論文の概要: Accelerating ground state search of spatial photonic Ising machines with genetic-simulated annealing hybrid algorithm
- arxiv url: http://arxiv.org/abs/2605.23295v1
- Date: Fri, 22 May 2026 07:12:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-25 17:29:20.232328
- Title: Accelerating ground state search of spatial photonic Ising machines with genetic-simulated annealing hybrid algorithm
- Title（参考訳）: 遺伝的シミュレートされたアニーリングハイブリッドアルゴリズムによる空間フォトニックアイシングマシンの基底状態探索
- Authors: Ze Zheng, Ruhui Ni, Jingyi Zhao, Xiaojian Hu, Wen Jiang, Yuegang Li, Hang Xu, Tailong Xiao, Guihua Zeng,
- Abstract要約: 本研究では,SPIMの基底状態探索を高速化する,光学的遺伝的シミュレーション型アニーリングハイブリッドアルゴリズムを提案する。
提案手法は, 純GAやSAに比べて, フルランクのMax-Cut問題に対して, 異なるスケールで解の質を高めることができる。
我々のアプローチは、知的光イジングコンピューティングシステムに対する他の高度なメタヒューリスティックアルゴリズムでさらに発展させることができる。
- 参考スコア（独自算出の注目度）: 16.37267705228787
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Spatial photonic Ising machines (SPIMs) based on spatial light modulators (SLMs) have emerged as highly effective solvers for many tasks, including combinatorial optimization problems and spin-glass simulations. However, traditional SPIMs relying solely on the simulated annealing algorithm require a large number of measurement-feedback iterations to find a relatively optimal solution in complex energy landscapes, suffering from slow convergence and high time cost. Here, we propose an optical genetic-simulated annealing hybrid algorithm to accelerate the ground-state search of SPIMs. GA conducts a global coarse-grained search in the early iteration stage, while SA performs fine-grained local refinement in the late stage. Numerical simulations show that our method enables a higher solution quality of full-rank Max-Cut problems than pure GA or SA at different scales. We also experimentally demonstrate its superiority over conventional algorithms on a gauge-transformation time-division multiplexing SPIM for high-rank optimization problems under the same iteration budget. Our approach can be further developed with other advanced metaheuristic algorithms toward intelligent optical Ising computing systems.
- Abstract（参考訳）: 空間光変調器(SLM)をベースとした空間フォトニックイジングマシン(SPIM)は,組合せ最適化問題やスピングラスシミュレーションなど,多くのタスクにおいて高効率な解法として登場した。
しかし、シミュレーションアニーリングアルゴリズムにのみ依存する従来のSPIMは、複雑なエネルギー景観において比較的最適な解を見つけるために、多くの測定フィードバック反復を必要とする。
本稿では,SPIMの基底状態探索を高速化する,光学的遺伝的シミュレーション型アニーリングハイブリッドアルゴリズムを提案する。
GAは早期に大まかな粗粒探索を行い、SAは後期に細粒局所精製を行う。
数値シミュレーションにより,本手法は純GA法やSA法よりも高解法品質のフルランクマックス・カッツ法を実現することができることが示された。
また、同じイテレーション予算下での高階最適化問題に対して、ゲージ変換時間分割多重化SPIMにおいて、従来のアルゴリズムよりも優れていることを実験的に示す。
我々のアプローチは、知的光イジングコンピューティングシステムに対する他の高度なメタヒューリスティックアルゴリズムでさらに発展させることができる。
関連論文リスト
- Adaptive Surrogate-Based Strategy for Accelerating Convergence Speed when Solving Expensive Unconstrained Multi-Objective Optimisation Problems [41.99844472131922]
