論文の概要: Photonic restricted Boltzmann machine for content generation tasks

• arxiv url: http://arxiv.org/abs/2508.20472v1
• Date: Thu, 28 Aug 2025 06:40:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-29 18:12:02.093963
• Title: Photonic restricted Boltzmann machine for content generation tasks
• Title（参考訳）: コンテンツ生成タスクのためのフォトニック制限ボルツマンマシン
• Authors: Li Luo, Yisheng Fang, Wanyi Zhang, Zhichao Ruan,
• Abstract要約: コンテンツ生成タスクにおけるギブスサンプリングの高計算コストは、電子実装に重大なボトルネックを課す。 フォトニックコンピューティングを利用してギブスサンプリングを高速化するフォトニック制限ボルツマンマシンを提案する。 二次元イジングモデルを用いて, フォトニック加速ギブズサンプリングを実験的に検証した。
• 参考スコア（独自算出の注目度）: 1.6035239519292575
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The restricted Boltzmann machine (RBM) is a neural network based on the Ising model, well known for its ability to learn probability distributions and stochastically generate new content. However, the high computational cost of Gibbs sampling in content generation tasks imposes significant bottlenecks on electronic implementations. Here, we propose a photonic restricted Boltzmann machine (PRBM) that leverages photonic computing to accelerate Gibbs sampling, enabling efficient content generation. By introducing an efficient encoding method, the PRBM eliminates the need for computationally intensive matrix decomposition and reduces the computational complexity of Gibbs sampling from $O(N)$ to $O(1)$. Moreover, its non-Von Neumann photonic computing architecture circumvents the memory storage of interaction matrices, providing substantial advantages for large-scale RBMs. We experimentally validate the photonic-accelerated Gibbs sampling by simulating a two-dimensional Ising model, where the observed phase transition temperature closely matches the theoretical predictions. Beyond physics-inspired tasks, the PRBM demonstrates robust capabilities in generating and restoring diverse content, including images and temporal sequences, even in the presence of noise and aberrations. The scalability and reduced training cost of the PRBM framework underscore its potential as a promising pathway for advancing photonic computing in generative artificial intelligence.
• Abstract（参考訳）: 制限ボルツマンマシン(RBM)はIsingモデルに基づくニューラルネットワークであり、確率分布を学習し、統計的に新しいコンテンツを生成できることで知られている。 しかし、コンテンツ生成タスクにおけるギブスサンプリングの高計算コストは、電子的実装に重大なボトルネックをもたらす。 本稿では,ギブスサンプリングを高速化し,効率的なコンテンツ生成を可能にするフォトニック制限ボルツマンマシン(PRBM)を提案する。 効率的な符号化手法を導入することにより、PRBMは計算集約的な行列分解の必要性を排除し、Gibbsサンプリングの計算複雑性を$O(N)$から$O(1)$に下げる。 さらに、その非フォン・ノイマンフォトニックコンピューティングアーキテクチャは、相互作用行列のメモリ記憶を回避し、大規模RAMに対して大きな利点をもたらす。 観測相転移温度が理論的予測と密接に一致する2次元イジングモデルを用いて, フォトニック加速ギブスサンプリングの有効性を実験的に検証した。 物理学にインスパイアされたタスク以外にも、PRBMは、ノイズや収差がある場合でも、画像や時間的シーケンスを含む多様なコンテンツを生成および復元する堅牢な能力を示している。 PRBMフレームワークのスケーラビリティとトレーニングコストの削減は、生成人工知能におけるフォトニックコンピューティングを前進させるための有望な経路としての可能性を示している。

