論文の概要: Higher-Order Neuromorphic Ising Machines -- Autoencoders and Fowler-Nordheim Annealers are all you need for Scalability

• arxiv url: http://arxiv.org/abs/2506.19964v1
• Date: Tue, 24 Jun 2025 19:17:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-26 21:00:42.516014
• Title: Higher-Order Neuromorphic Ising Machines -- Autoencoders and Fowler-Nordheim Annealers are all you need for Scalability
• Title（参考訳）: 高次のニューロモーフィックイジングマシン -- オートエンコーダとFowler-Nordheimアナーラーはスケーラビリティに必要なすべて
• Authors: Faiek Ahsan, Saptarshi Maiti, Zihao Chen, Jakob Kaiser, Ankita Nandi, Madhuvanthi Srivatsav, Johannes Schemmel, Andreas G. Andreou, Jason Eshraghian, Chetan Singh Thakur, Shantanu Chakrabartty,
• Abstract要約: 次数化に基づくアーキテクチャよりも優れたスケーラビリティを示す高次ニューロモルフィックIsingマシンについて報告する。 イジング基底状態への漸近収束はスピンによって定義される自己エンコーダ潜在空間をサンプリングすることによって保証される。 グラフカラー化などの相互接続行列の間隔に基づく手法は,高次ニューロモーフィックイジングマシンに効果的に適用可能であることを示す。
• 参考スコア（独自算出の注目度）: 6.455936422535347
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We report a higher-order neuromorphic Ising machine that exhibits superior scalability compared to architectures based on quadratization, while also achieving state-of-the-art quality and reliability in solutions with competitive time-to-solution metrics. At the core of the proposed machine is an asynchronous autoencoder architecture that captures higher-order interactions by directly manipulating Ising clauses instead of Ising spins, thereby maintaining resource complexity independent of interaction order. Asymptotic convergence to the Ising ground state is ensured by sampling the autoencoder latent space defined by the spins, based on the annealing dynamics of the Fowler-Nordheim quantum mechanical tunneling. To demonstrate the advantages of the proposed higher-order neuromorphic Ising machine, we systematically solved benchmark combinatorial optimization problems such as MAX-CUT and MAX-SAT, comparing the results to those obtained using a second-order Ising machine employing the same annealing process. Our findings indicate that the proposed architecture consistently provides higher quality solutions in shorter time frames compared to the second-order model across multiple runs. Additionally, we show that the techniques based on the sparsity of the interconnection matrix, such as graph coloring, can be effectively applied to higher-order neuromorphic Ising machines, enhancing the solution quality and the time-to-solution. The time-to-solution can be further improved through hardware co-design, as demonstrated in this paper using a field-programmable gate array (FPGA). The results presented in this paper provide further evidence that autoencoders and Fowler-Nordheim annealers are sufficient to achieve reliability and scaling of any-order neuromorphic Ising machines.
• Abstract（参考訳）: 本稿では,2次化に基づくアーキテクチャよりも優れたスケーラビリティを示す高次ニューロモルフィックIsingマシンについて報告する。 提案するマシンのコアには非同期オートエンコーダアーキテクチャがあり、Isingのスピンの代わりにIsing節を直接操作することで高階インタラクションをキャプチャし、対話順序に依存しないリソースの複雑さを維持する。 イジング基底状態への漸近収束は、Fowler-Nordheim量子力学トンネルのアニーリング力学に基づいてスピンによって定義されるオートエンコーダ潜在空間をサンプリングすることによって保証される。 提案した高次ニューロモルフィックIsingマシンの利点を実証するため,MAX-CUTやMAX-SATなどのベンチマーク組合せ最適化問題を,同じアニーリングプロセスを用いた2次Isingマシンと比較した。 本研究により,提案アーキテクチャは,複数ランをまたいだ2次モデルと比較して,より短い時間枠で高品質なソリューションを一貫して提供できることが示唆された。 さらに,グラフカラー化などの相互接続行列の空間性に基づく手法は,高次ニューロモルフィックアイシングマシンに効果的に適用でき,解の質と解法時間を向上させることができることを示した。 フィールドプログラマブルゲートアレイ (FPGA) を用いて, ハードウェア共設計により解法時間をさらに改善することができる。 本稿では,オートエンコーダとFowler-Nordheimアニーラーが,任意の順序のニューロモーフィックアイジングマシンの信頼性とスケーリングを達成するのに十分であることを示す。

