論文の概要: Watts-per-Intelligence Part II: Algorithmic Catalysis

• arxiv url: http://arxiv.org/abs/2604.20897v1
• Date: Tue, 21 Apr 2026 13:36:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-24 14:40:06.074094
• Title: Watts-per-Intelligence Part II: Algorithmic Catalysis
• Title（参考訳）: Watts-per-Intelligence 第2部:アルゴリズム解析
• Authors: Elija Perrier,
• Abstract要約: 我々は、ワット・パーインテリジェンス・フレームワーク内でのアルゴリズム計算の熱力学理論を開発する。 我々は,クラス固有のスピードアップが,基板とクラス記述子間のアルゴリズム的相互情報によって上界にあることを証明した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We develop a thermodynamic theory of algorithmic catalysis within the watts-per-intelligence framework, identifying reusable computational structures that reduce irreversible operations for a task class while satisfying bounded restoration and structural selectivity constraints. We prove that any class-specific speed-up is upper-bounded by the algorithmic mutual information between the substrate and the class descriptor, and that installing this information incurs a minimum thermodynamic cost via Landauer erasure. Combining these results yields a coupling theorem that lower-bounds the deployment horizon required for a catalyst to be energetically favourable. The framework is illustrated on an affine SAT class and situates contemporary learned systems within a unified information-thermodynamic constraint on intelligent computation.
• Abstract（参考訳）: 本研究では,タスククラスに対する不可逆的操作を減らし,有界な復元と構造選択性制約を満たす再利用可能な計算構造を同定し,ワット毎知能フレームワーク内でのアルゴリズム触媒の熱力学理論を開発する。 クラス固有のスピードアップは, 基板とクラス記述子間のアルゴリズム的相互情報によって上界化され, ランダウアー消去による最小熱力学的コストが生じることを証明した。 これらの結果を組み合わせることで、触媒がエネルギ的に有利となるために必要な配置水平線を低く有界にするという結合定理が得られる。 このフレームワークは、アフィンSATクラス上に説明され、インテリジェントな計算に関する情報熱力学の統一された制約の中で、現代の学習システムを配置する。

関連論文リスト

• SGA-MCTS: Decoupling Planning from Execution via Training-Free Atomic Experience Retrieval [74.1918709002557]
  我々は, LLM計画を非パラメトリック検索として活用するフレームワークである textbfSGA-MCTS を紹介する。 オンラインでは、検索増強剤は、関連するステート-ゴール-アクション原子を取得するために、ハイブリッドシンボリック-セマンティック機構を使用する。 SGA-MCTSは、探索の重い計算コストを効果的に減らし、System 1推論速度におけるシステム2推論の深さを達成し、スケーラブルかつリアルタイムに自律的な計画が実現可能である。
  論文  参考訳（メタデータ） (2026-04-16T07:22:36Z)
• Information Physics of Intelligence: Unifying Logical Depth and Entropy under Thermodynamic Constraints [7.411478588468014]
  本稿では,情報処理を存在論的状態からキャリア状態へのマッピングを可能にする理論的枠組みを提案する。 与えられた論理深度から対象状態を計算するのに必要な有効な作業量を定量化する,新しい計量である導出エントロピーを導入する。 このことから, 導出エントロピーの最小化は, 生物と人工知能の双方の進化に支配的な原則であることが示唆された。
  論文  参考訳（メタデータ） (2025-11-24T14:24:08Z)
• Unlocking Symbol-Level Precoding Efficiency Through Tensor Equivariant Neural Network [84.22115118596741]
  シンボルレベルのプリコーディングにおいて,推論の複雑さの低いエンドツーエンドディープラーニング(DL)フレームワークを提案する。 提案手法は,従来の手法よりも約80倍の高速化を実現しつつ,SLPの大幅な性能向上を達成できることを示す。
  論文  参考訳（メタデータ） (2025-10-02T15:15:50Z)
• T-ILR: a Neurosymbolic Integration for LTLf [47.316620315732024]
  本稿では,時間論理の仕様をシーケンスベースタスクのためのディープラーニングアーキテクチャに直接組み込むニューロシンボリックフレームワークを提案する。 提案手法をT-ILR (Temporal Iterative Local Refinement) と呼ぶ。
  論文  参考訳（メタデータ） (2025-08-21T20:24:20Z)
• QAMA: Scalable Quantum Annealing Multi-Head Attention Operator for Deep Learning [48.12231190677108]
  QAMA(Quantum Annealing Multi-Head Attention)は、エネルギーベースのハミルトン最適化問題として注目を集める新しいドロップイン演算子である。 この枠組みでは、トークン相互作用を二項二項項に符号化し、低エネルギー構成の探索に量子アニールを用いる。 経験的に、自然言語と視覚のベンチマークによる評価は、タスク全体にわたって、標準的なマルチヘッドの注意から少なくとも2.7ポイントの精度が低下していることを示している。
  論文  参考訳（メタデータ） (2025-04-15T11:29:09Z)
• Order-theoretic models for decision-making: Learning, optimization, complexity and computation [0.0]
  インテリジェントシステムの研究は、経済合理性の観点から行動を説明する。 この論文の第一の目的は、インテリジェントシステムの研究におけるこれらの結果の適用性を明らかにすることである。
  論文  参考訳（メタデータ） (2024-06-15T20:20:43Z)
• Warm-Starting and Quantum Computing: A Systematic Mapping Study [35.19840943615427]
  量子コンピューティング領域におけるウォームスタート技術に関する科学文献の収集と分析を行う。 量子ソフトウェア技術者がウォームスタートテクニックを分類し、実際に適用できるようにすることを目標としています。
  論文  参考訳（メタデータ） (2023-03-10T18:50:00Z)
• Weakly Supervised Semantic Segmentation via Alternative Self-Dual Teaching [82.71578668091914]
  本稿では,分類とマスク・リファインメント・コンポーネントを統合された深層モデルに組み込む,コンパクトな学習フレームワークを確立する。 本稿では,高品質な知識相互作用を促進するために,新たな自己双対学習(ASDT)機構を提案する。
  論文  参考訳（メタデータ） (2021-12-17T11:56:56Z)
• Quantum Foundations of Classical Reversible Computing [0.0]
  可逆計算は、従来の非可逆的デジタルパラダイムのエネルギー効率に対する熱力学的限界を回避することができる。 ゴリーニ・コサコフスキー・スダルシャン・リンドブラッド力学(リンドブラディアン)の枠組みを複数の状態と組み合わせ、資源理論、完全な数え上げ統計学、可逆熱力学の最近の成果を取り入れた。 また,計算機の基本的な最小エネルギー散逸を速度関数として同定する研究計画を概説する。
  論文  参考訳（メタデータ） (2021-04-30T19:53:47Z)
• Local Propagation in Constraint-based Neural Network [77.37829055999238]
  ニューラルネットワークアーキテクチャの制約に基づく表現について検討する。 本稿では,いわゆるアーキテクチャ制約を満たすのに適した簡単な最適化手法について検討する。
  論文  参考訳（メタデータ） (2020-02-18T16:47:38Z)

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。