論文の概要: A fully parallel densely connected probabilistic Ising machine with inertia for real-time applications

• arxiv url: http://arxiv.org/abs/2604.17109v1
• Date: Sat, 18 Apr 2026 18:52:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.336696
• Title: A fully parallel densely connected probabilistic Ising machine with inertia for real-time applications
• Title（参考訳）: 実時間応用のための慣性をもつ完全並列高密度確率イジングマシン
• Authors: Ruomin Zhu, Abhishek Kumar Singh, Jérémie Laydevant, Fan O. Wu, Ari Kapelyan, Davide Venturelli, Kyle Jamieson, Peter L. McMahon,
• Abstract要約: 慣性項を付加した修正イジングスピンダイナミクスを導入する。 我々は、アルゴリズムシミュレーション、FPGAハードウェアエミュレーション、FPGA実験において、完全に並列で同期的な更新を可能にすることを検証した。 完全に並列な更新を実行すると、スピンの数で線形よりも高速に成長する速度のアドバンテージが得られる。
• 参考スコア（独自算出の注目度）: 12.191090079490722
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ising machines -- special-purpose hardware for heuristically solving Ising optimization problems -- based on probabilistic bits (p-bits) have been established as a promising alternative to heuristic optimization algorithms run on conventional computers. However, it has -- until now -- been thought that Ising spins that are connected in probabilistic Ising machines cannot be updated in parallel without ruining the machine's solving ability. This has been a major challenge for using probabilistic Ising machines as fast solvers for densely connected problems. Here, we circumvent this by introducing a modified Ising spin dynamics with an added inertia term, and verify in algorithm simulations, FPGA hardware emulation, and FPGA experiments that it enables fully parallel, synchronous updates while improving rather than degrading success probability. We evaluated on various types of abstract (Max-Cut and Sherrington-Kirkpatrick-model) and application-derived (MIMO, wireless detection) dense Ising benchmark instances. Performing fully parallel updates results in a speed advantage that grows faster than linearly with the number of spins, giving rise to large time-to-solution increases for practical problem sizes. For both Max-Cut and the SK-1 model at a problem size of 200, our approach achieved an average speedup of $\approx 35\times$, with the best single-instance speedup reaching $150\times$. As an example of the practical utility of our approach in an application where speed is critical, we further show by co-designing the algorithm dynamics with the hardware implementation -- co-optimizing for solver ability and silicon resource usage -- that probabilistic Ising machines based on our approach satisfy the stringent solution quality and latency/throughput requirements for real-time MIMO detection in modern 5G cellular wireless networks while using a practically reasonable silicon area.
• Abstract（参考訳）: イジングマシン(Ising Machine)は、従来のコンピュータ上で動作するヒューリスティック最適化アルゴリズムの代替として、確率的ビット(pビット)に基づく、ヒューリスティック最適化問題を解決するための専用ハードウェアである。 しかし、現在まで、確率的Isingマシンに接続されたIsingスピンは、マシンの問題解決能力を損なうことなく、並列に更新できないと考えられてきた。 これは確率的イジングマシンを高密度連結問題に対する高速解法として使用する上で大きな課題である。 本稿では,アルゴリズムシミュレーション,FPGAハードウェアエミュレーション,FPGA実験において,改良されたIsingスピンダイナミクスを導入してこれを回避し,完全並列かつ同期的な更新を可能にするとともに,成功確率を劣化させることなく改善する。 各種抽象モデル (Max-Cut と Sherrington-Kirkpatrick モデル) とアプリケーション由来の高密度Isingベンチマークインスタンス (MIMO, 無線検出) について検討した。 完全に並列な更新を実行すると、スピンの数で線形よりも高速に成長する速度の優位性が得られ、実用的な問題サイズに対して解法時間が大きく増加する。 問題サイズ200のMax-CutモデルとSK-1モデルの両方に対して、我々のアプローチは平均速度$\approx 35\times$を達成し、最高のシングルインスタンススピードアップは150\times$に達した。 高速化が重要となるアプリケーションにおける我々のアプローチの実用例として,本手法に基づく確率的Isingマシンは,現実的に合理的なシリコン領域を使用しながら,現代の5G携帯電話無線ネットワークにおけるリアルタイムMIMO検出における厳密なソリューション品質と待ち時間/入力要求を満たす。