関連論文リスト

• Efficient Optimization Accelerator Framework for Multistate Ising Problems [0.0]
  イジングマシン(Ising Machine)は、NPハード最適化問題の解決を目的とした、ハードウェアアーキテクチャの傑出したクラスである。 スピン相互作用を一般化論理関数としてモデル化し,探索空間を大幅に削減する。 また、最大10000倍の性能向上を示す1024ニューロン全接続型確率Isingアクセラレータを設計した。
  論文  参考訳（メタデータ） (2025-05-26T17:23:47Z)
• Parallel Ising Annealer via Gradient-based Hamiltonian Monte Carlo [11.307633403964031]
  Ising annealerは最適化問題に対する量子インスパイアされたコンピューティングアーキテクチャである。 主な革新は、近似勾配に基づくアプローチをイジングアニールに融合させることである。 プロトタイプアニーラーは1つの低コストFPGA基板上で最大200スピンの整数係数と分数係数のイジング問題を解く。
  論文  参考訳（メタデータ） (2024-07-14T13:51:35Z)
• ON-OFF Neuromorphic ISING Machines using Fowler-Nordheim Annealers [4.429465736433621]
  本稿では,Ising問題の基底状態への収束を確保するために設計されたニューロモルフィックアーキテクチャであるNeuroSAを紹介する。 複数回の実行で、NeuroSAは一貫して最先端の結果(99%)に集中するソリューションを生成したり、Max Independent Setベンチマークの最先端ソリューションを上回ります。 実例として,SpiNNaker2プラットフォーム上でのNeuroSAの実装結果を紹介する。
  論文  参考訳（メタデータ） (2024-06-07T19:18:09Z)
• Real-Time Image Segmentation via Hybrid Convolutional-Transformer Architecture Search [51.89707241449435]
  本稿では,高分解能表現CNNにマルチヘッド自己認識を効率よく組み込むという課題に対処する。 本稿では,高解像度機能の利点をフル活用したマルチターゲットマルチブランチ・スーパーネット手法を提案する。 本稿では,Hybrid Convolutional-Transformer Architecture Search (HyCTAS)法を用いて,軽量畳み込み層とメモリ効率のよい自己保持層を最適に組み合わせたモデルを提案する。
  論文  参考訳（メタデータ） (2024-03-15T15:47:54Z)
• Efficient Optimization with Higher-Order Ising Machines [5.697064222465131]
  その結果,高次Isingマシンは従来の2次Isingマシンよりも資源効率がよい。 その結果,Ising マシンの現状が向上した。
  論文  参考訳（メタデータ） (2022-12-07T03:18:05Z)
• SRU++: Pioneering Fast Recurrence with Attention for Speech Recognition [49.42625022146008]
  複数のASRベンチマークでコンフォーマーと比較することにより,SRU++をASRタスクに適用する利点を示す。 具体的には,SRU++ が長文音声入力において Conformer を追い越すことができる。
  論文  参考訳（メタデータ） (2021-10-11T19:23:50Z)
• Transformer-based Machine Learning for Fast SAT Solvers and Logic Synthesis [63.53283025435107]
  CNFベースのSATとMaxSATは論理合成と検証システムの中心である。 そこで本研究では,Transformerアーキテクチャから派生したワンショットモデルを用いて,MaxSAT問題の解法を提案する。
  論文  参考訳（メタデータ） (2021-07-15T04:47:35Z)
• Machine Learning Framework for Quantum Sampling of Highly-Constrained, Continuous Optimization Problems [101.18253437732933]
  本研究では,連続空間の逆設計問題を,制約のないバイナリ最適化問題にマッピングする,汎用的な機械学習ベースのフレームワークを開発する。 本研究では, 熱発光トポロジを熱光応用に最適化し, (ii) 高効率ビームステアリングのための拡散メタグレーティングを行うことにより, 2つの逆設計問題に対するフレームワークの性能を示す。
  論文  参考訳（メタデータ） (2021-05-06T02:22:23Z)
• ASFD: Automatic and Scalable Face Detector [129.82350993748258]
  ASFD(Automatic and Scalable Face Detector)を提案する。 ASFDはニューラルアーキテクチャ検索技術の組み合わせと新たな損失設計に基づいている。 ASFD-D0は120FPS以上で動作し、MobilenetはVGA解像度の画像を撮影しています。
  論文  参考訳（メタデータ） (2020-03-25T06:00:47Z)

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。