論文の概要: Adaptive controllable architecture of analog Ising machine
- arxiv url: http://arxiv.org/abs/2602.05595v1
- Date: Thu, 05 Feb 2026 12:25:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-06 18:49:08.922434
- Title: Adaptive controllable architecture of analog Ising machine
- Title（参考訳）: アナログイジングマシンの適応制御可能なアーキテクチャ
- Authors: Langyu Li, Ruoyu Wu, Yong Wang, Guofeng Zhang, Jinhu Lü, Qing Gao, Yu Pan,
- Abstract要約: アナログIsing Machine(AIM)は、計算パワーの需要が急速に増大するのに対処するために、ユニークな計算パラダイムとして登場した。
本稿では,リアプノフ関数とモーメントに基づく最適化アルゴリズムを統合した制御可能なアナログIsing Machine(CAIM)を提案する。
CAIMは、50ノードの全重み付きMaxCut問題に対して、AIMよりも2倍のスピードアップと7%の精度向上を実現している。
- 参考スコア（独自算出の注目度）: 19.771794852895322
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As a quantum-inspired, non-traditional analog solver architecture, the analog Ising machine (AIM) has emerged as a distinctive computational paradigm to address the rapidly growing demand for computational power. However, the mathematical understanding of its principles, as well as the optimization of its solution speed and accuracy, remain unclear. In this work, we for the first time systematically discuss multiple implementations of AIM and establish a unified mathematical formulation. On this basis, by treating the binarization constraint of AIM (such as injection locking) as a Lagrange multiplier in optimization theory and combining it with a Lyapunov analysis from dynamical systems theory, an analytical framework for evaluating solution speed and accuracy is constructed, and further demonstrate that conventional AIMs possess a theoretical performance upper bound. Subsequently, by elevating the binarization constraint to a control variable, we propose the controllable analog Ising machine (CAIM), which integrates control Lyapunov functions and momentum-based optimization algorithms to realize adaptive sampling-feedback control, thereby surpassing the performance limits of conventional AIMs. In a proof-of-concept CAIM demonstration implemented using an FPGA-controlled LC-oscillator Ising machine, CAIM achieves a twofold speedup and a 7\% improvement in accuracy over AIM on a 50-node all-to-all weighted MaxCut problem, validating both the effectiveness and interpretability of the proposed theoretical framework.
- Abstract（参考訳）: アナログ・イジング・マシン(AIM)は、量子に着想を得た非古典的なアナログ・ソルバ・アーキテクチャとして、計算力の需要が急速に増大する中で、ユニークな計算パラダイムとして登場した。
しかし、その原理の数学的理解と解の速度と精度の最適化はいまだに不明である。
本研究では,AIMの複数の実装について体系的に議論し,統一的な数学的定式化を確立する。
この理論に基づいて、AIMの双項化制約を最適化理論におけるラグランジュ乗算器として扱い、力学系理論からのリャプノフ解析と組み合わせることで、解速度と精度を評価する分析フレームワークを構築し、従来のAIMが理論的性能上界を持つことを示した。
その後、制御変数に二項化制約を上昇させることにより、制御リャプノフ関数と運動量に基づく最適化アルゴリズムを統合し、適応的なサンプリングフィードバック制御を実現し、従来のAIMの性能限界を超える制御可能なアナログイジングマシン(CAIM)を提案する。
FPGA制御LC-oscillator Isingマシンを用いて実装された概念実証CAIMデモにおいて、CAIMは50ノード全重み付きMaxCut問題に対してAIMよりも2倍の高速化と7倍の精度向上を実現し、提案理論フレームワークの有効性と解釈性の両方を検証した。
関連論文リスト
- Causal-Aware Intelligent QoE Optimization for VR Interaction with Adaptive Keyframe Extraction [6.2819120598047]
本稿では,VRゲームにおけるクオリティ・オブ・エクスペリエンス(QoE)を最大化するインテリジェントなフレームワークを提案する。
適応抽出と因果認識強化学習(RL)の統合
実験の結果、我々のフレームワークは対話的なレイテンシを著しく低減し、QoEを強化し、公平性を維持することがわかった。
論文 参考訳（メタデータ） (2025-06-24T07:32:34Z) - Predictive Lagrangian Optimization for Constrained Reinforcement Learning [15.082498910832529]
制約付き最適化は、複雑な制御タスクに対処するための強化学習で一般的に見られる。
本稿では,制約付き最適化とフィードバック制御システムとの接続を構築するための,より汎用的な等価フレームワークを提案する。
論文 参考訳（メタデータ） (2025-01-25T13:39:45Z) - 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) - Federated Conditional Stochastic Optimization [110.513884892319]
条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。
本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-04T01:47:37Z) - A Deep Unrolling Model with Hybrid Optimization Structure for Hyperspectral Image Deconvolution [50.13564338607482]
本稿では,DeepMixと呼ばれるハイパースペクトルデコンボリューション問題に対する新しい最適化フレームワークを提案する。
これは3つの異なるモジュール、すなわちデータ一貫性モジュール、手作りの正規化器の効果を強制するモジュール、および装飾モジュールで構成されている。
本研究は,他のモジュールの協調作業によって達成される進歩を維持するために設計された,文脈を考慮した認知型モジュールを提案する。
論文 参考訳（メタデータ） (2023-06-10T08:25:16Z) - Optimal control for state preparation in two-qubit open quantum systems
driven by coherent and incoherent controls via GRAPE approach [77.34726150561087]
我々は、コヒーレントかつ非コヒーレントな時間依存制御によって駆動される2つの量子ビットのモデルを考える。
系の力学はゴリーニ=コサコフスキー=スダルシャン=リンドブラッドのマスター方程式によって支配される。
最適化制御の下で, フォン・ノイマンエントロピー, 純度, および1ビット還元密度行列の進化について検討した。
論文 参考訳（メタデータ） (2022-11-04T15:20:18Z) - Data-Driven Optimized Tracking Control Heuristic for MIMO Structures: A
Balance System Case Study [8.035375408614776]
PIDは2入力の2アウトプットバランスシステムで示される。
自己調整型非線形しきい値とニューラルネットワークを統合し、所望の過渡特性と定常特性を妥協する。
ニューラルネットワークは、客観的コスト関数のような重み付き導関数の最適化を訓練する。
論文 参考訳（メタデータ） (2021-04-01T02:00:20Z) - Gaussian Process-based Min-norm Stabilizing Controller for
Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。
この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
論文 参考訳（メタデータ） (2020-11-14T01:27:32Z) - Bilevel Optimization: Convergence Analysis and Enhanced Design [63.64636047748605]
バイレベル最適化は多くの機械学習問題に対するツールである。
Stoc-BiO という新しい確率効率勾配推定器を提案する。
論文 参考訳（メタデータ） (2020-10-15T18:09:48Z) - A Dynamical Systems Approach for Convergence of the Bayesian EM
Algorithm [59.99439951055238]
我々は、(離散時間)リアプノフ安定性理論が、必ずしも勾配ベースではない最適化アルゴリズムの分析(および潜在的な設計)において、いかに強力なツールとして役立つかを示す。
本稿では,不完全データベイズフレームワークにおけるパラメータ推定を,MAP-EM (maximum a reari expectation-maximization) と呼ばれる一般的な最適化アルゴリズムを用いて行うことに着目したML問題について述べる。
高速収束(線形あるいは二次的)が達成され,S&Cアプローチを使わずに発表することが困難であった可能性が示唆された。
論文 参考訳（メタデータ） (2020-06-23T01:34:18Z)
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。