論文の概要: iSTAR: an algebraic-collapse framework for variational reduction in quantum-inspired continuous Ising solvers

• arxiv url: http://arxiv.org/abs/2607.05448v1
• Date: Sun, 05 Jul 2026 02:02:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-08 21:24:51.262955
• Title: iSTAR: an algebraic-collapse framework for variational reduction in quantum-inspired continuous Ising solvers
• Title（参考訳）: iSTAR:量子インスピレーション型連続イジング解法における変分還元のための代数的崩壊フレームワーク
• Authors: Bowen Liu, Dongmei Xiao,
• Abstract要約: 連続イジング解法は離散最適化問題を連続力学系に埋め込み、符号読み出しによってスピン構成を復元する。 このコストは本質的なものではなく、後期のシミュレート・バイフルケーションでは、軌道は低次元の活性部分空間に崩壊する。 Gセットベンチマークのオンライン認証実装は、すべての実行において同じシードのベースラインを保持し、密接な相互作用作業の64.4%を除去する。
• 参考スコア（独自算出の注目度）: 0.9704960686964833
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Continuous Ising solvers embed a discrete optimization problem into a continuous dynamical system and recover the spin configuration by sign readout, but dense interaction evaluation gives an $O(N^2)$-per-step cost. We show that this cost is not intrinsic: during late-stage simulated bifurcation the trajectory collapses onto a lower-dimensional active subspace, and saturated coordinates can be eliminated exactly by a variational frozen-set identity whose couplings fold into an induced field on the unresolved subsystem. We prove large-parameter recovery for the external-field quartic model, the hard-box limit of ballistic confinement, and a robust-margin freezing criterion. The resulting algorithm, iSTAR (Ising Stable-set Tail-Aware Reduction), exploits this collapse by detecting stabilized coordinates and continuing only on the active tail. An online certified implementation on the G-set benchmark preserves the same-seed baseline in all runs and removes on average 64.4% of the dense interaction work.
• Abstract（参考訳）: 連続イジング解法は離散的な最適化問題を連続力学系に埋め込み、符号読み出しによってスピン構成を復元するが、密接な相互作用評価はステップ当たり$O(N^2)$-stepコストを与える。 このコストは本質的ではないことが示される: 後期の擬似分岐において、軌道は低次元の活性部分空間に崩壊し、飽和座標は、解けない部分系の誘導場にカップリングが折り畳まれる変分凍結集合恒等式によって正確に除去される。 我々は,外界四面体モデル,弾道閉じ込めのハードボックス限界,頑健なマルジン凍結条件に対する大きなパラメータ回復を証明した。 結果のアルゴリズムであるiSTAR(Ising Staable-set Tail-Aware Reduction)は、安定化座標を検出し、アクティブテールのみを継続することにより、この崩壊を利用する。 Gセットベンチマークのオンライン認証実装は、すべての実行において同じシードのベースラインを保持し、密接な相互作用作業の64.4%を除去する。

