論文の概要: A fast, large-scale optimal transport algorithm for holographic beam shaping
- arxiv url: http://arxiv.org/abs/2512.19072v1
- Date: Mon, 22 Dec 2025 06:21:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-23 18:54:32.641156
- Title: A fast, large-scale optimal transport algorithm for holographic beam shaping
- Title（参考訳）: ホログラムビーム整形のための高速かつ大規模最適輸送アルゴリズム
- Authors: Andrii Torchylo, Hunter Swan, Lucas Tellez, Jason Hogan,
- Abstract要約: ホログラムレーザビーム成形における加工精度と効率の最適搬送法が確立された。
ここでは、最適な輸送問題の2つの定式化とコストの分離構造を利用して、$mathcalO(N)$メモリと$mathcalO(N3/2)$時間複雑性を著しく削減したアルゴリズムを実装する。
これらのアルゴリズムは並列化可能であり、CPUでは数秒、GPUでは数秒でメガピクセルスケールのビームシェーピング問題を解くことができる。
- 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: Optimal transport methods have recently established state of the art accuracy and efficiency for holographic laser beam shaping. However, use of such methods is hindered by severe $\mathcal{O}(N^2)$ memory and $\mathcal{O}(N^2)$ time requirements for large scale input or output images with $N$ total pixels. Here we leverage the dual formulation of the optimal transport problem and the separable structure of the cost to implement algorithms with greatly reduced $\mathcal{O}(N)$ memory and $\mathcal{O}(N\log N)$ to $\mathcal{O}(N^{3/2})$ time complexity. These algorithms are parallelizable and can solve megapixel-scale beam shaping problems in tens of seconds on a CPU or seconds on a GPU.
- Abstract（参考訳）: 近年, ホログラムレーザビーム整形における最先端の精度と効率性を確立した。
しかし、そのような手法の使用は、高額な$\mathcal{O}(N^2)$メモリと、$N$トータルピクセルの大規模入力や出力画像に対する$\mathcal{O}(N^2)$時間要件によって妨げられる。
ここでは、最適輸送問題の双対定式化とコストの分離構造を利用して、大幅に削減された$\mathcal{O}(N)$メモリと$\mathcal{O}(N\log N)$を$\mathcal{O}(N^{3/2})$時間複雑性で実装するアルゴリズムを実装する。
これらのアルゴリズムは並列化可能であり、CPUでは数秒、GPUでは数秒でメガピクセルスケールのビームシェーピング問題を解くことができる。
関連論文リスト
- Obtaining Lower Query Complexities through Lightweight Zeroth-Order Proximal Gradient Algorithms [65.42376001308064]
複素勾配問題に対する2つの分散化ZO推定器を提案する。
我々は、現在最先端の機能複雑性を$mathcalOleft(minfracdn1/2epsilon2, fracdepsilon3right)$から$tildecalOleft(fracdepsilon2right)$に改善する。
論文 参考訳（メタデータ） (2024-10-03T15:04:01Z) - Efficient and Accurate Optimal Transport with Mirror Descent and Conjugate Gradients [13.848861021326755]
離散最適輸送(OT)問題を高精度に解くための新しい手法として,ミラーDescent Optimal Transport (MDOT)を提案する。
我々は,GPU並列非線形共役アルゴリズム(PNCG)を用いて,従来のシンクホーンの繰り返しを弱い正規化の下で効率よく解く。
論文 参考訳（メタデータ） (2023-07-17T14:09:43Z) - Oblivious Stochastic Composite Optimization [47.48197617884748]
我々のアルゴリズムは問題のパラメータに関する事前の知識なしで収束することを示す。
3つのアルゴリズムは全て、実現可能な集合の直径、リプシッツ定数、あるいは目的関数の滑らかさについて事前の知識なしに機能する。
我々は,フレームワークを比較的大規模に拡張し,大規模半確定プログラム上での手法の効率性と堅牢性を実証する。
論文 参考訳（メタデータ） (2023-06-30T08:34:29Z) - A One-Sample Decentralized Proximal Algorithm for Non-Convex Stochastic
Composite Optimization [10.762749887051546]
本稿では,Proxcal$DASA-GTとProxcal$DASA-Aの2時間スケールアルゴリズムを提案する。
以前の作業とは異なり、我々のアルゴリズムは、大きなバッチサイズ、より複雑な単位演算、より強い仮定を必要とせずに、同等の複雑さを達成する。
論文 参考訳（メタデータ） (2023-02-20T05:16:18Z) - A Push-Relabel Based Additive Approximation for Optimal Transport [5.111364864495785]
最適な輸送を計算するための厳密なアルゴリズムは遅くなる。
我々は、OT距離の$varepsilon$approximationを求めるための、新しい非常に単純なアプローチを導入する。
我々のアルゴリズムは、OT距離を計算するために、O(n2/varepsilon2)$のほぼ最適実行時間を達成する。
論文 参考訳（メタデータ） (2022-03-07T21:40:14Z) - RAMA: A Rapid Multicut Algorithm on GPU [23.281726932718232]
本稿では,マルチカット問題(マグニチュード相関クラスタリング)に対する高並列原始双対アルゴリズムを提案する。
我々のアルゴリズムは、最適距離を推定する原始解と双対下界を生成する。
最大$mathcalO(108)$変数を数秒で、小さな原始双対ギャップで、非常に大規模なベンチマーク問題を解くことができる。
論文 参考訳（メタデータ） (2021-09-04T10:33:59Z) - Improved quantum algorithm for A-optimal projection [4.248054546466641]
本稿では、Duan emphet al.のアルゴリズムの時間的複雑さを$(frackappa4ssqrtks epsilonsmathrmpolylog)$に補正する。
我々のアルゴリズムは、Duan emphet al.のアルゴリズムと比較して少なくとも1つのスピードアップを達成する。
論文 参考訳（メタデータ） (2020-06-10T09:31:53Z) - Second-order Conditional Gradient Sliding [70.88478428882871]
本稿では,emphSecond-Order Conditional Gradient Sliding (SOCGS)アルゴリズムを提案する。
SOCGSアルゴリズムは、有限個の線形収束反復の後、原始ギャップに二次的に収束する。
実現可能な領域が線形最適化オラクルを通してのみ効率的にアクセスできる場合に有用である。
論文 参考訳（メタデータ） (2020-02-20T17:52:18Z)
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。