論文の概要: Springs and a stopwatch: neural units with time-dependent multifunctionality
- arxiv url: http://arxiv.org/abs/2404.15545v1
- Date: Tue, 23 Apr 2024 22:19:51 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-25 15:03:25.066605
- Title: Springs and a stopwatch: neural units with time-dependent multifunctionality
- Title(参考訳): スプリングとストップウォッチ:時間依存多機能神経ユニット
- Authors: Stephen Whitelam,
- Abstract要約: アンアンプ型高調波発振器の力学は多機能計算を行うことができることを示す。
この性質の時間分解計算は、システムの自然な時間進化によって、1つの価格で複数の計算を行うことができる。
- 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: Several branches of computing use a system's physical dynamics to do computation. We show that the dynamics of an underdamped harmonic oscillator can perform multifunctional computation, solving distinct problems at distinct times within a single dynamical trajectory. Oscillator computing usually focuses on the oscillator's phase as the information-carrying component. Here we focus on the time-resolved amplitude of an oscillator whose inputs influence its frequency, which has a natural parallel as the activity of a time-dependent neural unit. Because the activity of the unit at fixed time is a nonmonotonic function of the input, the unit can solve nonlinearly-separable problems such as XOR. Because the activity of the unit at fixed input is a nonmonotonic function of time, the unit is multifunctional in a temporal sense, able to carry out distinct nonlinear computations at distinct times within the same dynamical trajectory. Time-resolved computing of this nature can be done in or out of equilibrium, with the natural time evolution of the system giving us multiple computations for the price of one.
- Abstract(参考訳): コンピューティングのいくつかの分野は、システムの物理力学を使って計算を行う。
本研究では, アンダーダム型高調波発振器の力学を多機能計算し, 1つの動的軌道内で異なるタイミングで異なる問題を解くことができることを示す。
振動子計算は通常、情報搬送コンポーネントとしての発振子の位相に焦点をあてる。
ここでは、入力が周波数に影響を与える発振器の時間分解振幅に着目し、時間依存神経ユニットのアクティビティとして自然な並列性を持つ。
一定時の単位の活性は入力の非単調関数であるため、単位は XOR のような非線形に分離可能な問題を解くことができる。
固定入力時の単位の活性は時間の非単調関数であるため、単位は時間的意味で多機能であり、同じ動的軌道内で異なるタイミングで異なる非線形計算を行うことができる。
この性質の時間分解計算は、システムの自然な時間進化によって、1つの価格で複数の計算を行うことができる。
関連論文リスト
- Operator dynamics in Floquet many-body systems [0.0]
我々は,多体量子系における演算子ダイナミクスについて研究し,エルゴード的,空間的拡張,保存密度の欠如といったシステムの汎用的特徴に着目した。
可解モデルおよび数値的には,演算子自己相関関数の挙動を時間関数および演算子支持の大きさとして検討する。
論文 参考訳(メタデータ) (2023-12-21T18:54:18Z) - Semi-supervised Learning of Partial Differential Operators and Dynamical
Flows [68.77595310155365]
本稿では,超ネットワーク解法とフーリエニューラル演算子アーキテクチャを組み合わせた新しい手法を提案する。
本手法は, 1次元, 2次元, 3次元の非線形流体を含む様々な時間発展PDEを用いて実験を行った。
その結果、新しい手法は、監督点の時点における学習精度を向上し、任意の中間時間にその解を補間できることを示した。
論文 参考訳(メタデータ) (2022-07-28T19:59:14Z) - Time Dependent Hamiltonian Simulation Using Discrete Clock Constructions [42.3779227963298]
時間依存力学を時間依存システムとして符号化するためのフレームワークを提供する。
まず、拡張クロックシステム上で量子化を行う時間依存シミュレーションアルゴリズムを作成する。
第2に、時間順序指数に対する多積公式の自然な一般化を定義する。
論文 参考訳(メタデータ) (2022-03-21T21:29:22Z) - Functional Renormalization analysis of Bose-Einstien Condensation
through complex interaction in Harmonic Oscillator; Can Bendixson criteria be
extended to complex time? [0.0]
アクション再正規化は波動関数の位相を捉えます。
単項系と非単項系は関数計算に関連付けるために議論される。
双対空間左-右の定式化は、スケール依存作用のフロー方程式を導出するために機能的ボソニック変数を用いて行われる。
論文 参考訳(メタデータ) (2021-12-03T09:37:12Z) - On the static effective Hamiltonian of a rapidly driven nonlinear system [0.0]
本稿では,高速振動駆動下での系の静的実効ハミルトニアンの計算式について述べる。
この結果はコンピュータが行う記号計算に適している。
論文 参考訳(メタデータ) (2021-08-05T21:39:22Z) - Spatiotemporal Spike-Pattern Selectivity in Single Mixed-Signal Neurons
with Balanced Synapses [0.27998963147546135]
混合信号ニューロモルフィックプロセッサは推論と学習に使用できる。
ネットワーク層の実装に不均一なシナプス回路をいかに利用できるかを示す。
論文 参考訳(メタデータ) (2021-06-10T12:04:03Z) - Consistency of mechanistic causal discovery in continuous-time using
Neural ODEs [85.7910042199734]
ダイナミカルシステムの研究において,連続時間における因果的発見を検討する。
本稿では,ニューラルネットワークを用いた因果探索アルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-05-06T08:48:02Z) - Fast and differentiable simulation of driven quantum systems [58.720142291102135]
我々は、ダイソン展開に基づく半解析手法を導入し、標準数値法よりもはるかに高速に駆動量子系を時間発展させることができる。
回路QEDアーキテクチャにおけるトランスモン量子ビットを用いた2量子ゲートの最適化結果を示す。
論文 参考訳(メタデータ) (2020-12-16T21:43:38Z) - Multipole Graph Neural Operator for Parametric Partial Differential
Equations [57.90284928158383]
物理系をシミュレーションするためのディープラーニングベースの手法を使用する際の大きな課題の1つは、物理ベースのデータの定式化である。
線形複雑度のみを用いて、あらゆる範囲の相互作用をキャプチャする、新しいマルチレベルグラフニューラルネットワークフレームワークを提案する。
実験により, 離散化不変解演算子をPDEに学習し, 線形時間で評価できることを確認した。
論文 参考訳(メタデータ) (2020-06-16T21:56:22Z) - Liquid Time-constant Networks [117.57116214802504]
本稿では,時間連続リカレントニューラルネットワークモデルについて紹介する。
暗黙の非線形性によって学習システムの力学を宣言する代わりに、線形一階力学系のネットワークを構築する。
これらのニューラルネットワークは安定かつ有界な振る舞いを示し、ニューラル常微分方程式の族の中で優れた表現性をもたらす。
論文 参考訳(メタデータ) (2020-06-08T09:53:35Z) - Complexity of Fermionic Dissipative Interactions and Applications to
Quantum Computing [0.0]
ノイズは典型的には量子多体相関に不完全であると考えられており、古典的に抽出可能な状態に導かれる。
この研究は、対損失のような二体プロセスで表されるノイズが多体相互作用と同じ役割を果たすことを示した。
論文 参考訳(メタデータ) (2020-05-21T18:00:12Z)
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。