関連論文リスト

• Expressive equivalence of classical and quantum restricted Boltzmann machines [1.1639171061272031]
  古典データに対する半量子制限ボルツマンマシン(sqRBM)を提案する。 sqRBM は可視部分空間で通信し、非可視部分空間で通信を継続する。 我々の理論的分析は、与えられた確率分布を学習するために、RBMはsqRBMの3倍の隠れ単位を必要とすることを予測している。
  論文  参考訳（メタデータ） (2025-02-24T19:00:02Z)
• Gaussian Models to Non-Gaussian Realms of Quantum Photonic Simulators [2.592307869002029]
  量子フォトニックシミュレータは、量子フォトニック回路のモデリングと最適化に必須のツールとして登場した。 本稿では,ガウスモデルから非ガウスモデルへの遷移と,大規模フォトニクスシステムのシミュレーションに伴う計算課題について考察する。 我々は、Strawberry Fields、Piquasso、QuTiP SimulaQron、Perceval、QuantumOPtics.jlを含む主要なフォトニック量子シミュレータを評価する。
  論文  参考訳（メタデータ） (2025-02-07T15:04:42Z)
• TensorGRaD: Tensor Gradient Robust Decomposition for Memory-Efficient Neural Operator Training [91.8932638236073]
  textbfTensorGRaDは,重み付けに伴うメモリ問題に直接対処する新しい手法である。 SparseGRaD は総メモリ使用量を 50% 以上削減し,同時に精度も向上することを示した。
  論文  参考訳（メタデータ） (2025-01-04T20:51:51Z)
• Gibbs-Duhem-Informed Neural Networks for Binary Activity Coefficient Prediction [45.84205238554709]
  本稿では,Gibs-Duhem-informed Neural Network を用いて,様々な組成における二成分活性係数の予測を行う。 ニューラルネットワークの学習における損失関数にギブス・デュヘム方程式を明示的に含んでいる。
  論文  参考訳（メタデータ） (2023-05-31T07:36:45Z)
• Simulating Gaussian Boson Sampling with Tensor Networks in the Heisenberg picture [0.9208007322096533]
  本論文では,ハイゼンベルク図におけるテンソルネットワークの時間発展に基づくボソンサンプリングの確率分布の計算法を提案する。 本研究は,本手法の有効性と量子コンピューティング研究を進展させる可能性を示すものである。
  論文  参考訳（メタデータ） (2023-05-18T18:00:00Z)
• Stochastic Security as a Performance Metric for Quantum-enhanced Generative AI [0.0]
  深部エネルギーベースモデル(EBM)は、トレーニングと推論の両方で連続ドメインギブをサンプリングする必要がある。 量子ギブスサンプリングアルゴリズムを実行できるフォールトトレラントな量子コンピュータの代わりに、モンテカルロ法による拡散過程のシミュレーションを古典的な代替として利用する。 その結果,ギブスサンプリングの計算予算の増大は,モデルのキャリブレーションと対角ロバスト性を両立させることがわかった。
  論文  参考訳（メタデータ） (2023-05-13T17:33:01Z)
• Monte Carlo Neural PDE Solver for Learning PDEs via Probabilistic Representation [59.45669299295436]
  教師なしニューラルソルバのトレーニングのためのモンテカルロPDEソルバを提案する。 我々は、マクロ現象をランダム粒子のアンサンブルとみなすPDEの確率的表現を用いる。 対流拡散, アレン・カーン, ナヴィエ・ストークス方程式に関する実験により, 精度と効率が著しく向上した。
  論文  参考訳（メタデータ） (2023-02-10T08:05:19Z)
• Simulation of Entanglement Generation between Absorptive Quantum Memories [56.24769206561207]
  我々は、QUantum Network Communication (SeQUeNCe) のオープンソースシミュレータを用いて、2つの原子周波数コム(AFC)吸収量子メモリ間の絡み合いの発生をシミュレートする。 本研究は,SeQUeNCe における truncated Fock 空間内の光量子状態の表現を実現する。 本研究では,SPDC音源の平均光子数と,平均光子数とメモリモード数の両方で異なる絡み合い発生率を観測する。
  論文  参考訳（メタデータ） (2022-12-17T05:51:17Z)
• Scalable Nanophotonic-Electronic Spiking Neural Networks [3.9918594409417576]
  スパイキングニューラルネットワーク(SNN)は、高度に並列化されたリアルタイム処理が可能な新しい計算パラダイムを提供する。 フォトニックデバイスは、SNN計算パラダイムに適合する高帯域並列アーキテクチャの設計に最適である。 CMOSとSiPhの併用技術はスケーラブルなSNNコンピューティングアーキテクチャの設計に適している。
  論文  参考訳（メタデータ） (2022-08-28T06:10:06Z)

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。