論文の概要: Different Paths, Same Destination: Designing New Physics-Inspired Dynamical Systems with Engineered Stability to Minimize the Ising Hamiltonian
- arxiv url: http://arxiv.org/abs/2504.06280v2
- Date: Sun, 13 Apr 2025 22:45:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-15 16:44:49.537989
- Title: Different Paths, Same Destination: Designing New Physics-Inspired Dynamical Systems with Engineered Stability to Minimize the Ising Hamiltonian
- Title（参考訳）: 異なる経路, 同じ決定: アイジング・ハミルトニアンを最小化するための工学的安定性を持つ新しい物理にインスパイアされた力学系の設計
- Authors: E. M. H. E. B. Ekanayake, N. Shukla,
- Abstract要約: OIMと同様に、Ising Hamiltonian を最小化するが、動的特性が著しく異なる新しい力学系である Dynamical Ising Machine (DIM) を導入する。
本研究は,異なる性質を持つ複数の力学系を用いて同一のCOPを解くことにより,ロバストな解を生成するとともに,入力グラフに敏感でない効果的な手法が実現できることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Oscillator Ising machines (OIMs) represent an exemplar case of using physics-inspired non-linear dynamical systems to solve computationally challenging combinatorial optimization problems (COPs). The computational performance of such systems is highly sensitive to the underlying dynamical properties, the topology of the input graph, and their relative compatibility. In this work, we explore the concept of designing different dynamical systems that minimize the same objective function but exhibit drastically different dynamical properties. Our goal is to leverage this diversification in dynamics to reduce the sensitivity of the computational performance to the underlying graph, and subsequently, enhance the overall effectiveness of such physics-based computational methods. To this end, we introduce a novel dynamical system, the Dynamical Ising Machine (DIM), which, like the OIM, minimizes the Ising Hamiltonian but offers significantly different dynamical properties. We analyze the characteristic properties of the DIM and compare them with those of the OIM. We also show that the relative performance of each model is dependent on the input graph. Our work illustrates that using multiple dynamical systems with varying properties to solve the same COP enables an effective method that is less sensitive to the input graph, while producing robust solutions.
- Abstract（参考訳）: Oscillator Ising Machine (OIM) は、計算的に困難な組合せ最適化問題 (COP) を解決するために物理学に着想を得た非線形力学系を用いた典型的な例である。
このようなシステムの計算性能は、基礎となる力学特性、入力グラフのトポロジー、およびそれらの相対互換性に非常に敏感である。
本研究では、同じ目的関数を最小にしつつ、非常に異なる力学特性を示す異なる力学系を設計するという概念を探求する。
我々のゴールは、このダイナミクスの多様化を利用して、基礎となるグラフに対する計算性能の感度を下げ、その後、そのような物理ベースの計算手法の全体的な効果を高めることである。
この目的のために,OIMと同様にIsing Hamiltonian を最小化するが,動的特性が著しく異なる新しい力学系である Dynamical Ising Machine (DIM) を導入する。
我々はDIMの特性を解析し,その特性をOIMの特性と比較する。
また,各モデルの相対的性能が入力グラフに依存することを示す。
本研究は,異なる性質を持つ複数の力学系を用いて同一のCOPを解くことにより,ロバストな解を生成するとともに,入力グラフに敏感でない効果的な手法が実現できることを示す。
関連論文リスト
- Dynami-CAL GraphNet: A Physics-Informed Graph Neural Network Conserving Linear and Angular Momentum for Dynamical Systems [7.59660604072964]
Dynami-CAL GraphNetは、複雑な多体力学系の正確、解釈可能、リアルタイムモデリングを提供する。