本稿では,最先端MOEAの早期収束速度を高速化する適応的な代理モデル手法を提案する。
これは、解決者が比較的少ない適合関数評価で最適解や準最適解を識別できることを保証するためである。
提案手法は,広く知られている31のベンチマーク問題と実世界の北海魚量モデリングケーススタディで検証された。
論文 参考訳（メタデータ） (2026-01-29T15:46:52Z) - Hybrid Quantum-HPC Solutions for Max-Cut: Bridging Classical and Quantum Algorithms [0.0]
我々は,ハイブリッドシステムにおける時間的複雑性,スケーラビリティ,通信オーバーヘッドを分析する理論的モデルを構築した。
小型のMax-Cutインスタンス上でのQAOAの性能を評価する。
論文 参考訳（メタデータ） (2024-10-21T04:10:54Z) - Fast, Scalable, Warm-Start Semidefinite Programming with Spectral
Bundling and Sketching [53.91395791840179]
我々は、大規模なSDPを解くための、証明可能な正確で高速でスケーラブルなアルゴリズムであるUnified Spectral Bundling with Sketching (USBS)を提案する。
USBSは、20億以上の決定変数を持つインスタンス上で、最先端のスケーラブルなSDP解決器よりも500倍のスピードアップを提供する。
論文 参考訳（メタデータ） (2023-12-19T02:27:22Z) - Federated Conditional Stochastic Optimization [110.513884892319]
条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。
本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-04T01:47:37Z) - Hybrid Algorithm of Linear Programming Relaxation and Quantum Annealing [0.6526824510982802]
1つのアプローチは、古典的アルゴリズムを用いて近似解を取得し、量子アニール(QA)を用いてそれを精製することである。
本稿では,リニアプログラミング(LP)緩和と呼ばれる単純な連続緩和手法を用いる手法を提案する。
論文 参考訳（メタデータ） (2023-08-21T14:53:43Z) - High-Speed Resource Allocation Algorithm Using a Coherent Ising Machine
for NOMA Systems [3.6406488220483326]
NOMA手法の有効性を十分に活用する上で重要な課題は、リソース割り当ての最適化である。
NOMAシステムにおけるチャネル割り当てのためのコヒーレントIsing Machine(CIM)に基づく最適化手法を提案する。
提案手法は, 高速化と最適解の両面において優れていることを示す。
論文 参考訳（メタデータ） (2022-12-03T09:22:54Z) - Simulation-guided Beam Search for Neural Combinatorial Optimization [13.072343634530883]
ニューラル最適化問題に対するシミュレーション誘導ビームサーチ(SGBS)を提案する。
我々は、SGBSと効率的なアクティブサーチ(EAS)を併用し、SGBSはEASでバックプロパゲーションされたソリューションの品質を高める。
提案手法をよく知られたCOベンチマークで評価し,SGBSが合理的な仮定で得られた解の質を著しく向上することを示す。
論文 参考訳（メタデータ） (2022-07-13T13:34:35Z) - Collaborative Intelligent Reflecting Surface Networks with Multi-Agent
Reinforcement Learning [63.83425382922157]
インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。
本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
論文 参考訳（メタデータ） (2022-03-26T20:37:14Z) - Quantum optimisation via maximally amplified states [0.0]
本稿では,短期量子コンピューティングの制限回路深度文脈における最適化のための新しい量子アルゴリズムを提案する。
最大増幅最適化アルゴリズム(MAOA)は、他の短期量子アルゴリズムよりもかなり優れている。
論文 参考訳（メタデータ） (2021-11-01T09:43:53Z) - Convergence Analysis of Homotopy-SGD for non-convex optimization [43.71213126039448]
ホモトピー法とSGDを組み合わせた一階述語アルゴリズム、Gradienty-Stoch Descent (H-SGD)を提案する。
いくつかの仮定の下で、提案した問題の理論的解析を行う。
実験の結果,H-SGDはSGDより優れていた。
論文 参考訳（メタデータ） (2020-11-20T09:50:40Z) - Iterative Algorithm Induced Deep-Unfolding Neural Networks: Precoding
Design for Multiuser MIMO Systems [59.804810122136345]
本稿では,AIIDNN(ディープ・アンフォールディング・ニューラルネット)を一般化した,ディープ・アンフォールディングのためのフレームワークを提案する。
古典的重み付き最小二乗誤差(WMMSE)反復アルゴリズムの構造に基づく効率的なIAIDNNを提案する。
提案したIAIDNNは,計算複雑性を低減した反復WMMSEアルゴリズムの性能を効率よく向上することを示す。
論文 参考訳（メタデータ） (2020-06-15T02:57:57Z)
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。