論文の概要: Implementation of digital MemComputing using standard electronic
components
- arxiv url: http://arxiv.org/abs/2309.12437v2
- Date: Tue, 3 Oct 2023 00:02:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-05 07:23:21.034164
- Title: Implementation of digital MemComputing using standard electronic
components
- Title(参考訳): 標準電子部品を用いたディジタルMemComputingの実装
- Authors: Yuan-Hang Zhang and Massimiliano Di Ventra
- Abstract要約: Digital MemComputing Machine (DMM)は、堅牢でスケーラブルな非伝統的なコンピューティングアプローチであることが証明されている。
本稿では,従来の電子部品のみを活用するDMMのためのハードウェア設計を提案する。
以上の結果から, この設計は, 既存の実現技術と比較して, 大幅な速度向上をもたらすことが示唆された。
- 参考スコア(独自算出の注目度): 5.2331146525558525
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Digital MemComputing machines (DMMs), which employ nonlinear dynamical
systems with memory (time non-locality), have proven to be a robust and
scalable unconventional computing approach for solving a wide variety of
combinatorial optimization problems. However, most of the research so far has
focused on the numerical simulations of the equations of motion of DMMs. This
inevitably subjects time to discretization, which brings its own (numerical)
issues that would be absent in actual physical systems operating in continuous
time. Although hardware realizations of DMMs have been previously suggested,
their implementation would require materials and devices that are not so easy
to integrate with traditional electronics. In this study, we propose a novel
hardware design for DMMs that leverages only conventional electronic
components. Our findings suggest that this design offers a marked improvement
in speed compared to existing realizations of these machines, without requiring
special materials or novel device concepts. We also show that these DMMs are
robust against additive noise. Moreover, the absence of numerical noise
promises enhanced stability over extended periods of the machines' operation,
paving the way for addressing even more complex problems.
- Abstract(参考訳): DMM(Digital MemComputing Machine)は、メモリを持つ非線形動的システム(時限非局所性)を用いており、様々な組合せ最適化問題を解決するための堅牢でスケーラブルな非伝統的な計算手法であることが証明されている。
しかし、これまでの研究の大部分は、DMMの運動方程式の数値シミュレーションに焦点を当てている。
これは必然的に離散化の時間であり、連続的に動作する実際の物理システムに欠落する独自の(数値的な)問題をもたらす。
DMMのハードウェア実現は以前から提案されていたが、その実装には従来の電子機器と簡単に統合できない材料や装置が必要である。
本研究では,従来の電子部品のみを活用するDMMのためのハードウェア設計を提案する。
以上の結果から, この設計は, 特殊材料や新しいデバイス概念を必要とせず, 既存の機械の実現と比較して, 性能が著しく向上することが示唆された。
また,これらのDMMは付加雑音に対して頑健であることを示す。
さらに、数値ノイズの欠如により、機械の動作期間を延ばす安定性が向上し、さらに複雑な問題に対処する道が開かれた。
関連論文リスト
- Parameter-Adaptive Approximate MPC: Tuning Neural-Network Controllers without Re-Training [50.00291020618743]
この研究は、大規模なデータセットを再計算し、再トレーニングすることなくオンラインチューニングが可能な、新しいパラメータ適応型AMPCアーキテクチャを導入している。
