論文の概要: Design of General Purpose Minimal-Auxiliary Ising Machines
- arxiv url: http://arxiv.org/abs/2310.16246v1
- Date: Tue, 24 Oct 2023 23:33:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-26 17:38:19.417198
- Title: Design of General Purpose Minimal-Auxiliary Ising Machines
- Title（参考訳）: 汎用最小補助イジングマシンの設計
- Authors: Isaac K. Martin, Andrew G. Moore, John T. Daly, Jess J. Meyer, Teresa
M. Ranadive
- Abstract要約: Ising Machineは量子インスパイアされた処理インメモリコンピュータである。
我々はIsing問題に対する汎用的なアルゴリズム解を開発する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ising machines are a form of quantum-inspired processing-in-memory computer
which has shown great promise for overcoming the limitations of traditional
computing paradigms while operating at a fraction of the energy use. The
process of designing Ising machines is known as the reverse Ising problem.
Unfortunately, this problem is in general computationally intractable: it is a
nonconvex mixed-integer linear programming problem which cannot be naively
brute-forced except in the simplest cases due to exponential scaling of runtime
with number of spins. We prove new theoretical results which allow us to reduce
the search space to one with quadratic scaling. We utilize this theory to
develop general purpose algorithmic solutions to the reverse Ising problem. In
particular, we demonstrate Ising formulations of 3-bit and 4-bit integer
multiplication which use fewer total spins than previously known methods by a
factor of more than three. Our results increase the practicality of
implementing such circuits on modern Ising hardware, where spins are at a
premium.
- Abstract（参考訳）: isingマシンは、従来のコンピューティングパラダイムの制限を克服し、エネルギー使用量のごく一部で運用する、量子インメモリ処理コンピュータの一形態である。
イジングマシンを設計する過程は逆イジング問題として知られている。
不運なことに、この問題は一般に計算的に難解である:これは非凸混合整数線形計画問題であり、スピン数が多いランタイムの指数的スケーリングのため、最も単純な場合を除いて、素直にブルート強化できない。
我々は、探索空間を2次スケーリングで1つに減らすことができる新しい理論的結果を証明する。
この理論を利用して、逆イジング問題に対する汎用アルゴリズム解を開発する。
特に、3ビットと4ビットの整数乗算のイジングの定式化を実証する。
この結果,スピンがプレミアムである現代のIsingハードウェア上でそのような回路を実装する実践性が向上した。
関連論文リスト
- Decreasing the Computing Time of Bayesian Optimization using
Generalizable Memory Pruning [56.334116591082896]
本稿では,任意のサロゲートモデルと取得関数で使用可能なメモリプルーニングとバウンダリ最適化のラッパーを示す。
BOを高次元または大規模データセット上で実行することは、この時間の複雑さのために難解になる。
すべてのモデル実装はMIT Supercloudの最先端コンピューティングハードウェア上で実行される。
論文 参考訳（メタデータ） (2023-09-08T14:05:56Z) - Computability of Optimizers [71.84486326350338]
様々な状況において、チューリングマシンでは実現不可能であり、結果としてデジタルコンピュータでは実現不可能であることを示す。
我々は、人工知能、金融数学、情報理論など、非常に異なる分野からよく知られた様々な問題に対して、そのような結果を証明している。
論文 参考訳（メタデータ） (2023-01-15T17:41:41Z) - Quantum Worst-Case to Average-Case Reductions for All Linear Problems [66.65497337069792]
量子アルゴリズムにおける最悪のケースと平均ケースの削減を設計する問題について検討する。
量子アルゴリズムの明示的で効率的な変換は、入力のごく一部でのみ正し、全ての入力で正しくなる。
論文 参考訳（メタデータ） (2022-12-06T22:01:49Z) - Quantum Sparse Coding [5.130440339897477]
我々はスパース符号化のための量子インスピレーション付きアルゴリズムを開発した。
量子コンピュータとイジングマシンの出現は、より正確な推定につながる可能性がある。
我々はLightrの量子インスパイアされたデジタルプラットフォーム上でシミュレーションデータを用いて数値実験を行う。
論文 参考訳（メタデータ） (2022-09-08T13:00:30Z) - Comparing the Digital Annealer with Classical Evolutionary Algorithm [0.0]
特殊なハードウェアを使用するソルバの例として、IBMのQuantum System OneとD-waveのQuantum Annealer (QA)、富士通のDigital Annealer (DA)がある。
論文 参考訳（メタデータ） (2022-05-26T19:04:20Z) - Optimizing Tensor Network Contraction Using Reinforcement Learning [86.05566365115729]
本稿では,グラフニューラルネットワーク(GNN)と組み合わせた強化学習(RL)手法を提案する。
この問題は、巨大な検索スペース、重い尾の報酬分布、そして困難なクレジット割り当てのために非常に難しい。
GNNを基本方針として利用するRLエージェントが,これらの課題にどのように対処できるかを示す。
論文 参考訳（メタデータ） (2022-04-18T21:45:13Z) - Using Shor's algorithm on near term Quantum computers: a reduced version [0.0]
我々は、ノイズの多い量子デバイス上で分解可能な数値の範囲を拡大するステップを推し進めるShorのアルゴリズムの縮小版を導入する。
特に、ほとんどのケースで注目すべき結果が得られており、しばしば提案されたアルゴリズムの1つで与えられた数を分解できる。
論文 参考訳（メタデータ） (2021-12-23T15:36:59Z) - Efficient Inference via Universal LSH Kernel [35.22983601434134]
本稿では,単純なハッシュ計算と集約で推論手順を近似できる数列の簡潔な集合である,数学的に証明可能なRepresenter Sketchを提案する。
Representer Sketchは、カーネル文学から人気のあるRepresenter Theoremの上に構築されている。
本研究では,Representer Sketchによるストレージ要件の最大114倍,複雑性の最大59倍を精度の低下なく達成できることを示す。
論文 参考訳（メタデータ） (2021-06-21T22:06:32Z) - Quantum-Inspired Algorithms from Randomized Numerical Linear Algebra [53.46106569419296]
我々は、リコメンダシステムと最小二乗回帰のためのクエリをサポートする古典的な(量子でない)動的データ構造を作成する。
これらの問題に対する以前の量子インスパイアされたアルゴリズムは、レバレッジやリッジレベレッジスコアを偽装してサンプリングしていると我々は主張する。
論文 参考訳（メタデータ） (2020-11-09T01:13:07Z) - Space-efficient binary optimization for variational computing [68.8204255655161]
本研究では,トラベリングセールスマン問題に必要なキュービット数を大幅に削減できることを示す。
また、量子ビット効率と回路深さ効率のモデルを円滑に補間する符号化方式を提案する。
論文 参考訳（メタデータ） (2020-09-15T18:17:27Z) - A non-algorithmic approach to "programming" quantum computers via
machine learning [0.0]
機械学習はアルゴリズムを構築するための体系的な手法、すなわちアルゴリズムを非アルゴリズム的に「プログラム」量子コンピュータに利用できることを示す。
量子状態の絡み合いを実験的に推定する、基本的な非古典的な計算を用いてこれを実証する。
この結果、IBMハードウェアへの移植に成功し、ハイブリッド強化学習法を用いて訓練された。
論文 参考訳（メタデータ） (2020-07-16T13:36:21Z)
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。