Fugu-MT 論文翻訳(概要): Attractor-Keyed Memory

論文の概要: Attractor-Keyed Memory

arxiv url: http://arxiv.org/abs/2603.17049v1
Date: Tue, 17 Mar 2026 18:31:40 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-19 18:32:57.348867
Title: Attractor-Keyed Memory
Title（参考訳）: トラクターキーメモリ
Authors: Natalia G. Berloff,
Abstract要約: 物理セレクタは、決定の時点で高次元のシグネチャを生成する。試行錯誤(ステレオタイプ化)および経路間で線形に独立なシグネチャを繰り返すと、単一の線形デコーダがそれらを任意のペイロードにマップする。我々は,全誤差分解を導出し,Ising-machineセレクタの構成を与え,合成スペックル・シグナチャシミュレーションで予測されたスケーリングを検証する。
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: Physical selectors (lasers choosing a mode, Ising machines settling on a ground state, condensates occupying a spin state) produce high-dimensional signatures at the moment of decision: full field amplitudes, multimode interference patterns, or scattering responses. These signatures are richer than the winner's index, yet they are routinely discarded. We show that when the signatures are repeatable across trials (stereotyped) and linearly independent across routes, a single linear decoder compiled from calibration data maps them to arbitrary payloads, merging selection and memory access into one event and eliminating the fetch that dominates latency and energy in sparse routing architectures. The construction requires one SVD of measured device responses, which certifies capability and bounds worst-case error for any downstream payload before the task is chosen. Runtime error separates into two independently diagnosable channels, decoding fidelity (controlled by dictionary conditioning $σ_{\min}(Φ)$) and routing reliability (controlled by the margin-to-noise ratio $Δ/T_{\mathrm{eff}}$), each with a distinct physical origin and targeted remedy. We derive the full error decomposition, give Ising-machine selector constructions, and validate the predicted scalings on synthetic speckle-signature simulations across three measurement modalities. No hardware demonstration exists; we provide a falsifiable four-step experimental protocol specifying what a first experiment must measure. Whether real device signatures satisfy stereotypy is the central open question.
Abstract（参考訳）: 物理セレクタ(モードを選択するレーザー、基底状態に沈着するイジングマシン、スピン状態に凝縮するコンデンサ)は、決定時点で高次元のシグネチャを生成する:フルフィールド振幅、マルチモード干渉パターン、散乱応答。これらのシグネチャは勝者のインデックスよりもリッチだが、定期的に破棄される。試行(ステレオタイプ化)とルート間の線形独立性を持つシグネチャを繰り返すと、キャリブレーションデータからコンパイルされた1つの線形デコーダが任意のペイロードにマップされ、選択とメモリアクセスが1つのイベントにマージされ、スパースルーティングアーキテクチャの遅延とエネルギーを支配するフェッチがなくなる。構成には、測定されたデバイス応答の1つのSVDが必要であり、これは、タスクが選択される前に、ダウンストリームペイロードの最悪のケースエラーを認証し、バウンドする。実行時エラーは2つの独立した診断可能なチャネルに分離され、フィデリティの復号化(辞書条件で$σ_{\min}(a)$)とルーティングの信頼性(マージン・ツー・ノイズ比$Δ/T_{\mathrm{eff}}$で制御)がそれぞれ異なる物理的起源と目的の治療法を持つ。提案手法は,全誤差分解を導出し,Ising-machineセレクタの構成を付与し,合成スペックル信号シミュレーションのスケーリングを3つの測定モードで評価する。ハードウェアのデモは存在せず、最初の実験が何を測るべきかを示す4段階の実験プロトコルを提供する。本当のデバイスシグネチャがステレオティピーを満たすかどうかが、中心的なオープンな疑問である。

