論文の概要: Correspondence Between Ising Machines and Neural Networks

• arxiv url: http://arxiv.org/abs/2511.00746v1
• Date: Sun, 02 Nov 2025 00:13:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 16:37:26.916983
• Title: Correspondence Between Ising Machines and Neural Networks
• Title（参考訳）: イジングマシンとニューラルネットワークの対応
• Authors: Andrew G. Moore,
• Abstract要約: 本稿では,基底状態の計算をスピン平均の計算に一般化し,高温での計算を可能にする。 次に、Isingデバイスとニューラルネットワークの体系的な対応と、Isingタイプのハードウェア上でトレーニングされたフィードフォワードニューラルネットワークを実行するための簡単な方法を導入する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Computation with the Ising model is central to future computing technologies like quantum annealing, adiabatic quantum computing, and thermodynamic classical computing. Traditionally, computed values have been equated with ground states. This paper generalizes computation with ground states to computation with spin averages, allowing computations to take place at high temperatures. It then introduces a systematic correspondence between Ising devices and neural networks and a simple method to run trained feed-forward neural networks on Ising-type hardware. Finally, a mathematical proof is offered that these implementations are always successful.
• Abstract（参考訳）: Isingモデルによる計算は、量子アニール、断熱量子コンピューティング、熱力学古典コンピューティングといった未来のコンピューティング技術の中心である。 伝統的に、計算された値は基底状態と同一視されてきた。 本稿では,基底状態の計算をスピン平均の計算に一般化し,高温での計算を可能にする。 次に、Isingデバイスとニューラルネットワークの体系的な対応と、Isingタイプのハードウェア上でトレーニングされたフィードフォワードニューラルネットワークを実行するための簡単な方法を導入する。 最後に、これらの実装が常に成功するという数学的証明が提供される。

関連論文リスト

• Conditional computation in neural networks: principles and research trends [48.14569369912931]
  本稿では,ニューラルネットワークの設計にテクトコンディショナリ計算を適用するという,新たな領域の原理とアイデアを要約する。 特に、入力に条件付きで計算グラフの一部を動的に活性化または非活性化するニューラルネットワークに焦点を当てる。
  論文  参考訳（メタデータ） (2024-03-12T11:56:38Z)
• Brain-inspired Computational Intelligence via Predictive Coding [73.42407863671565]
  予測符号化(PC)は、機械学習コミュニティにとって潜在的に価値のある、有望な特性を示している。 PCライクなアルゴリズムは、機械学習とAIの複数のサブフィールドに存在し始めている。
  論文  参考訳（メタデータ） (2023-08-15T16:37:16Z)
• A quantum algorithm for training wide and deep classical neural networks [72.2614468437919]
  勾配勾配勾配による古典的トレーサビリティに寄与する条件は、量子線形系を効率的に解くために必要な条件と一致することを示す。 MNIST画像データセットがそのような条件を満たすことを数値的に示す。 我々は、プールを用いた畳み込みニューラルネットワークのトレーニングに$O(log n)$の実証的証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-19T23:41:03Z)
• ItNet: iterative neural networks with small graphs for accurate and efficient anytime prediction [1.52292571922932]
  本研究では,計算グラフの観点から,メモリフットプリントが小さいネットワークモデルについて紹介する。 CamVidおよびCityscapesデータセットでセマンティックセグメンテーションの最新の結果を示します。
  論文  参考訳（メタデータ） (2021-01-21T15:56:29Z)
• Reservoir Memory Machines as Neural Computers [70.5993855765376]
  微分可能なニューラルネットワークは、干渉することなく明示的なメモリで人工ニューラルネットワークを拡張する。 我々は、非常に効率的に訓練できるモデルを用いて、微分可能なニューラルネットワークの計算能力を実現する。
  論文  参考訳（メタデータ） (2020-09-14T12:01:30Z)
• One-step regression and classification with crosspoint resistive memory arrays [62.997667081978825]
  高速で低エネルギーのコンピュータは、エッジでリアルタイム人工知能を実現するために要求されている。 ワンステップ学習は、ボストンの住宅のコスト予測と、MNIST桁認識のための2層ニューラルネットワークのトレーニングによって支援される。 結果は、クロスポイントアレイ内の物理計算、並列計算、アナログ計算のおかげで、1つの計算ステップで得られる。
  論文  参考訳（メタデータ） (2020-05-05T08:00:07Z)
• Spiking Neural Networks Hardware Implementations and Challenges: a Survey [53.429871539789445]
  スパイキングニューラルネットワークは、ニューロンとシナプスの操作原理を模倣する認知アルゴリズムである。 スパイキングニューラルネットワークのハードウェア実装の現状について述べる。 本稿では,これらのイベント駆動アルゴリズムの特性をハードウェアレベルで活用するための戦略について論じる。
  論文  参考訳（メタデータ） (2020-05-04T13:24:00Z)
• Entanglement-based quantum deep learning [1.1608078259903485]
  我々は,マルチキュービットの絡み合い状態に基づく量子深層学習方式を提案している。 トレーニングの過程では,未知単位ベクトルと未知単位ベクトルとの距離の効率的な計算が実現されている。 古典的アルゴリズムに対する指数的な高速化が実証されている。
  論文  参考訳（メタデータ） (2020-02-27T09:14:00Z)
• Comparing recurrent and convolutional neural networks for predicting wave propagation [0.0]
  本研究では,繰り返しおよび畳み込み型深層ニューラルネットワークによる表面波の予測性能について検討する。 我々は,シミュレーションのごく一部で予測時間を保ちながら,従来の手法よりも長期予測を改善する。 また,この課題において,畳み込みネットワークは,少なくとも再帰ネットワークと同様に機能することを示す。
  論文  参考訳（メタデータ） (2020-02-20T19:15:04Z)
• On the computational power and complexity of Spiking Neural Networks [0.0]
  本研究では, スパイクニューラルネットワークを機械モデルとして導入し, 親しみやすいチューリングマシンとは対照的に, 情報と操作を機械内に共同配置する。 正規問題を導入し、複雑性クラスの階層を定義し、いくつかの最初の完全性結果を提供する。
  論文  参考訳（メタデータ） (2020-01-23T10:40:16Z)

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。