関連論文リスト

• Para-B&B: Load-Balanced Deterministic Parallelization of Solving MIP [50.917107318582715]
  MIP(Mixed-integer Programming)は、連続型と整数型の両方の決定変数を組み込むことで線形プログラミングを拡張する。 本稿では,高性能MIPソルバであるHiGHSに対して,決定論的並列分岐結合の完全なオープンソース実装を初めて提案する。 本手法では,ワーカスレッド間で完全なソルバ状態を複製することにより,厳密な決定性を保証する新しいデータ並列アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2026-02-10T14:17:53Z)
• Machine Learning-assisted High-speed Combinatorial Optimization with Ising Machines for Dynamically Changing Problems [0.0]
  パラメータチューニングを伴わずに多種多様な問題を高速に解くため,組込みIsing マシンを用いた手法を提案する。 無線マルチホップネットワークのTDMAスケジューリングにおいて,従来の手法よりも高速に処理できることを示す。
  論文  参考訳（メタデータ） (2025-03-31T11:31:36Z)
• Pushing the Boundary of Quantum Advantage in Hard Combinatorial Optimization with Probabilistic Computers [0.4969640751053581]
  確率的コンピュータ(p-コンピュータ)が、ハード最適化問題を解決するための説得力がありスケーラブルな古典的経路を提供することを示す。 我々は3次元スピングラスに適用された2つの重要なアルゴリズム、離散時間シミュレーション量子アニール(DT-SQA)と適応並列テンパリング(APT)に焦点を当てた。 APTは非局所アイソエネルゲティッククラスタの移動によって支えられ、より良好なスケーリングを示し、最終的にはDT-SQAよりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-03-13T12:24:13Z)
• Latency-aware Unified Dynamic Networks for Efficient Image Recognition [72.8951331472913]
  LAUDNetは動的ネットワークの理論的および実用的な効率ギャップを橋渡しするフレームワークである。 3つの主要な動的パラダイム - 適応型計算、動的層スキップ、動的チャネルスキップ - を統合している。 これにより、V100,3090やTX2 GPUのようなプラットフォーム上で、ResNetのようなモデルの遅延を50%以上削減できる。
  論文  参考訳（メタデータ） (2023-08-30T10:57:41Z)
• Training Deep Boltzmann Networks with Sparse Ising Machines [5.048818298702389]
  深層生成AIモデルをトレーニングすることにより,確率ビット(pビット)ベースのIsingマシンのための新しいアプリケーションドメインを示す。 スパース、非同期、および非常に並列なIsingマシンを使用して、ハイブリッド確率-古典計算設定でディープボルツマンネットワークを訓練する。
  論文  参考訳（メタデータ） (2023-03-19T18:10:15Z)
• Real-Time GPU-Accelerated Machine Learning Based Multiuser Detection for 5G and Beyond [70.81551587109833]
  非線形ビームフォーミングフィルタは、大規模な接続を伴う定常シナリオにおいて、線形アプローチを著しく上回る。 主な課題の1つは、これらのアルゴリズムのリアルタイム実装である。 本稿では,大規模並列化によるAPSMに基づくアルゴリズムの高速化について検討する。
  論文  参考訳（メタデータ） (2022-01-13T15:20:45Z)
• An Adaptive Device-Edge Co-Inference Framework Based on Soft Actor-Critic [72.35307086274912]
  高次元パラメータモデルと大規模数学的計算は、特にIoT(Internet of Things)デバイスにおける実行効率を制限する。 本稿では,ソフトポリシーの繰り返しによるエフェキシット点,エフェキシット点,エンフェキシット点を生成する離散的(SAC-d)のための新しい深層強化学習(DRL)-ソフトアクタ批判法を提案する。 レイテンシと精度を意識した報酬設計に基づいて、そのような計算は動的無線チャンネルや任意の処理のような複雑な環境によく適応でき、5G URLをサポートすることができる。
  論文  参考訳（メタデータ） (2022-01-09T09:31:50Z)

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。