論文の概要: Digitally Optimized Initializations for Fast Thermodynamic Computing

• arxiv url: http://arxiv.org/abs/2603.24183v1
• Date: Wed, 25 Mar 2026 11:00:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-26 21:06:11.253836
• Title: Digitally Optimized Initializations for Fast Thermodynamic Computing
• Title（参考訳）: 高速熱力学計算のためのディジタル最適化初期化
• Authors: Mattia Moroder, Felix C. Binder, John Goold,
• Abstract要約: 本稿では,緩和を著しく促進するハイブリッドなディジタル熱力学アルゴリズムを提案する。 我々は二次エネルギー景観に対するランゲヴィン力学の過大な破壊に焦点を当てる。
• 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: Thermodynamic computing harnesses the relaxation dynamics of physical systems to perform matrix operations. A key limitation of such approaches is the often long thermalization time required for the system to approach equilibrium with sufficient accuracy. Here, we introduce a hybrid digital-thermodynamic algorithm that substantially accelerates relaxation through optimized initializations inspired by the Mpemba effect. In the proposed scheme, a classical digital processor efficiently computes an initialization that suppresses slow relaxation modes, after which the physical system performs the remaining computation through its intrinsic relaxation dynamics. We focus on overdamped Langevin dynamics for quadratic energy landscapes, analyzing the spectral structure of the associated Fokker-Planck operator and identifying the corresponding optimal initial covariances. This yields a predictable reduction in thermalization time, determined by the spectrum of the encoded matrix. We derive analytic expressions for the resulting speedups and numerically analyze thermodynamic implementations of matrix inversion and determinant computation as concrete examples. Our results show that optimized initialization protocols provide a simple and broadly applicable route to accelerating thermodynamic computations.
• Abstract（参考訳）: 熱力学計算は物理系の緩和力学を利用して行列演算を行う。 このようなアプローチの鍵となる制限は、システムが十分な精度で平衡に近づくのに必要な長い熱化時間である。 本稿では,Mpemba効果にインスパイアされた最適化初期化によって緩和を著しく加速するハイブリッドディジタル熱力学アルゴリズムを提案する。 提案方式では,従来のデジタル処理装置において,緩やかな緩和モードを抑える初期化を効率よく計算し,その後に物理系が本質的な緩和ダイナミクスを用いて残りの計算を行う。 二次エネルギーランドスケープに対するランゲヴィン力学の過大な損傷に着目し、関連するフォッカー・プランク作用素のスペクトル構造を分析し、対応する最適初期共分散を同定する。 これにより、符号化された行列のスペクトルによって決定される熱化時間の予測可能な減少が得られる。 結果の高速化に関する解析式を導出し, 行列の逆転と行列式計算の熱力学的実装を具体例として数値解析する。 この結果から,最適化初期化プロトコルは熱力学計算の高速化にシンプルで広く適用可能な経路であることがわかった。

関連論文リスト

• Thermodynamics-Inspired Computing with Oscillatory Neural Networks for Inverse Matrix Computation [0.4887814315732678]
  ONNは複雑な最適化問題に取り組むためのIsingマシンとして広く研究されている。 本研究では、線形代数問題、特に逆行列の解法におけるそれらの実現可能性について検討する。
  論文  参考訳（メタデータ） (2025-07-30T10:16:55Z)
• Self-Supervised Coarsening of Unstructured Grid with Automatic Differentiation [55.88862563823878]
  本研究では,微分可能物理の概念に基づいて,非構造格子を階層化するアルゴリズムを提案する。 多孔質媒質中のわずかに圧縮可能な流体流を制御した線形方程式と波動方程式の2つのPDE上でのアルゴリズムの性能を示す。 その結果,検討したシナリオでは,関心点におけるモデル変数のダイナミクスを保ちながら,格子点数を最大10倍に削減した。
  論文  参考訳（メタデータ） (2025-07-24T11:02:13Z)
• KO: Kinetics-inspired Neural Optimizer with PDE Simulation Approaches [45.173398806932376]
  本稿では、運動理論と偏微分方程式(PDE)シミュレーションにインスパイアされた新しい神経勾配であるKOを紹介する。 我々は、ネットワークパラメータの力学を、運動原理によって支配される粒子系の進化として再想像する。 この物理駆動のアプローチは、パラメータ凝縮の現象を緩和し、最適化中のパラメータの多様性を本質的に促進する。
  論文  参考訳（メタデータ） (2025-05-20T18:00:01Z)
• Efficient and precise quantum simulation of ultra-relativistic quark-nucleus scattering [0.35998666903987897]
  クォーク核散乱のダイナミクスをシミュレートする,効率的かつ高精度な枠組みを提案する。 我々のフレームワークは量子力学における様々な散乱問題の力学をシミュレートするために一般化することができる。
  論文  参考訳（メタデータ） (2024-03-31T22:48:05Z)
• Deep Unrolling for Nonconvex Robust Principal Component Analysis [75.32013242448151]
  我々はロバスト成分分析のためのアルゴリズムを設計する(A) 行列を低主行列とスパース主行列の和に分解する。
  論文  参考訳（メタデータ） (2023-07-12T03:48:26Z)
• 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)
• Effective Hamiltonian approach to the exact dynamics of open system by complex discretization approximation for environment [0.0]
  複素ガウス二次関数に基づく複素周波数空間への離散化近似法の一般化を提案する。 有効ハミルトニアンは非エルミート的であり、負の虚部を持つ複素エネルギーモードを証明できる。
  論文  参考訳（メタデータ） (2023-03-12T05:34:29Z)
• Fast and differentiable simulation of driven quantum systems [58.720142291102135]
  我々は、ダイソン展開に基づく半解析手法を導入し、標準数値法よりもはるかに高速に駆動量子系を時間発展させることができる。 回路QEDアーキテクチャにおけるトランスモン量子ビットを用いた2量子ゲートの最適化結果を示す。
  論文  参考訳（メタデータ） (2020-12-16T21:43:38Z)
• 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)
• Optimization with Momentum: Dynamical, Control-Theoretic, and Symplectic Perspectives [97.16266088683061]
  この論文は、運動量に基づく最適化アルゴリズムにおいてシンプレクティックな離散化スキームが重要であることを厳格に証明している。 これは加速収束を示すアルゴリズムの特性を提供する。
  論文  参考訳（メタデータ） (2020-02-28T00:32:47Z)

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。