論文の概要: Training an Ising Machine with Equilibrium Propagation

• arxiv url: http://arxiv.org/abs/2305.18321v1
• Date: Mon, 22 May 2023 15:40:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-04 11:30:33.525175
• Title: Training an Ising Machine with Equilibrium Propagation
• Title（参考訳）: 平衡伝播によるイジングマシンの訓練
• Authors: J\'er\'emie Laydevant, Danijela Markovic, Julie Grollier
• Abstract要約: イジングマシンは結合スピンのイジングモデルのハードウェア実装である。 本研究では,Ising マシンを教師付きで訓練するための新しい手法を実証する。 私たちの発見は、AIのための有望なトレーニング可能なハードウェアプラットフォームとして、Ising Machineを確立しました。
• 参考スコア（独自算出の注目度）: 2.3848738964230023
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ising machines, which are hardware implementations of the Ising model of coupled spins, have been influential in the development of unsupervised learning algorithms at the origins of Artificial Intelligence (AI). However, their application to AI has been limited due to the complexities in matching supervised training methods with Ising machine physics, even though these methods are essential for achieving high accuracy. In this study, we demonstrate a novel approach to train Ising machines in a supervised way through the Equilibrium Propagation algorithm, achieving comparable results to software-based implementations. We employ the quantum annealing procedure of the D-Wave Ising machine to train a fully-connected neural network on the MNIST dataset. Furthermore, we demonstrate that the machine's connectivity supports convolution operations, enabling the training of a compact convolutional network with minimal spins per neuron. Our findings establish Ising machines as a promising trainable hardware platform for AI, with the potential to enhance machine learning applications.
• Abstract（参考訳）: 結合スピンのIsingモデルのハードウェア実装であるIsing Machineは、人工知能(AI)の起源における教師なし学習アルゴリズムの開発に影響を与えている。 しかし、aiへの応用は、これらの手法が高精度化に不可欠であるにもかかわらず、教師付きトレーニング手法とイジングマシン物理のマッチングの複雑さのために制限されている。 本研究では,isingマシンを平衡伝播アルゴリズムを通して教師ありの方法で訓練する新しい手法を示し,ソフトウェアベース実装と同等の結果を得る。 我々は,d-wave ising machineの量子アニーリング法を用いて,mnistデータセット上の完全接続ニューラルネットワークを訓練する。 さらに、マシンの接続性は畳み込み操作をサポートし、ニューロン毎に最小のスピンを持つコンパクトな畳み込みネットワークのトレーニングを可能にする。 isingマシンは、aiのトレーニング可能なハードウェアプラットフォームであり、機械学習アプリケーションを強化する可能性を秘めています。

関連論文リスト

• Uncertainty Estimation in Multi-Agent Distributed Learning for AI-Enabled Edge Devices [0.0]
  エッジIoTデバイスはFPGAとAIアクセラレータの導入によってパラダイムシフトを経験している。 この進歩は、エッジAIの実用性を強調し、その計算能力を大幅に増幅した。 本研究では,AI対応エッジデバイスによる分散データ処理を実現する手法について検討し,協調学習能力を向上する。
  論文  参考訳（メタデータ） (2024-03-14T07:40:32Z)
• Mechanistic Neural Networks for Scientific Machine Learning [58.99592521721158]
  我々は、科学における機械学習応用のためのニューラルネットワーク設計であるメカニスティックニューラルネットワークを提案する。 新しいメカニスティックブロックを標準アーキテクチャに組み込んで、微分方程式を表現として明示的に学習する。 我々のアプローチの中心は、線形プログラムを解くために線形ODEを解く技術に着想を得た、新しい線形計画解法(NeuRLP)である。
  論文  参考訳（メタデータ） (2024-02-20T15:23:24Z)
• Machine Learning Insides OptVerse AI Solver: Design Principles and Applications [74.67495900436728]
  本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。 本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。 本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
  論文  参考訳（メタデータ） (2024-01-11T15:02:15Z)
• A general learning scheme for classical and quantum Ising machines [0.0]
  本稿では,Ising構造に基づく機械学習モデルを提案する。 提案した学習モデルのトレーニングと実行に関する実験結果を示す。 特に量子領域では、量子リソースはモデルの実行とトレーニングの両方に使用され、量子機械学習において有望な視点を提供する。
  論文  参考訳（メタデータ） (2023-10-27T18:07:02Z)
• Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
  予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。 PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
  論文  参考訳（メタデータ） (2023-08-15T16:37:16Z)
• Intelligence Processing Units Accelerate Neuromorphic Learning [52.952192990802345]
  スパイキングニューラルネットワーク(SNN)は、エネルギー消費と遅延の観点から、桁違いに改善されている。 我々は、カスタムSNN PythonパッケージsnnTorchのIPU最適化リリースを提示する。
  論文  参考訳（メタデータ） (2022-11-19T15:44:08Z)
• Active Predicting Coding: Brain-Inspired Reinforcement Learning for Sparse Reward Robotic Control Problems [79.07468367923619]
  ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。 我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。 提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
  論文  参考訳（メタデータ） (2022-09-19T16:49:32Z)
• Prospects of federated machine learning in fluid dynamics [0.0]
  近年、機械学習は、データサイエンスの急速な発展により、流体コミュニティにルネッサンスを与えている。 本稿では,集約された共有予測モデルとの協調学習を可能にする,フェデレートされた機械学習手法を提案する。 本研究では、時間場再構築のための深層学習サロゲートモデルの構築をめざして、このような分散学習アプローチの実現可能性と展望を実証する。
  論文  参考訳（メタデータ） (2022-08-15T06:15:04Z)
• Noise-injected analog Ising machines enable ultrafast statistical sampling and machine learning [0.0]
  アナログノイズを注入することで,Isingマシンを用いた超高速統計的サンプリングを実現する普遍的な概念を提案する。 光電子イジング装置を用いて、ボルツマン分布の正確なサンプリングに使用できることを示した。 We found that Ising machines can perform statistics sample order-of-magnitude than software-based methods。
  論文  参考訳（メタデータ） (2021-12-21T21:33:45Z)
• Spiking Neural Networks Hardware Implementations and Challenges: a Survey [53.429871539789445]
  スパイキングニューラルネットワークは、ニューロンとシナプスの操作原理を模倣する認知アルゴリズムである。 スパイキングニューラルネットワークのハードウェア実装の現状について述べる。 本稿では,これらのイベント駆動アルゴリズムの特性をハードウェアレベルで活用するための戦略について論じる。
  論文  参考訳（メタデータ） (2020-05-04T13:24:00Z)
• Learning to Walk: Spike Based Reinforcement Learning for Hexapod Robot Central Pattern Generation [2.4603302139672003]
  2足歩行、四足歩行、六足歩行では勾配、深部強化学習(RL)などの手法が研究されている。 スパイクニューラルネットワーク(SNN)の最近の進歩は、神経のスパース発射による計算の大幅な削減を約束している。 スパイキングパターン生成器のトレーニングのための強化型重み更新手法を提案する。
  論文  参考訳（メタデータ） (2020-03-22T23:45:32Z)

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。