論文の概要: Physical computation and compositionality
- arxiv url: http://arxiv.org/abs/2210.00392v1
- Date: Sat, 1 Oct 2022 23:18:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-04 14:06:02.860601
- Title: Physical computation and compositionality
- Title（参考訳）: 物理計算と構成性
- Authors: Nima Dehghani, Gianluca Caterina
- Abstract要約: 物理コンピューティングは、情報がどのように様々な物理デバイスによって処理されるかを理解し制御することを目的とした一連の研究を開始した。
近年の研究では、より適切な物理コンピューティングの概念を彫り出すのに使える形式主義が提案されている。
本稿では、カテゴリー理論のいくつかの基本的な構成を通して、そのような結果を非常に自然な方法でキャプチャする枠組みを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Developments in quantum computing and, more in general, non-standard
computing systems, represent a clear indication that the very notion of what a
physical computing device is and does should be recast in a rigorous and sound
framework. Physical computing has opened a whole stream of new research aimed
to understand and control how information is processed by several types of
physical devices. Therefore, classical definitions and entire frameworks need
to be adapted in order to fit a broader notion of what physical computing
systems really are. Recent studies have proposed a formalism that can be used
to carve out a more proper notion of physical computing. In this paper we
present a framework which capture such results in a very natural way via some
basic constructions in Category Theory. Furthermore, we show that, within our
framework, the compositional nature of physical computing systems is naturally
formalized, and that it can be organized in coherent structures by the means of
their relational nature.
- Abstract（参考訳）: 量子コンピューティングおよび一般的には非標準コンピューティングシステムにおける開発は、物理コンピューティングデバイスとは何かという概念が厳密で健全な枠組みで再キャストされるべきであるという明確な兆候を表している。
物理コンピューティングは、様々な物理デバイスによってどのように情報が処理されるかを理解し、制御することを目的とした、新しい研究のストリームを開いた。
したがって、物理コンピューティングシステムとは何かというより広い概念に適合するために、古典的な定義とフレームワーク全体を適用する必要がある。
近年の研究では、より適切な物理コンピューティングの概念を彫るために使える形式主義が提案されている。
本稿では、カテゴリー理論の基本的な構成を通して、そのような結果を自然な方法で捉える枠組みを提案する。
さらに,本フレームワークでは,物理計算システムの構成的性質が自然に定式化され,その関係性によって一貫性のある構造に整理可能であることを示す。
関連論文リスト
- Grounded Computation & Consciousness: A Framework for Exploring Consciousness in Machines & Other Organisms [2.9280059958992286]
本稿では,意識のオントロジ的基盤の必要性について論じるとともに,計算記述をオントロジ的基質に基底付けるための形式的枠組みを導入する。
2つのシステム間の定性的経験の差を推定する手法が実証された。
論文 参考訳（メタデータ） (2024-09-24T12:34:05Z) - Form-Finding and Physical Property Predictions of Tensegrity Structures Using Deep Neural Networks [39.19016806159609]
本研究では, 緊張構造の幾何学的構成と物理特性を予測するために, ディープニューラルネットワーク (DNN) アプローチを開発した。
検証のために, 粘度Dバー, プリズム, ランダーを含む3つの張力構造を解析した。
論文 参考訳（メタデータ） (2024-06-15T16:39:53Z) - Universality conditions of unified classical and quantum reservoir computing [1.1510009152620668]
貯留層コンピューティング(Reservoir computing)は、計算神経科学と機械学習における多用途パラダイムである。
統一理論フレームワークを提案し、普遍性を確保するための準備の整った設定を提案する。
論文 参考訳（メタデータ） (2024-01-26T18:48:23Z) - Physics-Informed Neural Networks for an optimal counterdiabatic quantum
computation [32.73124984242397]
我々は,N_Q$量子ビットを持つ系からなる量子回路の最適化において,物理インフォームドニューラルネットワーク(PINN)の強度を活用して,逆ダイアバティック(CD)プロトコルに対処する新しい手法を提案する。
この手法の主な応用は、STO-3Gベースの2量子および4量子系で表される$mathrmH_2$と$mathrmLiH$分子である。
論文 参考訳（メタデータ） (2023-09-08T16:55:39Z) - Port-metriplectic neural networks: thermodynamics-informed machine
learning of complex physical systems [0.09332987715848712]
我々はポート・ハミルトン形式に基づく複雑な物理系の機械学習のための帰納バイアスを開発する。
構築されたネットワークは、複雑なシステムの物理を一部で学べることを示す。
論文 参考訳（メタデータ） (2022-11-03T15:04:27Z) - Symmetry Group Equivariant Architectures for Physics [52.784926970374556]
機械学習の分野では、対称性に対する認識が目覚ましいパフォーマンスのブレークスルーを引き起こしている。
物理学のコミュニティと、より広い機械学習のコミュニティの両方に、理解すべきことがたくさんある、と私たちは主張する。
論文 参考訳（メタデータ） (2022-03-11T18:27:04Z) - An Extensible Benchmark Suite for Learning to Simulate Physical Systems [60.249111272844374]
我々は、統一されたベンチマークと評価プロトコルへの一歩を踏み出すために、一連のベンチマーク問題を導入する。
本稿では,4つの物理系と,広く使用されている古典的時間ベースおよび代表的なデータ駆動手法のコレクションを提案する。
論文 参考訳（メタデータ） (2021-08-09T17:39:09Z) - Similarity-Based Equational Inference in Physics [0.0]
本稿では,導出エージェントを有限状態機械とするデータセット作成手法について述べる。
本手法により生成された新しいデータセットPhysAI-DS1を提案する。
PhysAI-DS1データセット上の方程式再構築タスクを解決するためのシンボリックな類似性に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2021-03-24T21:36:39Z) - Partial Differential Equations is All You Need for Generating Neural Architectures -- A Theory for Physical Artificial Intelligence Systems [40.20472268839781]
我々は、統計物理学における反応拡散方程式、量子力学におけるシュル・オーディンガー方程式、同軸光学におけるヘルムホルツ方程式を一般化する。
数値解を求めるためにNPDEを離散化するために有限差分法を用いる。
多層パーセプトロン、畳み込みニューラルネットワーク、リカレントニューラルネットワークなど、ディープニューラルネットワークアーキテクチャの基本構築ブロックが生成される。
論文 参考訳（メタデータ） (2021-03-10T00:05:46Z) - Formalising Concepts as Grounded Abstractions [68.24080871981869]
このレポートは、表現学習が生データから概念を誘導する方法を示しています。
このレポートの主な技術的目標は、表現学習のテクニックが概念空間の格子理論的定式化とどのように結婚できるかを示すことである。
論文 参考訳（メタデータ） (2021-01-13T15:22:01Z) - Physical reservoir computing -- An introductory perspective [0.0]
物理貯水池計算は、物理系の複雑な力学を情報処理装置として利用することができる。
本稿では,ソフトロボティクスの例を用いて,フレームワークの可能性を説明する。
論文 参考訳（メタデータ） (2020-05-03T05:39:06Z)
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。