論文の概要: atommovr: An open-source simulation framework for rearrangement in atomic arrays

• arxiv url: http://arxiv.org/abs/2508.02670v1
• Date: Mon, 04 Aug 2025 17:59:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-05 18:25:22.468257
• Title: atommovr: An open-source simulation framework for rearrangement in atomic arrays
• Title（参考訳）: atommovr: 原子配列の再配置のためのオープンソースのシミュレーションフレームワーク
• Authors: Nikhil K Harle, Bo-Yu Chen, Bob Bao, Hannes Bernien,
• Abstract要約: 原子再構成は、中性原子ベースの量子プロセッサを開発するための基本的な構成要素である。 我々は,アルゴリズムの開発,比較,ベンチマークを行うためのオープンソースのシミュレーションフレームワークを開発した。 我々は, 任意の目標をほぼ一様の成功率で作成できる, ナイーブな二重種アルゴリズムを開発した。
• 参考スコア（独自算出の注目度）: 5.442106161233214
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The task of atom rearrangement has emerged in the last decade as a fundamental building block for the development of neutral atom-based quantum processors. However, despite many recent efforts to develop algorithms with favorable asymptotic scaling, no time-optimal algorithm has been developed for any rearrangement task. Moreover, no open-source code exists to reproduce or benchmark existing algorithms, and to assist the development of new rearrangement protocols. To address this deficiency, we develop an open-source simulation framework for developing, comparing, and benchmarking algorithms under realistic and customizable noise models. Using this framework, we \textbf{a)} numerically extract lower bounds for the scaling of a time-optimal rearrangement algorithm and compare it to existing heuristic algorithms \textbf{b)} develop a naive dual-species algorithm able to prepare arbitrary targets with near-unity success rate. With this framework, we hope to develop a common tool for the community to study rearrangement, lower the barrier to entry for new experimental groups, and stimulate progress in developing algorithms which approach time-optimal scaling.
• Abstract（参考訳）: 原子再構成の課題は、中性原子ベースの量子プロセッサを開発するための基本的な構成要素として過去10年間に現れてきた。 しかし,近年では漸近的スケーリングによるアルゴリズム開発が盛んに行われているが,再配置作業に時間最適化アルゴリズムは開発されていない。 さらに、既存のアルゴリズムを再現またはベンチマークし、新しいアレンジメントプロトコルの開発を支援するオープンソースコードは存在しない。 この欠陥に対処するため,我々は,現実的でカスタマイズ可能なノイズモデルの下で,アルゴリズムの開発,比較,ベンチマークを行うためのオープンソースのシミュレーションフレームワークを開発した。 このフレームワークを用いて、時間-最適再配置アルゴリズムのスケーリングのための下限を数値的に抽出し、それを既存のヒューリスティックアルゴリズムと比較する。 この枠組みにより、コミュニティが再配置を研究し、新しい実験グループへの参入障壁を低くし、時間-最適スケーリングにアプローチするアルゴリズムの進歩を促進できる共通ツールの開発が望まれる。

関連論文リスト

• Stochastic Unrolled Federated Learning [85.6993263983062]
  本稿では,UnRolled Federated Learning (SURF)を導入する。 提案手法は,この拡張における2つの課題,すなわち,非学習者へのデータセット全体の供給の必要性と,フェデレート学習の分散的性質に対処する。
  論文  参考訳（メタデータ） (2023-05-24T17:26:22Z)
• Stochastic Ratios Tracking Algorithm for Large Scale Machine Learning Problems [0.7614628596146599]
  古典的なSGDフレームワークにおける適応的なステップ長選択のための新しいアルゴリズムを提案する。 妥当な条件下では、アルゴリズムは十分に確立された理論的な要件に従ってステップ長を生成する。 このアルゴリズムは,手動チューニングから得られる最良ステップ長に匹敵するステップ長を生成することができることを示す。
  論文  参考訳（メタデータ） (2023-05-17T06:22:11Z)
• Hybrid ACO-CI Algorithm for Beam Design problems [0.4397520291340694]
  The novel hybrid version of the Ant colony optimization (ACO) method was developed using the sample space reduction technique of the Cohort Intelligence (CI) algorithm。 提案した研究は、工学領域や医療問題を含む現実世界の応用について検討することができる。
  論文  参考訳（メタデータ） (2023-03-29T04:37:14Z)
• Runtime Analysis of Competitive co-Evolutionary Algorithms for Maximin Optimisation of a Bilinear Function [1.3053649021965603]
  共進化的アルゴリズムには、ハードウェア設計、ボードゲーム戦略の進化、ソフトウェアバグのパッチなど、幅広い応用がある。 共進化的アルゴリズムが解を効率的にかつ確実に見つけることを予測できる理論を開発することは、オープンな挑戦である。 本稿では,人口ベース競争共進化型アルゴリズムのランタイム解析開発における第一歩について述べる。
  論文  参考訳（メタデータ） (2022-06-30T12:35:36Z)
• On the Convergence of Distributed Stochastic Bilevel Optimization Algorithms over a Network [55.56019538079826]
  バイレベル最適化は、幅広い機械学習モデルに適用されている。 既存のアルゴリズムの多くは、分散データを扱うことができないように、シングルマシンの設定を制限している。 そこで我々は,勾配追跡通信機構と2つの異なる勾配に基づく分散二段階最適化アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-06-30T05:29:52Z)
• 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)
• Community detection using fast low-cardinality semidefinite programming [94.4878715085334]
  局所的な更新を一般化し、ライデン-k-カットから導かれる半定緩和を最大化する、新しい低カルチナリティアルゴリズムを提案する。 提案アルゴリズムはスケーラビリティが高く,最先端のアルゴリズムより優れ,実時間では性能が向上し,追加コストがほとんどない。
  論文  参考訳（メタデータ） (2020-12-04T15:46:30Z)
• An Asymptotically Optimal Primal-Dual Incremental Algorithm for Contextual Linear Bandits [129.1029690825929]
  複数の次元に沿った最先端技術を改善する新しいアルゴリズムを提案する。 非文脈線形帯域の特別な場合において、学習地平線に対して最小限の最適性を確立する。
  論文  参考訳（メタデータ） (2020-10-23T09:12:47Z)
• IDEAL: Inexact DEcentralized Accelerated Augmented Lagrangian Method [64.15649345392822]
  本稿では,局所関数が滑らかで凸な分散最適化環境下での原始的手法設計のためのフレームワークを提案する。 提案手法は,加速ラグランジアン法により誘導されるサブプロブレム列を概ね解いたものである。 加速度勾配降下と組み合わせることで,収束速度が最適で,最近導出された下界と一致した新しい原始アルゴリズムが得られる。
  論文  参考訳（メタデータ） (2020-06-11T18:49:06Z)
• Automatic Generation of Algorithms for Black-Box Robust Optimisation Problems [0.0]
  モデル実行回数に制限がある頑健なブラックボックス最適化問題に対処できるアルゴリズムを開発する。 我々は、Grammar-Guided Genetic Programmingというアルゴリズムの自動生成手法を採用している。 アルゴリズム構築ブロックは既存の手法と新機能の要素を組み合わせることで,新しい解空間を探索する。
  論文  参考訳（メタデータ） (2020-04-15T18:51:33Z)

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。