論文の概要: High performance Boson Sampling simulation via data-flow engines
- arxiv url: http://arxiv.org/abs/2309.07027v1
- Date: Wed, 13 Sep 2023 15:32:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-14 13:38:06.824763
- Title: High performance Boson Sampling simulation via data-flow engines
- Title（参考訳）: データフローエンジンによる高速ボソンサンプリングシミュレーション
- Authors: Gregory Morse, Tomasz Rybotycki, \'Agoston Kaposi, Zolt\'an
Kolarovszki, Uros Stojic, Tam\'as Kozsik, Oskar Mencer, Micha{\l} Oszmaniec,
Zolt\'an Zimbor\'as, P\'eter Rakyta
- Abstract要約: 本研究では,バラシュラマン式-バクス-フランカリン-グリン式を一般化し,永久評価における行乗数を考慮した。
このアルゴリズムをFPGAベースのデータフローエンジン上に実装し、開発したアクセサリーを用いてボソンサンプリングシミュレーションを最大40ドルまで高速化する。
- 参考スコア（独自算出の注目度）: 1.9348290147402305
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work, we generalize the Balasubramanian-Bax-Franklin-Glynn (BB/FG)
permanent formula to account for row multiplicities during the permanent
evaluation and reduce the complexity of permanent evaluation in scenarios where
such multiplicities occur. This is achieved by incorporating n-ary Gray code
ordering of the addends during the evaluation. We implemented the designed
algorithm on FPGA-based data-flow engines and utilized the developed accessory
to speed up boson sampling simulations up to $40$ photons, by drawing samples
from a $60$ mode interferometer at an averaged rate of $\sim80$ seconds per
sample utilizing $4$ FPGA chips. We also show that the performance of our BS
simulator is in line with the theoretical estimation of Clifford \& Clifford
\cite{clifford2020faster} providing a way to define a single parameter to
characterize the performance of the BS simulator in a portable way. The
developed design can be used to simulate both ideal and lossy boson sampling
experiments.
- Abstract（参考訳）: 本研究では,Balasubramanian-Bax-Franklin-Glynn (BB/FG) の恒常式を一般化し,永続的評価における行乗数を考慮した。
これは、評価中に加算のn-ary Grayコード順序を組み込むことによって達成される。
FPGAベースのデータフローエンジン上で設計したアルゴリズムを実装し,4ドルのFPGAチップを用いて,60ドルモード干渉計のサンプルを1秒あたり平均$\sim80$秒で描画することにより,ボソンサンプリングシミュレーションを最大40ドルまで高速化した。
また,BSシミュレータの性能はClifford \& Clifford \cite{clifford2020faster} の理論的推定と一致し,BSシミュレータの性能を可搬性で特徴付けるための単一のパラメータを定義する方法を提供する。
開発された設計は、理想と損失の大きいボソンサンプリング実験の両方をシミュレートすることができる。
関連論文リスト
- Compositional simulation-based inference for time series [21.9975782468709]
シミュレータは、時間とともに何千もの単一状態遷移を通して現実世界のダイナミクスをエミュレートする。
本研究では,個々の状態遷移に整合したパラメータを局所的に同定することで,マルコフシミュレータを活用可能なSBIフレームワークを提案する。
次に、これらの局所的な結果を合成して、時系列の観測全体と一致した後続のオーバーパラメータを求める。
論文 参考訳（メタデータ） (2024-11-05T01:55:07Z) - Mean-Field Simulation-Based Inference for Cosmological Initial Conditions [4.520518890664213]
