Fugu-MT 論文翻訳(概要): Solving QUBO on the Loihi 2 Neuromorphic Processor

論文の概要: Solving QUBO on the Loihi 2 Neuromorphic Processor

arxiv url: http://arxiv.org/abs/2408.03076v1
Date: Tue, 6 Aug 2024 10:07:43 GMT
ステータス: 処理完了
システム内更新日: 2024-08-07 14:27:34.459738
Title: Solving QUBO on the Loihi 2 Neuromorphic Processor
Title（参考訳）: Loihi 2ニューロモルフィックプロセッサ上でのQUBOの解法
Authors: Alessandro Pierro, Philipp Stratmann, Gabriel Andres Fonseca Guerra, Sumedh Risbud, Timothy Shea, Ashish Rao Mangalore, Andreas Wild,
Abstract要約: 本稿では,Intel Loihi 2 のニューロモルフィックプロセッサ上での擬似非拘束バイナリ最適化問題の解法について述べる。予備的な結果から,提案手法はCPU上で動作している2つのベースラインソルバに比べて,最大1ミリ秒,最大37倍のエネルギー効率で実現可能な解を生成できることが示唆された。
参考スコア（独自算出の注目度）: 36.40764406612833
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this article, we describe an algorithm for solving Quadratic Unconstrained Binary Optimization problems on the Intel Loihi 2 neuromorphic processor. The solver is based on a hardware-aware fine-grained parallel simulated annealing algorithm developed for Intel's neuromorphic research chip Loihi 2. Preliminary results show that our approach can generate feasible solutions in as little as 1 ms and up to 37x more energy efficient compared to two baseline solvers running on a CPU. These advantages could be especially relevant for size-, weight-, and power-constrained edge computing applications.
Abstract（参考訳）: 本稿では,Intel Loihi 2 のニューロモルフィックプロセッサ上での擬似非拘束バイナリ最適化問題の解法について述べる。この解法は、Intelのニューロモルフィック研究チップLoihi 2向けに開発されたハードウェア対応の微細な並列アニールアルゴリズムに基づいている。予備的な結果は,CPU上で動作している2つのベースラインソルバと比較して,最大1ミリ秒で実現可能な解を最大37倍のエネルギー効率で生成できることを示唆している。これらの利点は、特にサイズ、重量、電力制約のあるエッジコンピューティングアプリケーションに関係がある。

関連論文リスト

Tensor Network Based HOBO Solver [0.0]
提案した解法は、定式化の観点から将来の拡張に有意義な可能性を持つ有望なツールである。この解法は、量子コンピューティングにおける幅広い応用の有望な可能性を持っている。
論文参考訳（メタデータ） (2024-07-23T00:33:34Z)
Neuromorphic quadratic programming for efficient and scalable model predictive control [0.31457219084519]
イベントベースおよびメモリ統合ニューロモルフィックアーキテクチャは、大規模な最適化問題を解決することを約束する。本稿では,Intel のスケーラブルなニューロモルフィック研究チップ Loihi 2 上での2次コスト関数と線形制約を用いた凸連続最適化問題の解法を提案する。
論文参考訳（メタデータ） (2024-01-26T14:12:35Z)
Implementing and Benchmarking the Locally Competitive Algorithm on the Loihi 2 Neuromorphic Processor [5.352699766206807]
局所競合アルゴリズム(LCA)は、ニューロモルフィックプロセッサ上での効率的なスパース符号化に利用されている。ロイヒ2号のLCAは、同様の復元品質を維持しながら、大規模な刑罰に対して、桁違いに効率的かつ高速な命令である。
論文参考訳（メタデータ） (2023-07-25T18:43:08Z)
Qubit efficient quantum algorithms for the vehicle routing problem on NISQ processors [48.68474702382697]
時間窓付き車両ルーティング問題(VRPTW)は、ロジスティクス業界で直面する一般的な最適化問題である。そこで本研究では,以前に導入した量子ビット符号化方式を用いて,バイナリ変数の数を削減した。
論文参考訳（メタデータ） (2023-06-14T13:44:35Z)
Quantum-based Distributed Algorithms for Edge Node Placement and Workload Allocation [8.937905773981702]
最適なエッジサーバ配置とワークロード割り当てのための混合整数線形プログラミング(MILP)モデルを提案する。既存の量子解法は制約のないバイナリプログラミング問題の解法に限られる。数値実験により,エッジコンピューティングの複雑な最適化問題を解くために量子超越性を活用できることが実証された。
論文参考訳（メタデータ） (2023-06-01T21:33:08Z)
QAOA-in-QAOA: solving large-scale MaxCut problems on small quantum machines [81.4597482536073]
量子近似最適化アルゴリズム(QAOAs)は、量子マシンのパワーを利用し、断熱進化の精神を継承する。量子マシンを用いて任意の大規模MaxCut問題を解くためにQAOA-in-QAOA(textQAOA2$)を提案する。提案手法は,大規模最適化問題におけるQAOAsの能力を高めるために,他の高度な戦略にシームレスに組み込むことができる。
論文参考訳（メタデータ） (2022-05-24T03:49:10Z)
Quadratic Unconstrained Binary Optimisation via Quantum-Inspired Annealing [58.720142291102135]
本稿では,2次非制約二項最適化の事例に対する近似解を求める古典的アルゴリズムを提案する。我々は、チューニング可能な硬さと植え付けソリューションを備えた大規模問題インスタンスに対して、我々のアプローチをベンチマークする。
論文参考訳（メタデータ） (2021-08-18T09:26:17Z)
Polynomial unconstrained binary optimisation inspired by optical simulation [52.11703556419582]
制約のないバイナリ最適化の問題を解決するために,光コヒーレントIsingマシンにヒントを得たアルゴリズムを提案する。提案アルゴリズムを既存のPUBOアルゴリズムに対してベンチマークし,その優れた性能を観察する。タンパク質の折り畳み問題や量子化学問題へのアルゴリズムの適用は、PUBO問題による電子構造問題の近似の欠点に光を当てる。
論文参考訳（メタデータ） (2021-06-24T16:39:31Z)
Lower Bounds and Optimal Algorithms for Smooth and Strongly Convex Decentralized Optimization Over Time-Varying Networks [79.16773494166644]
通信ネットワークのノード間を分散的に保存するスムーズで強い凸関数の和を最小化するタスクについて検討する。我々は、これらの下位境界を達成するための2つの最適アルゴリズムを設計する。我々は,既存の最先端手法と実験的な比較を行うことにより,これらのアルゴリズムの理論的効率を裏付ける。
論文参考訳（メタデータ） (2021-06-08T15:54:44Z)
3-Regular 3-XORSAT Planted Solutions Benchmark of Classical and Quantum Heuristic Optimizers [0.30586855806896046]
特定のコンピューティング集約的な課題に対処するための選択肢として、専用ハードウェアが登場した。これらのプラットフォームには、デジタル論理の高効率ハードウェア実装から、新しいアルゴリズムを実装するアナログハードウェアの提案まで、多くの異なる特徴がある。本研究では、解を効率的に見つけることができる線形方程式の特定のクラスの写像を用いて、これらの異なるアプローチのいくつかをベンチマークする。
論文参考訳（メタデータ） (2021-03-15T15:40:00Z)

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。