関連論文リスト

• Trajectory-Aware Node Contributions and the Limits of Static Controllability [0.0]
  エマージェント・コントリビューション(emergent Contributence)とは、ノードの動的レバレッジの尺度である。 「EC」は線形時間不変極限における平均的な制御可能性に正確に還元する。 この位相空間内の複数の領域から推定される実数系を5つ配置する。
  論文  参考訳（メタデータ） (2026-06-02T02:56:36Z)
• High-Dimensional Latents Should Be Diagnosed Through Phase Structure [56.362776482614976]
  スピングラス理論のレンズによるオートエンコーダと変分オートエンコーダの潜在空間について検討した。 固定復号器用の潜時空間スピングラス辞書を定式化する。 トポロジカルな自明化機構のエッジ・オブ・ステイティに向けて潜伏系を駆動することは、下流に具体的な結果をもたらすことを示す。
  論文  参考訳（メタデータ） (2026-05-23T06:17:23Z)
• Clipping Bottleneck: Stabilizing RLVR via Stochastic Recovery of Near-Boundary Signals [83.0127582612634]
  Near-boundary Rescue (NSR) は最小限のプラグ・アンド・プレイの修正であり、失った信号を回復するために、アウト・オブ・バウンドトークンを保持する。 NSRはトレーニングの安定性を大幅に改善し、DAPOやGSPOといった強力なベースライン上で一貫したゲインを提供する。
  論文  参考訳（メタデータ） (2026-05-21T16:45:31Z)
• A Barrier-Metric First-Order Method for Linearly Constrained Bilevel Optimization [1.4323566945483492]
  固定された多面体下実現可能性集合を用いた双レベル最適化について検討した。 アクティブセットの変更は、上位の目的を非滑らかにすることができる。 既存の過次法は、典型的には低いヘッセン逆数や等価線型解を必要とする。
  論文  参考訳（メタデータ） (2026-05-12T03:44:08Z)
• Hybrid Iterative Neural Low-Regularity Integrator for Nonlinear Dispersive Equations [0.0]
  HIN-LRIは、古典的な数値解法をニューラルネットワークで拡張し、解法の構造化トランケーション誤差を補正するハイブリッドフレームワークである。 低次元の潜在多様体上で動作する軽量ニューラルネットワークは、分析手法が閉じられない残留欠陥を学習する。 実験により、HIN-LRIは解析的、分割的手法、神経的PDEサロゲートよりも精度を向上し、安定した空間的精細化、効果的なアウト・オブ・ディストリビューション転送、オンラインオーバーヘッドを緩和することが示された。
  論文  参考訳（メタデータ） (2026-05-06T12:50:36Z)
• Early-Terminable Energy-Safe Iterative Coupling for Parallel Simulation of Port-Hamiltonian Systems [1.2091218906871861]
  このレターでは、ポート-ハミルトニアン部分系に対する新しいエネルギー安全で早期に決定可能な反復結合を提案する。 我々は,有限内接予算に対して,連結マクロステップの離散的通過性を証明した拡張記憶不等式を証明した。 内部予算が増加するにつれて、分割された更新はモノリシックな離散時間更新に収束する。
  論文  参考訳（メタデータ） (2026-03-17T11:59:30Z)
• An Accelerated Alternating Partial Bregman Algorithm for ReLU-based Matrix Decomposition [0.0]
  本稿では,非負行列上に補正されたスパース低ランク特性について検討する。 本稿では,クラスタリングと圧縮タスクに有用な構造を取り入れた新しい正規化項を提案する。 我々は、任意の$Lge 1$に対して常に持つ$L$-smoothプロパティを維持しながら、対応する閉形式解を導出する。
  論文  参考訳（メタデータ） (2025-03-04T08:20:34Z)
• Provably Accelerating Ill-Conditioned Low-rank Estimation via Scaled Gradient Descent, Even with Overparameterization [48.65416821017865]
  この章では、スケールドグラデーション(ScaledGD)と呼ばれる新しいアルゴリズムアプローチを紹介します。 低ランク物体の条件数に依存しない定数速度で直線的に収束する。 様々なタスクに対して、勾配降下の低い摂動コストを維持できる。
  論文  参考訳（メタデータ） (2023-10-09T21:16:57Z)
• On optimization of coherent and incoherent controls for two-level quantum systems [77.34726150561087]
  本稿では、閉かつオープンな2レベル量子系の制御問題について考察する。 閉系の力学は、コヒーレント制御を持つシュリンガー方程式によって支配される。 開系の力学はゴリーニ=コサコフスキー=スダルシャン=リンドブラッドのマスター方程式によって支配される。
  論文  参考訳（メタデータ） (2022-05-05T09:08:03Z)
• On the Convergence of Stochastic Extragradient for Bilinear Games with Restarted Iteration Averaging [96.13485146617322]
  本稿では, ステップサイズが一定であるSEG法の解析を行い, 良好な収束をもたらす手法のバリエーションを示す。 平均化で拡張した場合、SEGはナッシュ平衡に確実に収束し、スケジュールされた再起動手順を組み込むことで、その速度が確実に加速されることを証明した。
  論文  参考訳（メタデータ） (2021-06-30T17:51:36Z)
• On the Sample Complexity and Metastability of Heavy-tailed Policy Search in Continuous Control [47.71156648737803]
  強化学習(Reinforcement learning)は、システムダイナミクスモデルなしで、時間をかけてインセンティブを順次明らかにする、インタラクティブな意思決定のためのフレームワークである。 定義された連鎖を特徴付け、テールインデックスのレヴィプロセスに関連するポリシーがより広いピークに収まることを識別する。
  論文  参考訳（メタデータ） (2021-06-15T20:12:44Z)

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。