Fugu-MT 論文翻訳(概要): Optical Algorithm for Derivative of Real-Valued Functions

論文の概要: Optical Algorithm for Derivative of Real-Valued Functions

arxiv url: http://arxiv.org/abs/2408.04710v1
Date: Thu, 8 Aug 2024 18:20:03 GMT
ステータス: 処理完了
システム内更新日: 2024-08-12 17:18:49.518804
Title: Optical Algorithm for Derivative of Real-Valued Functions
Title（参考訳）: 実値関数の導出のための光学アルゴリズム
Authors: Murilo H. Magiotto, Guilherme L. Zanin, Wesley B. Cardoso, Ardiley T. Avelar, Rafael M. Gomes,
Abstract要約: 一次元実数値関数の導出をパラ軸および単色レーザービームを用いて実装するための光学的アルゴリズムを作成する。我々は、2次元位相符号化関数を光ビームの強度プロファイルに転送できる新しい光学アルゴリズムを実験的に実装した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: The derivation of a function is a fundamental tool for solving problems in calculus. Consequently, the motivations for investigating physical systems capable of performing this task are numerous. Furthermore, the potential to develop an optical computer to replace conventional computers has led us to create an optical algorithm and propose an experimental setup for implementing the derivative of one-dimensional real-valued functions using a paraxial and monochromatic laser beam. To complement the differentiation algorithm, we have experimentally implemented a novel optical algorithm that can transfer a two-dimensional phase-encoded function to the intensity profile of a light beam. Additionally, we demonstrate how to implement the n-th derivative of functions encoded in the phase of the transverse profile of photons.
Abstract（参考訳）: 関数の導出は計算の問題を解くための基本的な道具である。そのため、この課題を遂行できる物理系を調査する動機は多岐にわたる。さらに,従来のコンピュータを代替する光学コンピュータを開発する可能性により,光学アルゴリズムが作成され,一次元実数値関数のパラ軸・単色レーザビームによる導出を実現するための実験装置が提案されている。微分アルゴリズムを補完するため、2次元位相符号化関数を光ビームの強度プロファイルに転送できる新しい光学アルゴリズムを実験的に実装した。さらに、光子の逆プロファイルの位相に符号化された関数のn番目の微分を実装する方法を示す。

関連論文リスト

DimOL: Dimensional Awareness as A New 'Dimension' in Operator Learning [63.5925701087252]
本稿では,DimOL(Dimension-aware Operator Learning)を紹介し,次元解析から洞察を得る。 DimOLを実装するために,FNOおよびTransformerベースのPDEソルバにシームレスに統合可能なProdLayerを提案する。経験的に、DimOLモデルはPDEデータセット内で最大48%のパフォーマンス向上を達成する。
論文参考訳（メタデータ） (2024-10-08T10:48:50Z)
Emulating quantum computing with optical matrix multiplication [0.0]
光コンピューティングは光の速度を利用してベクトル行列演算を効率的に行う。量子力学原理を用いてフォトニック行列乗法を定式化する。我々はよく知られたアルゴリズム、すなわちDeutsch-Jozsaのアルゴリズムを実証する。
論文参考訳（メタデータ） (2024-07-19T10:11:06Z)
A Variational Approach to Learning Photonic Unitary Operators [0.0]
我々は、横方向空間自由度で変調された構造光の高次元特性を利用して、ユニタリ演算を学習する。我々の研究は高次元情報処理を推進し、未知の状態とチャネルのプロセスおよび量子状態トモグラフィーに適応することができる。
論文参考訳（メタデータ） (2024-06-09T10:36:27Z)
Characterization of multi-mode linear optical networks [0.0]
不完全性の存在下での光回路のキャラクタリゼーションのための効率的な手順を定式化する。本稿では,本手法の有効性を,可変集積フォトニック回路で定義された実験的なシナリオで示す。本研究は, バルク構成と統合構成の両方に基づいて, 広い範囲の光学装置に応用できることを示す。
論文参考訳（メタデータ） (2023-04-13T13:09:14Z)
D4FT: A Deep Learning Approach to Kohn-Sham Density Functional Theory [79.50644650795012]
コーンシャム密度汎関数論(KS-DFT)を解くための深層学習手法を提案する。このような手法はSCF法と同じ表現性を持つが,計算複雑性は低下する。さらに,本手法により,より複雑なニューラルベース波動関数の探索が可能となった。
論文参考訳（メタデータ） (2023-03-01T10:38:10Z)
Retrieving space-dependent polarization transformations via near-optimal quantum process tomography [55.41644538483948]
トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
論文参考訳（メタデータ） (2022-10-27T11:37:14Z)
Physics-aware Differentiable Discrete Codesign for Diffractive Optical Neural Networks [12.952987240366781]
本研究は,Diffractive Optical Neural Network (DONN) の効率的なトレーニングを可能にする,新しいデバイス間ハードウェア・ソフトウェア符号フレームワークを提案する。 Gumbel-Softmaxは、現実世界のデバイスパラメータからDONNの前方関数への微分可能な離散マッピングを可能にするために使用される。その結果,提案手法は従来の量子化法に比べて大きな利点があることがわかった。
論文参考訳（メタデータ） (2022-09-28T17:13:28Z)
Regularization by Denoising Sub-sampled Newton Method for Spectral CT Multi-Material Decomposition [78.37855832568569]
スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。スペクトルct材料分解の数値的および実験的結果を示す。
論文参考訳（メタデータ） (2021-03-25T15:20:10Z)
Rapid characterisation of linear-optical networks via PhaseLift [51.03305009278831]
集積フォトニクスは優れた位相安定性を提供し、半導体産業によって提供される大規模な製造性に依存することができる。このような光回路に基づく新しいデバイスは、機械学習アプリケーションにおいて高速でエネルギー効率の高い計算を約束する。線形光ネットワークの転送行列を再構成する新しい手法を提案する。
論文参考訳（メタデータ） (2020-10-01T16:04:22Z)
Sequential Subspace Search for Functional Bayesian Optimization Incorporating Experimenter Intuition [63.011641517977644]
本アルゴリズムは,実験者のガウス過程から引き出された一組の引き数で区切られた関数空間の有限次元ランダム部分空間列を生成する。標準ベイズ最適化は各部分空間に適用され、次の部分空間の出発点(オリジン)として用いられる最良の解である。シミュレーションおよび実世界の実験,すなわちブラインド関数マッチング,アルミニウム合金の最適析出強化関数の探索,深層ネットワークの学習速度スケジュール最適化において,本アルゴリズムを検証した。
論文参考訳（メタデータ） (2020-09-08T06:54:11Z)

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。