資源制約の厳しいマイクロコントローラ(MCU)を用いた2種類の実カートポールシステムの揺らぎを制御し,パラメータ適応型AMPCの有効性を示す。
これらの貢献は、現実世界のシステムにおけるAMPCの実践的応用に向けた重要な一歩である。
論文 参考訳(メタデータ) (2024-04-08T20:02:19Z) - Resistive Memory-based Neural Differential Equation Solver for Score-based Diffusion Model [55.116403765330084]
スコアベースの拡散のような現在のAIGC法は、迅速性と効率性の点で依然として不足している。
スコアベース拡散のための時間連続型およびアナログ型インメモリ型ニューラル微分方程式解法を提案する。
我々は180nmの抵抗型メモリインメモリ・コンピューティング・マクロを用いて,我々の解を実験的に検証した。
論文 参考訳(メタデータ) (2024-04-08T16:34:35Z) - Random resistive memory-based deep extreme point learning machine for
unified visual processing [67.51600474104171]
ハードウェア・ソフトウェア共同設計型, ランダム抵抗型メモリベース深部極点学習マシン(DEPLM)を提案する。
我々の共同設計システムは,従来のシステムと比較して,エネルギー効率の大幅な向上とトレーニングコストの削減を実現している。
論文 参考訳(メタデータ) (2023-12-14T09:46:16Z) - On Robust Numerical Solver for ODE via Self-Attention Mechanism [82.95493796476767]
我々は,内在性雑音障害を緩和し,AIによって強化された数値解法を,データサイズを小さくする訓練について検討する。
まず,教師付き学習における雑音を制御するための自己認識機構の能力を解析し,さらに微分方程式の数値解に付加的な自己認識機構を導入し,簡便かつ有効な数値解法であるAttrを提案する。
論文 参考訳(メタデータ) (2023-02-05T01:39:21Z) - Self-averaging of digital memcomputing machines [4.429709236737154]
DMM(Digital memcomputing Machine)は、メモリを持つ非量子力学系を用いて最適化問題を解決する新しいタイプの計算機である。
DMMの解法時間(TTS)は逆ガウス分布に従っており、TTSは問題サイズを増大させる。
本研究では,この現象の解析的理解と3-SAT問題の解法による数値的エビデンスを提供する。
論文 参考訳(メタデータ) (2023-01-20T20:09:05Z) - Bayesian Emulation for Computer Models with Multiple Partial
Discontinuities [0.0]
エミュレータは、コンピュータモデルを評価するのが遅いことを模倣する高速な統計構造である。
本稿では,不連続性を尊重する慎重に設計された相関構造に基づくTENSEフレームワークを紹介する。
我々は, TENSE フレームワークを TNO Challenge II に適用し, OLYMPUS 貯水池モデルをエミュレートした。
論文 参考訳(メタデータ) (2022-10-19T11:14:57Z) - MAPLE-X: Latency Prediction with Explicit Microprocessor Prior Knowledge [87.41163540910854]
ディープニューラルネットワーク(DNN)レイテンシのキャラクタリゼーションは、時間を要するプロセスである。
ハードウェアデバイスの事前知識とDNNアーキテクチャのレイテンシを具体化し,MAPLEを拡張したMAPLE-Xを提案する。
論文 参考訳(メタデータ) (2022-05-25T11:08:20Z) - Ising machines as hardware solvers of combinatorial optimization
problems [1.8732539895890135]
イジングマシンは、アイジングモデルの絶対的あるいは近似的な基底状態を見つけることを目的としたハードウェアソルバである。
既存の標準デジタルコンピュータより優れたスケーラブルなIsingマシンは、実用アプリケーションに大きな影響を与える可能性がある。
論文 参考訳(メタデータ) (2022-04-01T08:24:06Z) - Coupled and Uncoupled Dynamic Mode Decomposition in Multi-Compartmental
Systems with Applications to Epidemiological and Additive Manufacturing
Problems [58.720142291102135]
非線形問題に適用した場合,動的分解(DMD)は強力なツールである可能性が示唆された。
特に,Covid-19に対する連続遅延SIRDモデルに対する興味深い数値的応用を示す。
論文 参考訳(メタデータ) (2021-10-12T21:42:14Z) - Directed percolation and numerical stability of simulations of digital
memcomputing machines [8.761355402590105]
DMM(Digital memcomputing Machine)は、最適化問題を解決するために設計された新しい非解決型マシンである。
これらのマシンは、メモリを持つ連続時間非量子力学系で物理的に実現することができる。
多くの困難問題の解は、DMMのODEを数値的に統合することによって報告されている。
論文 参考訳(メタデータ) (2021-02-06T09:44:28Z)
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。