論文の概要: Accelerated Newton-Raphson GRAPE methods for optimal control
- arxiv url: http://arxiv.org/abs/2207.09882v2
- Date: Thu, 18 Aug 2022 08:13:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-04 08:07:38.020906
- Title: Accelerated Newton-Raphson GRAPE methods for optimal control
- Title(参考訳): 最適制御のための加速Newton-Raphson GRAPE法
- Authors: David L. Goodwin and Mads Sloth Vinding
- Abstract要約: 従来望ましくなかった計算時間のスケーリングを緩和するために,Hessian に基づく最適制御法が Liouville 空間で提案されている。
現実的な条件下では,Newton-aphson GRAPE法を最適に実装しているのに対し,新しい補助行列とESCALADE Hessianは,それぞれ4-200倍,70-600倍高速であることがわかった。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A Hessian based optimal control method is presented in Liouville space to
mitigate previously undesirable polynomial scaling of computation time. This
new method, an improvement to the state-of-the-art Newton-Raphson GRAPE method,
is derived with respect to two exact time-propagator derivative techniques:
auxiliary matrix and ESCALADE methods. We observed that compared to the best
current implementation of Newton-Raphson GRAPE method, for an ensemble of
2-level systems, with realistic conditions, the new auxiliary matrix and
ESCALADE Hessians can be 4-200 and 70-600 times faster, respectively.
- Abstract(参考訳): 計算時間の従来望ましくない多項式スケーリングを緩和するために, ヘッセン系最適制御法をリウヴィル空間で提案する。
最新のニュートン・ラフソン・グレープ法の改良という新しい手法は、補助行列法とエスカレート法という2つの正確な時間-プロパゲータ誘導体法に関して導出されている。
現実的な条件下では,Newton-Raphson GRAPE法を最適に実装しているのに対し,新しい補助行列とESCALADE Hessianは,それぞれ4-200倍,70-600倍高速であることがわかった。
関連論文リスト
- Incremental Quasi-Newton Methods with Faster Superlinear Convergence
Rates [50.36933471975506]
各成分関数が強く凸であり、リプシッツ連続勾配とヘシアンを持つ有限和最適化問題を考える。
最近提案されたインクリメンタル準ニュートン法は、BFGSの更新に基づいて、局所的な超線形収束率を達成する。
本稿では、対称ランク1更新をインクリメンタルフレームワークに組み込むことにより、より効率的な準ニュートン法を提案する。
論文 参考訳(メタデータ) (2024-02-04T05:54:51Z) - Online Learning Under A Separable Stochastic Approximation Framework [20.26530917721778]
分離可能な近似フレームワークを用いて,機械学習モデルのクラスに対するオンライン学習アルゴリズムを提案する。
提案アルゴリズムは,他の一般的な学習アルゴリズムと比較して,より堅牢でテスト性能が高いことを示す。
論文 参考訳(メタデータ) (2023-05-12T13:53:03Z) - ISAAC Newton: Input-based Approximate Curvature for Newton's Method [43.62131887251156]
本稿では,選択した2次情報を用いて勾配を規定する新しい手法ISAACを提案する。
本研究では,各層への入力のみに基づいて,計算オーバーヘッドを伴わずに良好な条件を計算可能であることを示す。
論文 参考訳(メタデータ) (2023-05-01T00:00:04Z) - Efficient Graph Laplacian Estimation by Proximal Newton [13.548925059656327]
グラフ学習問題は、精度行列の最大極大推定(MLE)として定式化することができる。
いくつかのアルゴリズム的特徴を利用した効率的な解法を得るための2次手法を開発した。
論文 参考訳(メタデータ) (2023-02-13T15:13:22Z) - Explicit Second-Order Min-Max Optimization Methods with Optimal
Convergence Guarantee [96.71652414591051]
本研究では,非制約問題に対するグローバルなサドル点を求めるために,不正確なニュートン型正規化手法を提案し,解析する。
提案アルゴリズムは,有界集合内に留まるイテレートを生成し,制限されたイテレート関数の項で$O(-2/3)$ギャップに収束することを示す。
論文 参考訳(メタデータ) (2022-10-23T21:24:37Z) - A Discrete Variational Derivation of Accelerated Methods in Optimization [68.8204255655161]
最適化のための異なる手法を導出できる変分法を導入する。
我々は1対1の対応において最適化手法の2つのファミリを導出する。
自律システムのシンプレクティシティの保存は、ここでは繊維のみに行われる。
論文 参考訳(メタデータ) (2021-06-04T20:21:53Z) - Leveraging Non-uniformity in First-order Non-convex Optimization [93.6817946818977]
目的関数の非一様洗練は、emphNon-uniform Smoothness(NS)とemphNon-uniform Lojasiewicz inequality(NL)につながる
新しい定義は、古典的な$Omega (1/t2)$下界よりも早く大域的最適性に収束する新しい幾何学的一階法を刺激する。
論文 参考訳(メタデータ) (2021-05-13T04:23:07Z) - Acceleration Methods [87.07695512525717]
まず,二次最適化問題を用いて,モメンタムとネスト正則性最適化スキームという2つの主要な手法を導入する。
我々は、ネステロフの精巧な研究から始まる運動量法を詳細に論じる。
次に、emphCatalystとemphAccelerated Hybrid Proximal Extragradientフレームワークの中心にある加速度技術をカバーする。
論文 参考訳(メタデータ) (2021-01-23T17:58:25Z) - A semigroup method for high dimensional committor functions based on
neural network [1.7205106391379026]
偏微分方程式を扱う代わりに、新しい手法は微分作用素の半群に基づく積分的定式化を扱う。
勾配降下型アルゴリズムは、任意の混合二階微分を計算することなく、コミッタ関数の訓練に適用することができる。
ペナルティ項によって境界条件を強制する以前の方法とは異なり、新しい方法は境界条件を自動的に考慮する。
論文 参考訳(メタデータ) (2020-12-12T05:00:47Z) - Interpolation Technique to Speed Up Gradients Propagation in Neural ODEs [71.26657499537366]
本稿では,ニューラルネットワークモデルにおける勾配の効率的な近似法を提案する。
我々は、分類、密度推定、推論近似タスクにおいて、ニューラルODEをトレーニングするリバースダイナミック手法と比較する。
論文 参考訳(メタデータ) (2020-03-11T13:15:57Z) - On Newton Screening [14.040371216692645]
我々はNewton Screening (NS) と呼ばれる新しいスクリーニング手法を開発した。
NSは、一段階局所収束を達成するという意味で、最適収束特性を有することを示す。
論文 参考訳(メタデータ) (2020-01-27T11:25:33Z)
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。