関連論文リスト

GroupEnsemble: Efficient Uncertainty Estimation for DETR-based Object Detection [10.241307426902178]
GroupEnsembleはDTRのようなモデルに対する効率的かつ効果的な不確実性推定手法である。我々は,都市景観とCOCOデータセットを用いて,自律運転シーンと日常の日常シーン下での手法の有効性を検証した。その結果,MC-Dropout と GroupEnsemble を組み合わせたハイブリッドアプローチは,Deep Ensembles をコストのごく一部で実現していることがわかった。
論文参考訳（メタデータ） (2026-03-02T13:26:40Z)
Continuous Wavelet Transform and Siamese Network-Based Anomaly Detection in Multi-variate Semiconductor Process Time Series [0.11184789007828977]
半導体製造における異常予測にはいくつか重要な課題があります本稿では,機械学習を用いたMTSデータにおける異常検出のための新しい汎用的アプローチを提案する。提案手法は,実FABプロセスの時系列データセット上で異常を識別する際の精度が高いことを示す。
論文参考訳（メタデータ） (2025-07-01T11:10:19Z)
Gappy local conformal auto-encoders for heterogeneous data fusion: in praise of rigidity [6.1152340690876095]
本稿では,このタスクのためのマルチオートエンコーダニューラルネットワークアーキテクチャの形で,エンドツーエンドの計算パイプラインを提案する。パイプラインへの入力はいくつかの部分的な観測の集合であり、その結果は全世界的に一貫した潜在空間となり、すべての測定を調和させる(剛性化、融合)。簡単な2次元データセットから始まり、Wi-Fiのローカライゼーション問題へと進む。
論文参考訳（メタデータ） (2023-12-20T16:18:51Z)
Semi-DETR: Semi-Supervised Object Detection with Detection Transformers [105.45018934087076]
半教師付き物体検出(SSOD)におけるDETRに基づくフレームワークの解析本報告では,第1次変圧器を用いたエンド・ツー・エンド半教師対象検出器であるSemi-DETRについて述べる。我々の手法は、最先端の手法をクリアマージンで上回る。
論文参考訳（メタデータ） (2023-07-16T16:32:14Z)
One-Dimensional Deep Image Prior for Curve Fitting of S-Parameters from Electromagnetic Solvers [57.441926088870325]
Deep Image Prior(ディープ・イメージ・プライオリ、ディープ・イメージ・プライオリ、DIP)は、ランダムなd畳み込みニューラルネットワークの重みを最適化し、ノイズや過度な測定値からの信号に適合させる技術である。本稿では,Vector Fitting (VF) の実装に対して,ほぼすべてのテスト例において優れた性能を示す。
論文参考訳（メタデータ） (2023-06-06T20:28:37Z)
DTAAD: Dual Tcn-Attention Networks for Anomaly Detection in Multivariate Time Series Data [0.0]
本稿では,Transformer と Dual Temporal Convolutional Network (TCN) に基づく異常検出・診断モデル DTAAD を提案する。予測精度の向上と相関性の向上のために,スケーリング手法とフィードバック機構を導入している。 7つの公開データセットに対する実験により、DTAADは検出および診断性能の両面で現在最先端のベースライン法の大部分を超えていることが確認された。
論文参考訳（メタデータ） (2023-02-17T06:59:45Z)
GLENet: Boosting 3D Object Detectors with Generative Label Uncertainty Estimation [70.75100533512021]
本稿では,対象物の潜在的可算有界箱の多様性として,ラベルの不確実性問題を定式化する。本稿では,条件付き変分オートエンコーダを応用した生成フレームワークであるGLENetを提案する。 GLENetが生成するラベルの不確実性はプラグアンドプレイモジュールであり、既存のディープ3D検出器に便利に統合することができる。
論文参考訳（メタデータ） (2022-07-06T06:26:17Z)
Fault-tolerant parity readout on a shuttling-based trapped-ion quantum computer [64.47265213752996]
耐故障性ウェイト4パリティチェック測定方式を実験的に実証した。フラグ条件パリティ測定の単発忠実度は93.2(2)%である。このスキームは、安定化器量子誤り訂正プロトコルの幅広いクラスにおいて必須な構成要素である。
論文参考訳（メタデータ） (2021-07-13T20:08:04Z)
Object Detection Made Simpler by Eliminating Heuristic NMS [70.93004137521946]
単純なNMSのないエンドツーエンドのオブジェクト検出フレームワークを示す。検出精度は元の1段検出器と比べて同等か、さらに向上した。
論文参考訳（メタデータ） (2021-01-28T02:38:29Z)
Contextual-Bandit Anomaly Detection for IoT Data in Distributed Hierarchical Edge Computing [65.78881372074983]
IoTデバイスは複雑なディープニューラルネットワーク(DNN)モデルにはほとんど余裕がなく、異常検出タスクをクラウドにオフロードすることは長い遅延を引き起こす。本稿では,分散階層エッジコンピューティング(HEC)システムを対象とした適応型異常検出手法のデモと構築を行う。提案手法は,検出タスクをクラウドにオフロードした場合と比較して,精度を犠牲にすることなく検出遅延を著しく低減することを示す。
論文参考訳（メタデータ） (2020-04-15T06:13:33Z)

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。