論文の概要: Incorporating rank-free coupling and external field via an amplitude-only modulated spatial photonic Ising machine

• arxiv url: http://arxiv.org/abs/2512.21587v1
• Date: Thu, 25 Dec 2025 09:11:48 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-29 12:00:53.013761
• Title: Incorporating rank-free coupling and external field via an amplitude-only modulated spatial photonic Ising machine
• Title（参考訳）: 振幅変調空間フォトニックイジングマシンによるランクフリー結合と外部場の導入
• Authors: Ze Zheng, Yuegang Li, Hang Xu, Jingzheng Huang, Tailong Xiao, Guihua Zeng,
• Abstract要約: 空間フォトニックイジングマシン(SPIM)は、マルチノード最適化とスピンガラスシミュレーションにおいて優れている。 本稿では,200回/秒の振幅のみ変調された空間フォトニックイジングマシン(AR-SPIM)を実演する。 任意のイジング・ハミルトニアンをアダマール積の和として再定式化することにより、外部場を持つ 797-スピンイジングモデルを非コヒーレント光場に写像する。
• 参考スコア（独自算出の注目度）: 9.200306681745994
• License:
• Abstract: Ising machines have emerged as effective solvers for combinatorial optimization problems, such as NP-hard problems, machine learning, and financial modeling. Recent spatial photonic Ising machines (SPIMs) excel in multi-node optimization and spin glass simulations, leveraging their large-scale and fully connected characteristics. However, existing laser diffraction-based SPIMs usually sacrifice time efficiency or spin count to encode high-rank spin-spin coupling and external fields, limiting their scalability for real-world applications. Here, we demonstrate an amplitude-only modulated rank-free spatial photonic Ising machine (AR-SPIM) with 200 iterations per second. By re-formulating an arbitrary Ising Hamiltonian as the sum of Hadamard products, followed by loading the corresponding matrices/vectors onto an aligned amplitude spatial light modulator and digital micro-mirrors device, we directly map a 797-spin Ising model with external fields (nearly 9-bit precision, -255 to 255) into an incoherent light field, eliminating the need for repeated and auxiliary operations. Serving as encoding accuracy metrics, the linear coefficient of determination and Pearson correlation coefficient between measured light intensities and Ising Hamiltonians exceed 0.9800, with values exceed 0.9997 globally. The AR-SPIM achieves less than 0.3% error rate for ground-state search of biased Max-cut problems with arbitrary ranks and weights, enables complex phase transition observations, and facilitates scalable spin counts for sparse Ising problems via removing zero-valued Hadamard product terms. This reconfigurable AR-SPIM can be further developed to support large-scale machine-learning training and deployed for practical applications in discrete optimization and quantum many-body simulations.
• Abstract（参考訳）: イジングマシンは、NPハード問題、機械学習、ファイナンシャルモデリングなどの組合せ最適化問題の効果的な解法として登場した。 最近の空間フォトニックイジングマシン(SPIM)は、その大規模で完全に接続された特性を利用して、マルチノード最適化とスピンガラスシミュレーションに優れている。 しかしながら、既存のレーザー回折ベースのSPIMは、通常、高階スピンスピン結合と外部磁場を符号化するために、時間効率やスピンカウントを犠牲にし、現実のアプリケーションに対するスケーラビリティを制限している。 本稿では,200回/秒の振幅のみ変調された空間フォトニックイジングマシン(AR-SPIM)を実演する。 任意のIsing Hamiltonianをアダマール積の和として再フォーマットし、対応する行列/ベクトルをアライメント振幅空間光変調器とデジタルマイクロミラーデバイスにロードすることにより、外部磁場(約9ビット精度-255〜255)で直接797スピンIsingモデルを非コヒーレント光場にマッピングし、繰り返しおよび補助動作の必要性を排除する。 精度測定値の符号化として、測定光強度とイジン・ハミルトンの線形係数とピアソン相関係数は0.9800を超え、その値は0.9997を超える。 AR-SPIMは、偏りのあるマックスカット問題の任意のランクと重みを持つ基底状態探索において0.3%未満の誤差率を達成し、複雑な位相遷移観測を可能にし、ゼロ値のアダマール積項を除去することでスパースイジング問題に対するスケーラブルなスピンカウントを容易にする。 この再構成可能なAR-SPIMは、大規模機械学習トレーニングをサポートするためにさらに開発され、離散最適化や量子多体シミュレーションの実用的な用途にデプロイされる。

