論文の概要: Beyond Gradient Descent: Adam for Analog Ising Machines

• arxiv url: http://arxiv.org/abs/2606.03917v1
• Date: Tue, 02 Jun 2026 17:11:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:05.201725
• Title: Beyond Gradient Descent: Adam for Analog Ising Machines
• Title（参考訳）: グラディエント・ダイスを超えて - アナログ・イジングマシンのためのAdam
• Authors: Stijn Van Vooren, Guy Van der Sande, Guy Verschaffelt,
• Abstract要約: モーメントとアダム最適化がアナログ連続型イジングマシンを改良できるかどうかを考察する。 我々は、Adamベースのダイナミクスにより、ターゲットの時間を大幅に削減し、ソリューションの品質を向上させることを発見した。 これらの結果は、アナログイジングマシンの強力な設計原理として、連続時間アダムダイナミクスを識別する。
• 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: As Moore's law reaches its limits, Ising machines offer a promising alternative computing approach for difficult optimization problems. However, many analog, time-continuous Ising machines rely on gradient-descent-like dynamics to find solutions, which can limit speed and robustness. We investigate whether momentum and Adam optimization can improve these systems. Since these optimizers are traditionally formulated in discrete time, we derive continuous-time versions suitable for analog, time-continuous Ising-machine dynamics. On Max-Cut benchmarks, we find that Adam-based dynamics substantially reduce time-to-target and improve solution quality compared with gradient-descent- and momentum-based dynamics. We further introduce a first-order continuous-time approximation of Adam that is intended as a simpler starting point for future physical implementations and while performing better than the full Adam formulation in a continuous-time setting. We also study a purely algorithmic discrete-time setting, where the performance gap is reduced on easier problem instances, while the Adam-based update rule performs best on harder weighted problem instances. These results identify continuous-time Adam dynamics as a powerful design principle for analog Ising machines.
• Abstract（参考訳）: ムーアの法則が限界に達するにつれて、イジングマシンは難しい最適化問題に対して有望な代替計算アプローチを提供する。 しかし、多くのアナログで時間の連続したイジングマシンは、速度と堅牢性を制限できる解を見つけるために勾配線のような力学に依存している。 モーメントとアダム最適化がこれらのシステムを改善するかどうかを検討する。 これらのオプティマイザは伝統的に離散時間で定式化されているため、アナログ、時間連続のイジング・マシン・ダイナミクスに適した連続時間バージョンを導出する。 Max-Cut ベンチマークでは,Adam-based dynamics は,勾配および運動量に基づくダイナミックスと比較して,目標とする時間を大幅に削減し,解の質を向上させる。 さらに、Adamの1次連続時間近似を導入し、将来の物理実装の出発点として、そして連続時間設定における完全なAdamの定式化よりも優れたパフォーマンスを期待する。 我々はまた、Adamベースの更新ルールがより重み付けされた問題インスタンスに最適であるのに対して、より簡単な問題インスタンスではパフォーマンスギャップが小さくなる純粋にアルゴリズム的な離散時間設定も研究している。 これらの結果は、アナログイジングマシンの強力な設計原理として、連続時間アダムダイナミクスを識別する。

関連論文リスト

• Noise Hypernetworks: Amortizing Test-Time Compute in Diffusion Models [57.49136894315871]
  テストタイムスケーリングの新しいパラダイムは、推論モデルと生成視覚モデルにおいて驚くべきブレークスルーをもたらした。 本稿では,テスト時間スケーリングの知識をモデルに組み込むことの課題に対する1つの解決策を提案する。 拡散モデルにおいて、初期入力ノイズを変調するノイズハイパーネットワークにより、報酬誘導試験時間雑音の最適化を行う。
  論文  参考訳（メタデータ） (2025-08-13T17:33:37Z)
• A system identification approach to clustering vector autoregressive time series [50.66782357329375]
  基礎となる力学に基づく時系列のクラスタ化は、複雑なシステムモデリングを支援するために研究者を惹きつけている。 現在の時系列クラスタリング手法のほとんどは、スカラー時系列のみを処理し、ホワイトノイズとして扱うか、高品質な特徴構築のためにドメイン知識に依存している。 システム識別アプローチは、機能/測定構造に頼るのではなく、基礎となる自己回帰力学を明示的に考慮することで、ベクトル時系列クラスタリングを処理できる。
  論文  参考訳（メタデータ） (2025-05-20T14:31:44Z)
• A Physics-Inspired Optimizer: Velocity Regularized Adam [9.38448580878081]
  深層ニューラルネットワークのトレーニングにVelocity-Regularized Adamvolution(VRAdam)を導入する。 VRAdamは、速度に基づいて学習率により高い順序のペナルティを加える。 我々は、AdamWを含む標準凸に対してVRAdamが性能を上回ることを示した。
  論文  参考訳（メタデータ） (2025-05-19T14:51:40Z)
• Autonomous Vehicle Controllers From End-to-End Differentiable Simulation [57.278726604424556]
  そこで我々は,AVコントローラのトレーニングにAPG(analytic Policy gradients)アプローチを適用可能なシミュレータを提案し,その設計を行う。 提案するフレームワークは, エージェントがより根底的なポリシーを学ぶのを助けるために, 環境力学の勾配を役立てる, エンド・ツー・エンドの訓練ループに, 微分可能シミュレータを組み込む。 ダイナミクスにおけるパフォーマンスとノイズに対する堅牢性の大幅な改善と、全体としてより直感的なヒューマンライクな処理が見られます。
  論文  参考訳（メタデータ） (2024-09-12T11:50:06Z)
• Accelerating Continuous Variable Coherent Ising Machines via Momentum [16.545815849819043]
  本稿では,運動量やアダムといったよりチューニング可能な最適化手法を用いてCV-CIMのダイナミクスを改良することを提案する。 我々は、Adam-CV-CIMの運動量とサンプルのAdam-CV-CIMの性能がチューナブルフレームワークとしてより安定であることが示している。
  論文  参考訳（メタデータ） (2024-01-22T17:18:53Z)
• Fractional Deep Reinforcement Learning for Age-Minimal Mobile Edge Computing [11.403989519949173]
  本研究は,AOI( Age-of-Information)によって測定された計算集約更新の時系列に焦点をあてる。 我々は,AoIのタスク更新とオフロードポリシを分断形式で共同で最適化する方法について検討する。 実験の結果,提案アルゴリズムは,いくつかの非フラクタルベンチマークと比較して平均AoIを57.6%削減できることがわかった。
  論文  参考訳（メタデータ） (2023-12-16T11:13:40Z)
• Losing momentum in continuous-time stochastic optimisation [42.617042045455506]
  運動量に基づく最適化アルゴリズムは 特に広まりました 本研究では、運動量を伴う勾配降下の連続時間モデルを解析する。 また、画像分類問題において畳み込みニューラルネットワークを訓練する。
  論文  参考訳（メタデータ） (2022-09-08T10:46:05Z)
• AdamP: Slowing Down the Slowdown for Momentum Optimizers on Scale-invariant Weights [53.8489656709356]
  正規化技術は現代の深層学習の恩恵である。 しかし、運動量を導入することで、スケール不変の重みに対する効果的なステップサイズが急速に小さくなることがしばしば見過ごされる。 本稿では,この2つの材料の組み合わせが,有効ステップサイズと準最適モデル性能の早期劣化につながることを検証した。
  論文  参考訳（メタデータ） (2020-06-15T08:35:15Z)

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。