論文の概要: Information Processing Capacity of Stationary Physical Systems: Theory, Data-efficient Estimation Methods, and Photonic Demonstration

• arxiv url: http://arxiv.org/abs/2605.19152v1
• Date: Mon, 18 May 2026 22:13:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:09.011954
• Title: Information Processing Capacity of Stationary Physical Systems: Theory, Data-efficient Estimation Methods, and Photonic Demonstration
• Title（参考訳）: 静止物理系の情報処理能力:理論・データ効率推定法・フォトニック実証
• Authors: Rahul Uma Ramachandran, Serge Massar,
• Abstract要約: 我々は、Information Processing Capacityフレームワークを静止物理コンピューティングシステムに拡張する。 非線形光ファイバーを介して伝播するピコ秒レーザーパルスをベースとしたフォトニックコンピューティングシステムを用いて,この枠組みを実験的に検証する。 これらの結果は、物理コンピューティングシステムの力学と機械学習性能の実践的な橋渡しとしてIPCを確立している。
• 参考スコア（独自算出の注目度）: 0.8602553195689513
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Physical computing systems provide a promising route toward hardware-native machine learning, but their computational capabilities remain difficult to characterize in a principled, task-independent, and data-efficient way. We extend the Information Processing Capacity (IPC) framework to stationary physical computing systems and establish several fundamental results: individual capacities are bounded between zero and one, their sum over a complete basis is bounded by the number of readouts, and noise strictly reduces this bound. We address the finite-sample estimation of IPC and derive the asymptotic form of the systematic positive bias affecting naive estimators. Building on these results, we introduce data-efficient estimation methods based on Richardson extrapolation and Sobol quasi-random sampling. We validate the framework experimentally using a photonic computing system based on picosecond laser pulses propagating through a nonlinear optical fibre. By varying the laser power and fibre length, we observe systematic shifts of the IPC distribution toward higher-order nonlinear capacities induced by the Kerr effect. Finally, we demonstrate that the total IPC strongly correlates with performance on benchmark machine-learning tasks and provides a reliable estimate of the effective dimensionality of the system. These results establish IPC as a practical bridge between the intrinsic dynamics of physical computing systems and their machine-learning performance.
• Abstract（参考訳）: 物理コンピューティングシステムは、ハードウェアネイティブな機械学習への有望な経路を提供するが、その計算能力は、原則的、タスクに依存しない、データ効率のよい方法で特徴づけることが難しいままである。 我々は、IPC(Information Processing Capacity)フレームワークを静止物理コンピューティングシステムに拡張し、いくつかの基本的な結果を確立する。 我々は,IPCの有限サンプル推定に対処し,主観的推定に影響を及ぼす系統的正のバイアスの漸近形式を導出する。 これらの結果に基づいて,リチャードソン外挿法とソボル準ランダムサンプリングに基づくデータ効率推定手法を提案する。 非線形光ファイバーを介して伝播するピコ秒レーザーパルスをベースとしたフォトニックコンピューティングシステムを用いて,この枠組みを実験的に検証する。 レーザパワーと繊維長の変化により、カー効果によって誘導される高次非線形容量へのIPC分布の体系的なシフトを観察する。 最後に,総IPCが機械学習のベンチマークにおける性能と強く相関していることを示し,システムの有効次元性について信頼性の高い推定結果を提供する。 これらの結果から、ICCは物理コンピューティングシステムの本質的な力学と機械学習性能の実践的な橋渡しとして確立された。

関連論文リスト

• Efficient Machine Unlearning via Influence Approximation [75.31015485113993]
  インフルエンサーベースのアンラーニングは、個別のトレーニングサンプルがモデルパラメータに与える影響を再トレーニングせずに推定する顕著なアプローチとして現れてきた。 本稿では,暗記(増分学習)と忘れ(未学習)の理論的関連性を確立する。 本稿では、インフルエンス近似アンラーニングアルゴリズムを導入し、インクリメンタルな視点から効率的なマシンアンラーニングを行う。
  論文  参考訳（メタデータ） (2025-07-31T05:34:27Z)
• High-performance real-world optical computing trained by in situ gradient-based model-free optimization [2.2407602847819827]
  モンテカルロ勾配推定アルゴリズムに基づく勾配に基づくモデルフリー最適化(G-MFO)手法を提案する。 G-MFOは、光学計算システムをブラックボックスとして扱い、光学計算重みの確率分布に直接損失をバックプロパガンダする。 G-MFO は MNIST と FMNIST のハイブリッドトレーニングより優れていることを示す。
  論文  参考訳（メタデータ） (2023-07-22T01:56:58Z)
• Machine learning at the mesoscale: a computation-dissipation bottleneck [77.34726150561087]
  入力出力デバイスとして使用されるメソスコピックシステムにおける計算散逸ボトルネックについて検討する。 我々のフレームワークは、情報圧縮、入出力計算、非相互相互作用によって引き起こされる動的不可逆性の間の決定的な妥協に光を当てている。
  論文  参考訳（メタデータ） (2023-07-05T15:46:07Z)
• Robustness and Generalization Performance of Deep Learning Models on Cyber-Physical Systems: A Comparative Study [71.84852429039881]
  調査は、センサーの故障やノイズなど、様々な摂動を扱うモデルの能力に焦点を当てている。 我々は,これらのモデルの一般化と伝達学習能力を,アウト・オブ・ディストリビューション(OOD)サンプルに公開することによって検証する。
  論文  参考訳（メタデータ） (2023-06-13T12:43:59Z)
• Pseudo-Spherical Contrastive Divergence [119.28384561517292]
  エネルギーベースモデルの最大学習確率を一般化するために,擬球面コントラスト分散(PS-CD)を提案する。 PS-CDは難解な分割関数を避け、学習目的の一般化されたファミリーを提供する。
  論文  参考訳（メタデータ） (2021-11-01T09:17:15Z)
• An Extensible Benchmark Suite for Learning to Simulate Physical Systems [60.249111272844374]
  我々は、統一されたベンチマークと評価プロトコルへの一歩を踏み出すために、一連のベンチマーク問題を導入する。 本稿では,4つの物理系と,広く使用されている古典的時間ベースおよび代表的なデータ駆動手法のコレクションを提案する。
  論文  参考訳（メタデータ） (2021-08-09T17:39:09Z)
• Linear embedding of nonlinear dynamical systems and prospects for efficient quantum algorithms [74.17312533172291]
  有限非線形力学系を無限線型力学系(埋め込み)にマッピングする方法を述べる。 次に、有限線型系 (truncation) による結果の無限線型系を近似するアプローチを検討する。
  論文  参考訳（メタデータ） (2020-12-12T00:01:10Z)

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。