フーリエ空間における対角ガウス場に対する初期物質密度場の後方分布をモデル化したベイズ場再構成法を提案する。
トレーニングとサンプリングは非常に速い(トレーニング: $sim 1, Mathrmh$ on a GPU, sample: $lesssim 3, Mathrms$ for 1000 sample at resolution $1283$)。
論文 参考訳（メタデータ） (2024-10-21T09:23:50Z) - Thermodynamic Bayesian Inference [0.0]
本稿では,ベイズ後部からサンプリングする電子アナログデバイスについて,Langevinの力学を物理的に実現することによって提案する。
結果は熱力学計算を用いた高速でエネルギー効率の高いベイズ推定の可能性を強調した。
論文 参考訳（メタデータ） (2024-10-02T17:51:58Z) - The LHCb ultra-fast simulation option, Lamarr: design and validation [0.46369270610100627]
詳細な検出器シミュレーションは、LHCbのCPUリソースの主要な消費者である。
Lamarrは、LHCb検出器のシミュレーションで最速のソリューションを提供するために設計されたガウディベースのフレームワークである。
論文 参考訳（メタデータ） (2023-09-22T23:21:27Z) - Neural Posterior Estimation with Differentiable Simulators [58.720142291102135]
微分可能シミュレータを用いてニューラル・ポストミラー推定(NPE)を行う新しい手法を提案する。
勾配情報が後部形状の制約にどのように役立ち、試料効率を向上させるかを示す。
論文 参考訳（メタデータ） (2022-07-12T16:08:04Z) - Fast Variational AutoEncoder with Inverted Multi-Index for Collaborative
Filtering [59.349057602266]
変分オートエンコーダ (VAE) は, 協調フィルタリングの非線形手法として拡張されている。
内積に基づくソフトマックス確率を逆多重インデックスに基づいて分解する。
FastVAEはサンプリング品質と効率の両面で最先端のベースラインを上回っます。
論文 参考訳（メタデータ） (2021-09-13T08:31:59Z) - BayesSimIG: Scalable Parameter Inference for Adaptive Domain
Randomization with IsaacGym [59.53949960353792]
BayesSimIGは、最近リリースされたNVIDIA IsaacGymと統合されたBayesSimの実装を提供するライブラリである。
BayesSimIGはNVIDIABoardと統合して、高次元の後方のスライスを簡単に視覚化する。
論文 参考訳（メタデータ） (2021-07-09T16:21:31Z) - Simulation-efficient marginal posterior estimation with swyft: stop
wasting your precious time [5.533353383316288]
本研究では,ネスト型ニューラル・サイエンス・ツー・エビデンス比推定とシミュレーションの再利用のためのアルゴリズムを提案する。
これらのアルゴリズムが組み合わさって、縁部および関節後部の自動的および極端にシミュレーターによる効率的な推定を可能にする。
論文 参考訳（メタデータ） (2020-11-27T19:00:07Z) - Conditioning Trick for Training Stable GANs [70.15099665710336]
本稿では,GANトレーニング中の不安定性問題に対応するため,ジェネレータネットワークに正規性から逸脱する条件付け手法を提案する。
我々は、生成元をシュア分解のスペクトル領域で計算された実サンプルの正規化関数から逸脱するように強制する。
論文 参考訳（メタデータ） (2020-10-12T16:50:22Z) - AutoSimulate: (Quickly) Learning Synthetic Data Generation [70.82315853981838]
目的の新たな微分可能近似に基づく最適な合成データ生成法を提案する。
提案手法は,学習データ生成の高速化(最大50Times$)と,実世界のテストデータセットの精度向上(+8.7%$)を実現している。
論文 参考訳（メタデータ） (2020-08-16T11:36:11Z) - Quantum Algorithms for Simulating the Lattice Schwinger Model [63.18141027763459]
NISQとフォールトトレラントの両方の設定で格子シュウィンガーモデルをシミュレートするために、スケーラブルで明示的なデジタル量子アルゴリズムを提供する。
格子単位において、結合定数$x-1/2$と電場カットオフ$x-1/2Lambda$を持つ$N/2$物理サイト上のシュウィンガーモデルを求める。
NISQと耐故障性の両方でコストがかかるオブザーバブルを、単純なオブザーバブルとして推定し、平均ペア密度を推定する。
論文 参考訳（メタデータ） (2020-02-25T19:18:36Z)
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。