論文の概要: Uncertainty Reasoning with Photonic Bayesian Machines

• arxiv url: http://arxiv.org/abs/2512.02217v1
• Date: Mon, 01 Dec 2025 21:30:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-03 21:04:45.616881
• Title: Uncertainty Reasoning with Photonic Bayesian Machines
• Title（参考訳）: フォトニックベイズマシンによる不確かさ推論
• Authors: F. Brückerhoff-Plückelmann, H. Borras, S. U. Hulyal, L. Meyer, X. Ji, J. Hu, J. Sun, B. Klein, F. Ebert, J. Dijkstra, L. McRae, P. Schmidt, T. J. Kippenberg, H. Fröning, W. Pernice,
• Abstract要約: 本稿では、カオス光源の固有ランダム性を利用して不確実性推論を可能にするフォトニックベイズマシンを提案する。 アナログプロセッサはPyTorchと互換性のある1.28 Tbit/sのデジタルインタフェースを備えており、畳み込み1回あたり37.5 ps以内の確率的畳み込み処理を可能にする。
• 参考スコア（独自算出の注目度）: 0.07730552279416682
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Artificial intelligence (AI) systems increasingly influence safety-critical aspects of society, from medical diagnosis to autonomous mobility, making uncertainty awareness a central requirement for trustworthy AI. We present a photonic Bayesian machine that leverages the inherent randomness of chaotic light sources to enable uncertainty reasoning within the framework of Bayesian Neural Networks. The analog processor features a 1.28 Tbit/s digital interface compatible with PyTorch, enabling probabilistic convolutions processing within 37.5 ps per convolution. We use the system for simultaneous classification and out-of-domain detection of blood cell microscope images and demonstrate reasoning between aleatoric and epistemic uncertainties. The photonic Bayesian machine removes the bottleneck of pseudo random number generation in digital systems, minimizes the cost of sampling for probabilistic models, and thus enables high-speed trustworthy AI systems.
• Abstract（参考訳）: 人工知能(AI)システムは、医療診断から自律移動に至るまで、社会の安全クリティカルな側面にますます影響を及ぼし、不確実性認識を信頼に値するAIの重要な要件とする。 本稿では、カオス光源の固有ランダム性を利用して、ベイズニューラルネットワークの枠組み内での不確実性推論を可能にするフォトニックベイズマシンを提案する。 アナログプロセッサはPyTorchと互換性のある1.28 Tbit/sのデジタルインタフェースを備えており、畳み込み1回あたり37.5 ps以内の確率的畳み込み処理を可能にする。 本システムは,血液細胞顕微鏡画像の同時分類と領域外検出に利用し,動脈とてんかんの不確かさの推論を実証する。 フォトニックベイズマシンは、デジタルシステムにおける擬似乱数生成のボトルネックを取り除き、確率的モデルのサンプリングコストを最小化し、高速で信頼できるAIシステムを実現する。

関連論文リスト

• A Scalable Approach to Probabilistic Neuro-Symbolic Robustness Verification [14.558484523699748]
  我々はNeSy確率論的推論システムの堅牢性を正式に検証する問題に対処する。 コア計算の判定版が$mathrmNPmathrmPP$-completeであることを示す。 確率的NeSy系の近似的・緩和的検証のための最初の手法を提案する。
  論文  参考訳（メタデータ） (2025-02-05T15:29:41Z)
• Optical aberrations in autonomous driving: Physics-informed parameterized temperature scaling for neural network uncertainty calibration [49.03824084306578]
  本稿では,ニューラルネットワークのキャリブレーションアーキテクチャに物理的帰納バイアスを組み込むことにより,AIターゲットアプリケーションの堅牢性と信頼性を高めることを提案する。 信頼に値する不確実性表現と認識連鎖の総合的検証戦略の道を開く。
  論文  参考訳（メタデータ） (2024-12-18T10:36:46Z)
• Epistemic Uncertainty for Generated Image Detection [107.62647907393377]
  本稿では,創成モデルの時代において重要なセキュリティ問題に対処することを目的とした,てんかん不確実性によるAI生成画像検出のための新しいフレームワークを提案する。 我々の重要な洞察は、トレーニングとテストデータの分布の相違が、機械学習モデルのエピステマティック不確実性空間に顕著に現れていることに起因している。
  論文  参考訳（メタデータ） (2024-12-08T11:32:25Z)
• StealthDiffusion: Towards Evading Diffusion Forensic Detection through Diffusion Model [62.25424831998405]
  StealthDiffusionは、AI生成した画像を高品質で受け入れがたい敵の例に修正するフレームワークである。 ホワイトボックスとブラックボックスの設定の両方で有効であり、AI生成した画像を高品質な敵の偽造に変換する。
  論文  参考訳（メタデータ） (2024-08-11T01:22:29Z)
• Photonic probabilistic machine learning using quantum vacuum noise [8.194733686324204]
  確率論的機械学習は、ランダム性の制御可能なソースを利用して不確実性を符号化し、統計的モデリングを可能にする。 ここでは、制御可能なフォトニック要素からなるフォトニック確率コンピュータを実装した。 我々の研究は、スケーラブルで超高速でエネルギー効率の良い機械学習ハードウェアの道を開いた。
  論文  参考訳（メタデータ） (2024-03-07T18:35:18Z)
• MedViT: A Robust Vision Transformer for Generalized Medical Image Classification [4.471084427623774]
  我々は,CNNの局所性と視覚変換器のグローバル接続性を備えた,頑健で効率的なCNN-Transformerハイブリッドモデルを提案する。 提案したハイブリッドモデルは,MedMNIST-2Dデータセットの大規模コレクションに関する最先端の研究と比較して,高い堅牢性と一般化能力を示す。
  論文  参考訳（メタデータ） (2023-02-19T02:55:45Z)
• Robotic Navigation Autonomy for Subretinal Injection via Intelligent Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
  網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。 提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。 ブタ前眼の精度と再現性について実験を行った。
  論文  参考訳（メタデータ） (2023-01-17T21:41:21Z)
• An out-of-distribution discriminator based on Bayesian neural network epistemic uncertainty [0.19573380763700712]
  ベイズニューラルネットワーク(Bayesian Neural Network, BNN)は、不確実性を定量化するための組み込み能力を備えた、重要なタイプのニューラルネットワークである。 本稿では,BNNにおける失語症およびてんかんの不確実性とその計算方法について論じる。
  論文  参考訳（メタデータ） (2022-10-18T21:15:33Z)
• Multi Agent System for Machine Learning Under Uncertainty in Cyber Physical Manufacturing System [78.60415450507706]
  近年の予測機械学習の進歩は、製造における様々なユースケースに応用されている。 ほとんどの研究は、それに関連する不確実性に対処することなく予測精度を最大化することに焦点を当てた。 本稿では,機械学習における不確実性の原因を特定し,不確実性下での機械学習システムの成功基準を確立する。
  論文  参考訳（メタデータ） (2021-07-28T10:28:05Z)
• Neuro-symbolic Neurodegenerative Disease Modeling as Probabilistic Programmed Deep Kernels [93.58854458951431]
  本稿では、神経変性疾患のパーソナライズされた予測モデリングのための、確率的プログラムによる深層カーネル学習手法を提案する。 我々の分析は、ニューラルネットワークとシンボリック機械学習のアプローチのスペクトルを考慮する。 我々は、アルツハイマー病の予測問題について評価を行い、深層学習を超越した結果を得た。
  論文  参考訳（メタデータ） (2020-09-16T15:16:03Z)

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。