された核モデルに対する応答関数を計算する。 この研究では、現在の量子ハードウェアとエラー軽減プロトコルを用いて、4つの格子上に3つの区別可能な核子を持つ2次元のフェルミ・ハバードモデルに対する応答関数を計算する。
  論文  参考訳（メタデータ） (2021-11-04T16:25:33Z)
• Variational learning of quantum ground states on spiking neuromorphic hardware [0.0]
  高次元サンプリング空間と過渡自己相関は、難しい計算ボトルネックを伴うニューラルネットワークに直面する。 従来のニューラルネットワークと比較して、物理モデルデバイスは高速で効率的で本質的に並列な基板を提供する。 変動エネルギー最小化による量子スピンモデルの基底状態を表すニューロモルフィックチップの能力を示す。
  論文  参考訳（メタデータ） (2021-09-30T14:39:45Z)
• Quantum-tailored machine-learning characterization of a superconducting qubit [50.591267188664666]
  我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。 このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。 このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
  論文  参考訳（メタデータ） (2021-06-24T15:58:57Z)
• Dynamical phase transitions in quantum reservoir computing [0.0]
  量子貯水池計算における動的位相の影響に対処する。 熱相は自然に量子貯水池計算の要件に適合していることを示す。
  論文  参考訳（メタデータ） (2021-03-09T10:57:56Z)
• Entanglement transfer, accumulation and retrieval via quantum-walk-based qubit-qudit dynamics [50.591267188664666]
  高次元システムにおける量子相関の生成と制御は、現在の量子技術の展望において大きな課題である。 本稿では,量子ウォークに基づく移動・蓄積機構により,$d$次元システムの絡み合った状態が得られるプロトコルを提案する。 特に、情報を軌道角運動量と単一光子の偏光度にエンコードするフォトニック実装について述べる。
  論文  参考訳（メタデータ） (2020-10-14T14:33:34Z)

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。