論文の概要: Snowball: A Scalable All-to-All Ising Machine with Dual-Mode Markov Chain Monte Carlo Spin Selection and Asynchronous Spin Updates for Fast Combinatorial Optimization
- arxiv url: http://arxiv.org/abs/2601.21058v1
- Date: Wed, 28 Jan 2026 21:31:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-30 16:22:49.442361
- Title: Snowball: A Scalable All-to-All Ising Machine with Dual-Mode Markov Chain Monte Carlo Spin Selection and Asynchronous Spin Updates for Fast Combinatorial Optimization
- Title（参考訳）: Snowball: Dual-Mode Markov Chain Monte Carlo Spin Selection and Asynchronous Spin Updates for Fast Combinatorial Optimizationによるスケーラブルなオールツーオールイジングマシン
- Authors: Seungki Hong, Kyeongwon Jeong, Taekwang Jang,
- Abstract要約: この研究は、デジタルでスケーラブルでオール・ツー・オールのIsingマシンであるSnowballを紹介している。
二重モードのマルコフ連鎖モンテカルロスピン選択と非同期スピン更新を統合し、収束を促進し、解法時間を削減する。
AMD Alveo U250アクセラレータカードのプロトタイプは、同じベンチマークインスタンス上の最先端のIsingマシンと比較して、時間からソリューションまでのコストを8ドル削減する。
- 参考スコア（独自算出の注目度）: 0.19116784879310023
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ising machines have emerged as accelerators for combinatorial optimization. To enable practical deployment, this work aims to reduce time-to-solution by addressing three challenges: (1) hardware topology, (2) spin selection and update algorithms, and (3) scalable coupling-coefficient precision. Restricted topologies require minor embedding; naive parallel updates can oscillate or stall; and limited precision can preclude feasible mappings or degrade solution quality. This work presents Snowball, a digital, scalable, all-to-all coupled Ising machine that integrates dual-mode Markov chain Monte Carlo spin selection with asynchronous spin updates to promote convergence and reduce time-to-solution. The digital architecture supports wide, configurable coupling precision, unlike many analog realizations at high bit widths. A prototype on an AMD Alveo U250 accelerator card achieves an 8$\times$ reduction in time-to-solution relative to a state-of-the-art Ising machine on the same benchmark instance.
- Abstract（参考訳）: イジングマシンは組合せ最適化のアクセラレータとして登場した。
本研究の目的は,(1)ハードウェアトポロジ,(2)スピン選択と更新アルゴリズム,(3)スケーラブルな結合係数精度の3つの課題に対処することである。
制限されたトポロジは小さな埋め込みを必要とし、単純で並列な更新は振動または停止し、限られた精度でマッピングや解品質の低下を防ぐことができる。
この研究は、デュアルモードのマルコフ連鎖モンテカルロスピン選択と非同期スピン更新を統合し、収束を促進し、解法時間を削減する、デジタルでスケーラブルでオールツーオールなIsingマシンであるSnowballを提示する。
デジタルアーキテクチャは、高ビット幅の多くのアナログ実現とは異なり、広い構成可能な結合精度をサポートする。
AMD Alveo U250アクセラレータカードのプロトタイプは、同じベンチマークインスタンス上の最先端のIsingマシンと比較して8$\times$のタイム・ツー・ソリューションの削減を実現している。
関連論文リスト
- Fast attention mechanisms: a tale of parallelism [52.7657529272906]
準四分法的時間複雑性を有する近似近傍注意(ANNA)という,効率的な注意機構を導入する。
我々は,ANNA変換器が従来確立されていた表現力を維持し,MPCアルゴリズムの能力に適合することを示す。
論文 参考訳（メタデータ） (2025-09-10T20:59:44Z) - A Continuous Energy Ising Machine Leveraging Difference-of-Convex Programming [0.0]
私たちは、さまざまなGPUプラットフォームでIsingソルバを実装しています。
私たちは、小さな(103ドルスピン)から超大型(108ドルスピン)まで、既存の解法よりも一貫して優れています。
論文 参考訳（メタデータ） (2025-09-02T03:51:51Z) - DIMM: Decoupled Multi-hierarchy Kalman Filter for 3D Object Tracking [50.038098341549095]
状態推定は、高い操作性を持つ3次元物体追跡において困難である。
本稿では,各方向の異なる動きモデルから推定される推定を効果的に組み合わせる新しいフレームワークであるDIMMを提案する。
DIMMは既存の状態推定手法のトラッキング精度を31.61%99.23%向上させる。
論文 参考訳（メタデータ） (2025-05-18T10:12:41Z) - ALERT-Transformer: Bridging Asynchronous and Synchronous Machine Learning for Real-Time Event-based Spatio-Temporal Data [8.660721666999718]
非同期センシングと同期処理を組み合わせたハイブリッドパイプラインを提案する。
競争相手よりもレイテンシの低い最先端のパフォーマンスを実現しています。
論文 参考訳（メタデータ） (2024-02-02T13:17:19Z) - All-to-all reconfigurability with sparse and higher-order Ising machines [0.0]
オール・ツー・オールのネットワーク機能をエミュレートする多重アーキテクチャを導入する。
適応並列テンパリングアルゴリズムの実行は、競合するアルゴリズムと事前ファクターの利点を示す。
pビットIMのスケールされた磁気バージョンは、汎用最適化のための最先端技術よりも桁違いに改善される可能性がある。
論文 参考訳（メタデータ） (2023-11-21T20:27:02Z) - Practical Conformer: Optimizing size, speed and flops of Conformer for
on-Device and cloud ASR [67.63332492134332]
我々は、デバイス上の制約を満たすのに十分小さく、TPUを高速に推論できる最適化されたコンバータを設計する。
提案するエンコーダは、デバイス上では強力なスタンドアロンエンコーダとして、また高性能なASRパイプラインの第1部として利用することができる。
論文 参考訳（メタデータ） (2023-03-31T23:30:48Z) - Adaptable Butterfly Accelerator for Attention-based NNs via Hardware and
Algorithm Co-design [66.39546326221176]
多くのAIタスクにおいて、注意に基づくニューラルネットワークが普及している。
注意機構とフィードフォワードネットワーク(FFN)の使用は、過剰な計算とメモリ資源を必要とする。
本稿では,注目機構とFFNの両方を近似するために,バタフライの分散パターンを統一したハードウェアフレンドリーな変種を提案する。
論文 参考訳（メタデータ） (2022-09-20T09:28:26Z) - Sketching as a Tool for Understanding and Accelerating Self-attention
for Long Sequences [52.6022911513076]
トランスフォーマーベースのモデルは、自己アテンションモジュールの二次空間と時間的複雑さのために、長いシーケンスを処理するのに効率的ではない。
我々はLinformerとInformerを提案し、低次元投影と行選択により2次複雑性を線形(モジュラー対数因子)に還元する。
理論的解析に基づいて,Skeinformerを提案することにより,自己注意の促進と,自己注意への行列近似の精度の向上を図ることができる。
論文 参考訳（メタデータ） (2021-12-10T06:58:05Z) - Multi-Temporal Convolutions for Human Action Recognition in Videos [83.43682368129072]
複数の解像度で抽出できる新しい時間・時間的畳み込みブロックを提案する。
提案するブロックは軽量で,任意の3D-CNNアーキテクチャに統合可能である。
論文 参考訳（メタデータ） (2020-11-08T10:40:26Z)
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。