論文の概要: The Ubiquitous Sparse Matrix-Matrix Products
- arxiv url: http://arxiv.org/abs/2508.04077v1
- Date: Wed, 06 Aug 2025 04:26:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-07 20:09:22.546408
- Title: The Ubiquitous Sparse Matrix-Matrix Products
- Title（参考訳）: ユビキタススパースマトリックス製品
- Authors: Aydın Buluç,
- Abstract要約: スパース行列と他の(密度またはスパース)行列との乗算は、多くのデータサイエンスアプリケーションの計算パターンをキャプチャする基本的な演算である。
我々は,スパース行列行列行列演算の統一処理と,機械学習,計算生物学,化学,グラフアルゴリズム,科学計算などのリッチな応用空間を提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multiplication of a sparse matrix with another (dense or sparse) matrix is a fundamental operation that captures the computational patterns of many data science applications, including but not limited to graph algorithms, sparsely connected neural networks, graph neural networks, clustering, and many-to-many comparisons of biological sequencing data. In many application scenarios, the matrix multiplication takes places on an arbitrary algebraic semiring where the scalar operations are overloaded with user-defined functions with certain properties or a more general heterogenous algebra where even the domains of the input matrices can be different. Here, we provide a unifying treatment of the sparse matrix-matrix operation and its rich application space including machine learning, computational biology and chemistry, graph algorithms, and scientific computing.
- Abstract（参考訳）: スパース行列と他の(密度またはスパース)行列との乗算は、グラフアルゴリズム、疎結合ニューラルネットワーク、グラフニューラルネットワーク、クラスタリング、および生物学的シークエンシングデータの多対多比較を含む、多くのデータサイエンスアプリケーションの計算パターンをキャプチャする基本的な操作である。
多くの応用シナリオにおいて、行列乗法は任意の代数的半環において、スカラー演算は特定の性質を持つユーザ定義関数や、入力行列の領域さえも異なるようなより一般的な異種代数によってオーバーロードされる。
本稿では,スパース行列行列行列演算の統一処理と,機械学習,計算生物学,化学,グラフアルゴリズム,科学計算などの豊富な応用分野について述べる。
関連論文リスト
- Spectral Estimation with Free Decompression [47.81955761814048]
非常に大きな(可逆な)行列のスペクトルを推定する「自由減圧」の新たな手法を提案する。
提案手法は, 極大(非可逆)行列の固有スペクトルを推定するために, 小型サブマトリクスの実験的スペクトル密度から外挿することができる。
論文 参考訳（メタデータ） (2025-06-13T17:49:25Z) - Fast Homomorphic Linear Algebra with BLAS [11.269481520748839]
ホモモルフィック暗号化は、プライバシ保護データ操作、特にAIに幅広いアプリケーションを開く。
これらの応用の多くは、重要な線型代数計算(行列 x ベクトル積、行列 x 行列積)を必要とする。
線型代数計算のこの中心的な役割は、準同型代数をはるかに超え、科学計算のほとんどの分野に適用できる。
CKKSをベースとした暗号化正方行列乗算と倍精度浮動小数点行列乗算との効率損失は、正確な状況に応じて4-12因子であることを示す。
論文 参考訳（メタデータ） (2025-03-20T12:19:47Z) - Graph Neural Networks and Applied Linear Algebra [1.8749305679160366]
グラフニューラルネットワーク(GNN)は、スパース行列計算に適したアプローチである。
本稿では,数値線形代数オーディエンスのためのGNNを紹介する。
具体例は、GNNを用いて、どれだけの共通線型代数タスクを達成できるかを示すものである。
論文 参考訳（メタデータ） (2023-10-21T18:37:56Z) - CoLA: Exploiting Compositional Structure for Automatic and Efficient
Numerical Linear Algebra [62.37017125812101]
機械学習における大規模線形代数問題に対して, CoLA という, 単純だが汎用的なフレームワークを提案する。
線形演算子抽象と合成ディスパッチルールを組み合わせることで、CoLAはメモリと実行時の効率的な数値アルゴリズムを自動的に構築する。
偏微分方程式,ガウス過程,同変モデル構築,教師なし学習など,幅広い応用で有効性を示す。
論文 参考訳（メタデータ） (2023-09-06T14:59:38Z) - Multiresolution kernel matrix algebra [0.0]
本研究では, あるS形式において, 最適スパース行列を生成するサンプルレットを用いて, カーネル行列の圧縮を示す。
カーネル行列の逆数(もし存在するなら)は S-形式でも圧縮可能である。
行列代数は擬微分計算によって数学的に正当化される。
論文 参考訳（メタデータ） (2022-11-21T17:50:22Z) - A Structured Sparse Neural Network and Its Matrix Calculations Algorithm [0.0]
非対称な三対角行列を導入し, 対角方向のスパース成分とオフセット部分および超対角線を導入した。
行列逆が存在しない場合には、最小二乗型擬逆が提供される。
その結果,行列のサイズが大きくなると計算コストが著しく向上することがわかった。
論文 参考訳（メタデータ） (2022-07-02T19:38:48Z) - Quantum algorithms for matrix operations and linear systems of equations [65.62256987706128]
本稿では,「Sender-Receiver」モデルを用いた行列演算のための量子アルゴリズムを提案する。
これらの量子プロトコルは、他の量子スキームのサブルーチンとして使用できる。
論文 参考訳（メタデータ） (2022-02-10T08:12:20Z) - Non-PSD Matrix Sketching with Applications to Regression and
Optimization [56.730993511802865]
非PSDおよび2乗根行列の次元削減法を提案する。
複数のダウンストリームタスクにこれらのテクニックをどのように使用できるかを示す。
論文 参考訳（メタデータ） (2021-06-16T04:07:48Z) - What if Neural Networks had SVDs? [66.91160214071088]
様々なニューラルネットワークでは、行列反転のような時間を要する行列演算を採用している。
本稿では,行列演算を高速化するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-09-29T12:58:52Z) - Sketching Transformed Matrices with Applications to Natural Language
Processing [76.6222695417524]
本稿では, 変換行列を用いて, 与えられた小さな行列の積を計算するための空間効率のよいスケッチアルゴリズムを提案する。
提案手法は誤差が小さく,空間と時間の両方で効率がよいことを示す。
論文 参考訳（メタデータ） (2020-02-23T03:07:31Z)
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。