論文の概要: A Continuous Energy Ising Machine Leveraging Difference-of-Convex Programming

• arxiv url: http://arxiv.org/abs/2509.01928v1
• Date: Tue, 02 Sep 2025 03:51:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.900437
• Title: A Continuous Energy Ising Machine Leveraging Difference-of-Convex Programming
• Title（参考訳）: コンベックスプログラミングの相違を生かした連続エネルギーアイシングマシン
• Authors: Debraj Banerjee, Santanu Mahapatra, Kunal Narayan Chaudhury,
• Abstract要約: 私たちは、さまざまなGPUプラットフォームでIsingソルバを実装しています。 私たちは、小さな(103ドルスピン)から超大型(108ドルスピン)まで、既存の解法よりも一貫して優れています。
• 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: Many combinatorial optimization problems can be reformulated as the task of finding the ground state of a physical system, such as the Ising model. Most existing Ising solvers are inspired by simulated annealing. Although annealing techniques offer scalability, they lack convergence guarantees and are sensitive to the cooling schedule. We propose to solve the Ising problem by relaxing the binary spins to continuous variables and introducing a potential function (attractor) that steers the solution toward binary spin configurations. The resulting Hamiltonian can be expressed as a difference of convex functions, enabling the design of efficient iterative algorithms that require a single matrix-vector multiplication per iteration and are backed by convergence guarantees. We implement our Ising solver across a range of GPU platforms: from edge devices to high-performance computing clusters and demonstrate that it consistently outperforms existing solvers across problem sizes ranging from small ($10^3$ spins) to ultra-large ($10^8$ spins).
• Abstract（参考訳）: 多くの組合せ最適化問題は、イジングモデルのような物理系の基底状態を見つけるタスクとして再構成することができる。 既存のIsingソルバはシミュレートされたアニーリングにインスパイアされている。 焼鈍技術はスケーラビリティを提供するが、収束保証が欠如しており、冷却スケジュールに敏感である。 本稿では、連立スピンを連続変数に緩和し、双対スピン構成に対する解を導出するポテンシャル関数(トラクター)を導入することにより、イジング問題を解くことを提案する。 結果として得られるハミルトニアンは凸関数の差分として表すことができ、効率の良い反復アルゴリズムを設計することができる。 エッジデバイスから高性能コンピューティングクラスタに至るまで、さまざまなGPUプラットフォームでIsingソルバを実装しています。

関連論文リスト

• Fast, Convex and Conditioned Network for Multi-Fidelity Vectors and Stiff Univariate Differential Equations [0.0]
  ニューラルPDEソルバの精度は、悪条件による最適化が不十分なため、しばしば低下する。 制御方程式の成分は、高度に条件のない活性化ベクトルを生成できることを示す。 我々は、凸性を維持しながら行列ランクと表現率を増大させる、単純で効果的な活性化フィルタリングステップであるShifted Gaussianを導入する。
  論文  参考訳（メタデータ） (2025-08-08T00:51:38Z)
• 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)
• $\ell_0$-Regularized Quadratic Surface Support Vector Machines [0.0]
  カーネルフリーの二次曲面支持ベクトルマシンは、カーネル関数に依存することなく非線形決定境界をモデル化する柔軟性により、近年注目を集めている。 本稿では,モデルパラメータに濃度制約を課すことにより,QSVMのスパース変種を提案する。 我々は,いくつかの実世界のデータセットに対するアプローチを検証し,高い分類性能を維持しながらオーバーフィッティングを低減できることを実証した。
  論文  参考訳（メタデータ） (2025-01-20T04:26:34Z)
• Limitations of tensor network approaches for optimization and sampling: A comparison to quantum and classical Ising machines [0.0]
  We developed a tensor network (TN) based algorithm to reveal the low-Energy spectrum of Ising spin-glass systems。 我々の決定論的アプローチは、枝と枝の探索戦略と、TNの収縮による辺縁の近似計算を組み合わせたものである。 ペガサスグラフとゼファーグラフで定義されたランダムな問題に対して、最大数千スピンのアプローチをベンチマークする。
  論文  参考訳（メタデータ） (2024-11-25T14:35:14Z)
• Fast, Scalable, Warm-Start Semidefinite Programming with Spectral Bundling and Sketching [53.91395791840179]
  我々は、大規模なSDPを解くための、証明可能な正確で高速でスケーラブルなアルゴリズムであるUnified Spectral Bundling with Sketching (USBS)を提案する。 USBSは、20億以上の決定変数を持つインスタンス上で、最先端のスケーラブルなSDP解決器よりも500倍のスピードアップを提供する。
  論文  参考訳（メタデータ） (2023-12-19T02:27:22Z)
• An Efficient Algorithm for Clustered Multi-Task Compressive Sensing [60.70532293880842]
  クラスタ化マルチタスク圧縮センシングは、複数の圧縮センシングタスクを解決する階層モデルである。 このモデルに対する既存の推論アルゴリズムは計算コストが高く、高次元ではうまくスケールしない。 本稿では,これらの共分散行列を明示的に計算する必要をなくし,モデル推論を大幅に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） (2023-09-30T15:57:14Z)
• Constrained Optimization via Exact Augmented Lagrangian and Randomized Iterative Sketching [55.28394191394675]
  等式制約付き非線形非IBS最適化問題に対する適応的不正確なニュートン法を開発した。 ベンチマーク非線形問題,LVMのデータによる制約付きロジスティック回帰,PDE制約問題において,本手法の優れた性能を示す。
  論文  参考訳（メタデータ） (2023-05-28T06:33:37Z)
• Sparse Quadratic Optimisation over the Stiefel Manifold with Application to Permutation Synchronisation [71.27989298860481]
  二次目的関数を最大化するスティーフェル多様体上の行列を求める非最適化問題に対処する。 そこで本研究では,支配的固有空間行列を求めるための,単純かつ効果的なスパーシティプロモーティングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-09-30T19:17:35Z)
• Hybrid Trilinear and Bilinear Programming for Aligning Partially Overlapping Point Sets [85.71360365315128]
  多くの応用において、部分重なり合う点集合が対応するRPMアルゴリズムに不変であるようなアルゴリズムが必要である。 まず、目的が立方体有界関数であることを示し、次に、三線型および双線型単相変換の凸エンベロープを用いて、その下界を導出する。 次に、変換変数上の分岐のみを効率よく実行するブランチ・アンド・バウンド(BnB)アルゴリズムを開発する。
  論文  参考訳（メタデータ） (2021-01-19T04:24:23Z)
• Provably Convergent Working Set Algorithm for Non-Convex Regularized Regression [0.0]
  本稿では、収束保証付き非正則正規化器のためのワーキングセットアルゴリズムを提案する。 その結果,ブロックコーディネートや勾配ソルバの完全解法と比較して高い利得を示した。
  論文  参考訳（メタデータ） (2020-06-24T07:40:31Z)
• Kernel methods through the roof: handling billions of points efficiently [94.31450736250918]
  カーネル法は、非パラメトリック学習に対するエレガントで原則化されたアプローチを提供するが、今のところ大規模な問題ではほとんど利用できない。 最近の進歩は、最適化、数値線形代数、ランダム射影など、多くのアルゴリズム的アイデアの利点を示している。 ここでは、これらの取り組みをさらに進めて、GPUハードウェアを最大限に活用する解決器を開発し、テストする。
  論文  参考訳（メタデータ） (2020-06-18T08:16:25Z)

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。