関連論文リスト

• PACE: Pacing Operator Learning to Accurate Optical Field Simulation for Complicated Photonic Devices [14.671301859745453]
  既存のSOTAアプローチであるNeurOLightは、現実世界の複雑なフォトニックデバイスに対する高忠実度フィールドの予測に苦労している。 長距離モデリング能力の強いクロス軸分解型PACE演算子を提案する。 人間の学習に触発されて、非常に難しいケースのシミュレーションタスクを、段階的に簡単な2つのタスクに分解する。
  論文  参考訳（メタデータ） (2024-11-05T22:03:14Z)
• Cross-Scan Mamba with Masked Training for Robust Spectral Imaging [51.557804095896174]
  本研究では,空間スペクトルSSMを用いたクロススキャンマンバ(CS-Mamba)を提案する。 実験の結果, CS-Mambaは最先端の性能を達成し, マスク付きトレーニング手法によりスムーズな特徴を再構築し, 視覚的品質を向上させることができた。
  論文  参考訳（メタデータ） (2024-08-01T15:14:10Z)
• Encoding arbitrary Ising Hamiltonians on Spatial Photonic Ising Machines [0.0]
  本研究では,完全な相互作用行列を直接制御できるSPIMインスタンスを導入,実験的に検証する。 実験によって測定されたIsingエネルギーと理論的な期待値との整合性を実証し、未重み付きグラフ問題と重み付きグラフ問題の両方を解決する。 本手法は,システム固有の利点を犠牲にすることなく,実世界のアプリケーションに適用可能なSPIMを大幅に拡張する。
  論文  参考訳（メタデータ） (2024-07-12T10:54:07Z)
• Data-free Weight Compress and Denoise for Large Language Models [96.68582094536032]
  パラメータ行列を圧縮する手法として,データフリーなジョイントランクk近似を提案する。 キャリブレーションデータなしで、元の性能の93.43%を維持しながら80%のパラメータのモデルプルーニングを実現する。
  論文  参考訳（メタデータ） (2024-02-26T05:51:47Z)
• Multi-Grid Tensorized Fourier Neural Operator for High-Resolution PDEs [93.82811501035569]
  本稿では,メモリ要求を低減し,より一般化したデータ効率・並列化可能な演算子学習手法を提案する。 MG-TFNOは、実世界の実世界の現象の局所的構造と大域的構造を活用することで、大規模な分解能にスケールする。 乱流ナビエ・ストークス方程式において150倍以上の圧縮で誤差の半分以下を達成できる優れた性能を示す。
  論文  参考訳（メタデータ） (2023-09-29T20:18:52Z)
• Low-rank combinatorial optimization and statistical learning by spatial photonic Ising machine [0.44040106718326594]
  光学的実装を変更することなく任意のIsing問題に対応可能なSPIMの新しい計算モデルを提案する。 提案モデルは,クナップサック問題などの低ランク相互作用行列のIsing問題に対して特に効率的である。 低ランク相互作用を持つモデルを用いて,MNIST手書き桁画像の学習,分類,サンプリングを効率的に行うことを実証した。
  論文  参考訳（メタデータ） (2023-03-27T08:36:37Z)
• Single-Shot Optical Neural Network [55.41644538483948]
  深層ニューラルネットワークに必要な計算資源を削減するために,「重定常」アナログ光学・電子ハードウェアが提案されている。 我々は、スケーラブルで1層当たり単発の重み付き光学プロセッサを提案する。
  論文  参考訳（メタデータ） (2022-05-18T17:49:49Z)
• Collaborative Intelligent Reflecting Surface Networks with Multi-Agent Reinforcement Learning [63.83425382922157]
  インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。 本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
  論文  参考訳（メタデータ） (2022-03-26T20:37:14Z)
• Efficient sampling of ground and low-energy Ising spin configurations with a coherent Ising machine [1.4221284461126298]
  測定フィードバックに基づくコヒーレントイジングマシンの非線形ダイナミクスを, 地中および低エネルギースピン構成に活用できることが示される。 我々は,MFB-CIMの一般離散時間ガウス状態モデルを定式化し,システムしきい値上に存在する非線形ダイナミクスを忠実に捉える。
  論文  参考訳（メタデータ） (2021-03-09T18:56:55Z)

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。