Fugu-MT 論文翻訳(概要): Reinforcement learning for spin torque oscillator tasks

論文の概要: Reinforcement learning for spin torque oscillator tasks

arxiv url: http://arxiv.org/abs/2509.10057v1
Date: Fri, 12 Sep 2025 08:41:39 GMT
ステータス: 翻訳完了
システム内更新日: 2025-09-15 16:03:08.018768
Title: Reinforcement learning for spin torque oscillator tasks
Title（参考訳）: スピントルク発振器タスクの強化学習
Authors: Jakub Mojsiejuk, Sławomir Ziętek, Witold Skowroński,
Abstract要約: 我々は、強化学習(RL)によるスピントロニック発振器(STO)の自動同期の問題に対処する。マクロスピンランダウ-リフシッツ-ギルベルト-スロンチスキー方程式の数値解はSTOをシミュレートするために用いられる。我々は2種類のRLエージェントを訓練し、一定回数のステップで目標周波数と同期させる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We address the problem of automatic synchronisation of the spintronic oscillator (STO) by means of reinforcement learning (RL). A numerical solution of the macrospin Landau-Lifschitz-Gilbert-Slonczewski equation is used to simulate the STO and we train the two types of RL agents to synchronise with a target frequency within a fixed number of steps. We explore modifications to this base task and show an improvement in both convergence and energy efficiency of the synchronisation that can be easily achieved in the simulated environment.
Abstract（参考訳）: 本稿では、強化学習(RL)によるスピントロニック発振器(STO)の自動同期の問題に対処する。 STOのシミュレーションにはLandau-Lifschitz-Gilbert-Slonczewski方程式の数値解を使い、2種類のRLエージェントを訓練し、固定されたステップ数内で目標周波数と同期させる。本研究は, シミュレーション環境において容易に達成可能な同期化の収束性およびエネルギー効率の向上について検討する。

関連論文リスト

Learning with Spike Synchrony in Spiking Neural Networks [3.8506283985103447]
スパイキングニューラルネットワーク(SNN)は、生物学的神経力学を模倣してエネルギー効率の高い計算を約束する。本稿では,スパイクタイミングではなく神経発射の度合いに基づいてシナプス重みを調整する訓練手法として,スパイク同期依存塑性(SSDP)を導入する。
論文参考訳（メタデータ） (2025-04-14T04:01:40Z)
Enhancing Spectrum Efficiency in 6G Satellite Networks: A GAIL-Powered Policy Learning via Asynchronous Federated Inverse Reinforcement Learning [67.95280175998792]
ビームフォーミング,スペクトルアロケーション,リモートユーザ機器(RUE)アソシエイトを最適化するために,GAILを利用した新しいポリシー学習手法を提案する。手動チューニングなしで報酬関数を自動的に学習するために、逆RL(IRL)を用いる。提案手法は従来のRL手法よりも優れており,コンバージェンスと報酬値の14.6%の改善が達成されている。
論文参考訳（メタデータ） (2024-09-27T13:05:02Z)
Enhancing quantum phase synchronization through squeezed-reservoir engineering [1.7811840395202345]
本研究では,2レベルシステム(TLS)における量子位相同期の強化について検討した。圧縮された貯水池はTLSにそのスクイーズ特性を付与し,より局所的で顕著な同期をもたらすことを実証した。
論文参考訳（メタデータ） (2024-08-19T09:52:13Z)
Asynchronous Multi-Model Dynamic Federated Learning over Wireless Networks: Theory, Modeling, and Optimization [20.741776617129208]
分散機械学習(ML)の鍵となる技術として、フェデレートラーニング(FL)が登場した。まず、システムパラメータが学習性能に与える影響を捉えるために、長方形のスケジューリングステップと関数を定式化する。我々の分析は、デバイストレーニング変数と非同期スケジューリング決定の協調的影響に光を当てている。
論文参考訳（メタデータ） (2023-05-22T21:39:38Z)
Visual CPG-RL: Learning Central Pattern Generators for Visually-Guided Quadruped Locomotion [4.557963624437784]
視覚的に誘導された四足歩行を学習するための枠組みを提案する。奥深い強化学習フレームワークに、外感知覚と中央パターン生成装置を統合する。以上の結果から, CPG, 明示的インターオシレータ結合, メモリ対応ポリシ表現はエネルギー効率に有益であることが示唆された。
論文参考訳（メタデータ） (2022-12-29T18:14:38Z)
Edge Continual Learning for Dynamic Digital Twins over Wireless Networks [68.65520952712914]
デジタルツイン(DT)は、現実世界とメタバースの間の重要なリンクを構成する。本稿では,物理的双生児とそれに対応するサイバー双生児の親和性を正確にモデル化する新しいエッジ連続学習フレームワークを提案する。提案するフレームワークは,破滅的忘れ込みに対して頑健な,高精度かつ同期的なCTモデルを実現する。
論文参考訳（メタデータ） (2022-04-10T23:25:37Z)
Learning Iterative Robust Transformation Synchronization [71.73273007900717]
グラフニューラルネットワーク(GNN)を用いて変換同期を学習することを提案する。本研究では、ロバストな損失関数のハンドクラフトを回避するとともに、グラフニューラルネットワーク(GNN)を用いて変換同期を学習することを提案する。
論文参考訳（メタデータ） (2021-11-01T07:03:14Z)
High-Throughput Synchronous Deep RL [132.43861715707905]
HTS-RL(High-Throughput Synchronous Deep Reinforcement Learning)の提案私たちは同時に学習とロールアウトを行い、古いポリシーを避けるシステム設計を考案します。我々は,アタリゲームとGoogle Research Football環境に対するアプローチを評価した。
論文参考訳（メタデータ） (2020-12-17T18:59:01Z)
Fast and differentiable simulation of driven quantum systems [58.720142291102135]
我々は、ダイソン展開に基づく半解析手法を導入し、標準数値法よりもはるかに高速に駆動量子系を時間発展させることができる。回路QEDアーキテクチャにおけるトランスモン量子ビットを用いた2量子ゲートの最適化結果を示す。
論文参考訳（メタデータ） (2020-12-16T21:43:38Z)
Task Allocation for Asynchronous Mobile Edge Learning with Delay and Energy Constraints [13.95043802655365]
本稿では、リソース制約された無線エッジネットワークを介して接続された複数のエッジノードまたは学習者間で非同期に機械学習モデルをトレーニングするための最適なタスク割り当てスキームを設計し、"モバイルエッジラーニング(MEL)"のパラダイムを拡張した。消費される時間とエネルギーは、学習者の異種コミュニケーションと計算能力に直接関係している。その結果,HU同期/非同期(HU-Sync/Asyn)手法よりもHA-Asyn法の方が有効であり,最大25%の利得が得られることがわかった。
論文参考訳（メタデータ） (2020-11-30T22:45:59Z)
Thermal coupling and effect of subharmonic synchronization in a system of two VO2 based oscillators [55.41644538483948]
本稿では,二酸化バナジウムスイッチングデバイスを用いた振動型ニューラルネットワーク(ONN)の試作について検討する。カップリングの効果的な作用半径RTCは、スイッチング中に放出される総エネルギーと平均出力に依存する。強い熱カップリングの場合、振動が存在する供給電流パラメータの限界は10%拡大する。サブハーモニック同期の効果は、分類とパターン認識への応用を約束する。
論文参考訳（メタデータ） (2020-01-06T03:26:53Z)

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。