基本的な保存法則に従う物理的に一貫性があり、スケーラブルな予測を提供する。
これは、異種相互作用と外部力の効率よく処理しながら、力とモーメントの推測を可能にする。
論文 参考訳（メタデータ） (2025-01-13T14:41:56Z) - Dynamic Importance Learning using Fisher Information Matrix (FIM) for Nonlinear Dynamic Mapping [0.2455468619225742]
本研究はブラックボックスモデルにおける妥当性スコアを動的に決定するための方法論を提案する。
提案手法は、勾配に基づくフレームワークを用いて、分散駆動機能の重要性を明らかにする。
このアプローチの実用性は、工業的なpH中和プロセスに適用することで示される。
論文 参考訳（メタデータ） (2024-06-08T08:12:41Z) - Deep Learning-based Analysis of Basins of Attraction [49.812879456944984]
本研究は,様々な力学系における盆地の複雑さと予測不可能性を特徴づけることの課題に対処する。
主な焦点は、この分野における畳み込みニューラルネットワーク(CNN)の効率性を示すことである。
論文 参考訳（メタデータ） (2023-09-27T15:41:12Z) - Reduced order modeling of parametrized systems through autoencoders and
SINDy approach: continuation of periodic solutions [0.0]
本研究は,ROM構築と動的識別の低減を組み合わせたデータ駆動型非侵入型フレームワークを提案する。
提案手法は、非線形力学(SINDy)のパラメトリックスパース同定によるオートエンコーダニューラルネットワークを利用して、低次元力学モデルを構築する。
これらは、システムパラメータの関数として周期的定常応答の進化を追跡し、過渡位相の計算を避け、不安定性と分岐を検出することを目的としている。
論文 参考訳（メタデータ） (2022-11-13T01:57:18Z) - Neural Operator with Regularity Structure for Modeling Dynamics Driven
by SPDEs [70.51212431290611]
偏微分方程式 (SPDE) は、大気科学や物理学を含む多くの分野において、力学をモデル化するための重要なツールである。
本研究では,SPDEによって駆動されるダイナミクスをモデル化するための特徴ベクトルを組み込んだニューラル演算子(NORS)を提案する。
動的Phi41モデルと2d Navier-Stokes方程式を含む様々なSPDE実験を行った。
論文 参考訳（メタデータ） (2022-04-13T08:53:41Z) - Gradient-Based Trajectory Optimization With Learned Dynamics [80.41791191022139]
データからシステムの微分可能なダイナミクスモデルを学習するために、機械学習技術を使用します。
ニューラルネットワークは、大規模な時間的地平線に対して、非常に非線形な振る舞いを正確にモデル化できることが示される。
ハードウェア実験において、学習したモデルがSpotとRadio- controlled (RC)の両方の複雑な力学を表現できることを実証した。
論文 参考訳（メタデータ） (2022-04-09T22:07:34Z) - Capturing Actionable Dynamics with Structured Latent Ordinary
Differential Equations [68.62843292346813]
本稿では,その潜在表現内でのシステム入力の変動をキャプチャする構造付き潜在ODEモデルを提案する。
静的変数仕様に基づいて,本モデルではシステムへの入力毎の変動要因を学習し,潜在空間におけるシステム入力の影響を分離する。
論文 参考訳（メタデータ） (2022-02-25T20:00:56Z) - Equivariant vector field network for many-body system modeling [65.22203086172019]
Equivariant Vector Field Network (EVFN) は、新しい同変層と関連するスカラー化およびベクトル化層に基づいて構築されている。
シミュレーションされたニュートン力学系の軌跡を全観測データと部分観測データで予測する手法について検討した。
論文 参考訳（メタデータ） (2021-10-26T14:26:25Z) - Euclideanizing Flows: Diffeomorphic Reduction for Learning Stable
Dynamical Systems [74.80320120264459]
本研究では、限られた数の人間の実演からそのような動きを学ぶためのアプローチを提案する。
複素運動は安定な力学系のロールアウトとして符号化される。
このアプローチの有効性は、確立されたベンチマーク上での検証と、現実世界のロボットシステム上で収集されたデモによって実証される。
論文 参考訳（メタデータ） (2020-05-27T03:51:57Z) - SINDy-PI: A Robust Algorithm for Parallel Implicit Sparse Identification
of Nonlinear Dynamics [4.996878640124385]
我々は、暗黙的ダイナミクスと有理非線形性を識別するSINDyアルゴリズムの頑健な変種を開発する。
提案手法は,従来の手法よりも数桁のノイズが強いことを示す。
論文 参考訳（メタデータ） (2020-04-05T21:35:53Z) - Automatic Differentiation and Continuous Sensitivity Analysis of Rigid
Body Dynamics [15.565726546970678]
剛体力学のための微分可能な物理シミュレータを提案する。
軌道最適化の文脈では、閉ループモデル予測制御アルゴリズムを導入する。
論文 参考訳（メタデータ） (2020-01-22T03:54:00Z)
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。
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。