論文の概要: CN101 - A Digital Thermodynamic Computer for Generative AI

• arxiv url: http://arxiv.org/abs/2608.00754v1
• Date: Sat, 01 Aug 2026 16:37:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:24.887762
• Title: CN101 - A Digital Thermodynamic Computer for Generative AI
• Title（参考訳）: CN101 - 生成AIのためのデジタル熱力学コンピュータ
• Abstract要約: 平衡式定式化の基板独立な形式化を提案する。 我々は,デジタル熱力学計算チップのプロトタイプを作成することにより,形式化をインスタンス化する。 平衡スタイルの定式化は基板非依存であり、その計算特性は標準のデジタルハードウェアで活用可能であることを示す。
• 参考スコア（独自算出の注目度）: 1.8492891993683023
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Thermodynamic computing is an emerging hardware paradigm, in which stochastic physical dynamics serve as the direct computational primitive. The recent explosion of generative AI has only sharpened the search for alternative approaches to compute, and, as we show in this work, thermodynamic computing turns out to be well suited to this space. An important class of methods realises a function as the stationary expectation of an ergodic stochastic process: the answer is encoded in the time-averaged statistics of an equilibrating trajectory. To date, this equilibration-style class has been formulated exclusively through Langevin dynamics, restricting its implementations to analogue substrates and the engineering challenges those bring. In this work, we propose a substrate-independent formalisation of the equilibration-style formulation, in which the only object of design is the dynamical generator L* of an arbitrary ergodic process. The formalisation makes three hardware-level properties of the formulation explicit: the precision of a result is a knob set by how long the dynamics are run, sample averages decompose across independent trajectories, and dependent stages of a computation operate concurrently rather than serially, a property we call sequential parallelism. We instantiate the formalisation by fabricating a prototype digital thermodynamic computing chip, named CN101, that implements the formulation through discrete accumulator dynamics on standard CMOS using stochastic computing principles. We characterise CN101's success across conventional generative AI workloads in the form of VAEs and flow matching, applied to both image generation and scientific problems. Together, the formalisation and its digital instantiation show that the equilibration-style formulation is substrate-independent, and that its computational properties can be exploited on standard digital hardware.
• Abstract（参考訳）: 熱力学コンピューティングは、確率力学が直接計算プリミティブとして機能する新しいハードウェアパラダイムである。 最近の生成AIの爆発は、計算のための代替アプローチの探索を激化させ、我々がこの研究で示したように、熱力学コンピューティングはこの分野に適していることが判明した。 重要な手法のクラスでは、エルゴード確率過程の定常期待として関数が実現され、その解は平衡軌道の時間平均統計に符号化される。 これまでのところ、この平衡スタイルのクラスはランゲヴィン力学によってのみ定式化され、その実装はアナログ基板に制限され、それらがもたらす工学的課題も制限されている。 本研究では,任意のエルゴード過程の動的生成子L*のみを設計対象とする平衡式定式化の基板独立な形式化を提案する。 定式化は、3つのハードウェアレベルの性質を明示する: 結果の精度は、動的がどれだけの時間で実行されるかというノブセット、サンプル平均は独立した軌跡で分解され、計算の依存段階は連続的にではなく、逐次並列性と呼ばれる性質である。 我々はCN101というデジタル熱力学計算チップを試作し,標準CMOS上での離散アキュムレータダイナミクスによる定式化を確率計算の原理を用いて実現した。 我々は、画像生成と科学的問題の両方に適用可能な、VAEとフローマッチングという形式で、従来の生成AIワークロード間でのCN101の成功を特徴づける。 定式化とそのデジタルインスタンス化は、平衡スタイルの定式化が基板に依存しないことを示し、その計算特性は標準のデジタルハードウェアで活用できることを示している。

関連論文リスト

• Virtual Temperature Sensors in Power Transformers Using Neural Ordinary Differential Equations [42.50242605797505]
  本稿では,変圧器の熱挙動を予測するための物理対応ニューラル正規微分方程式フレームワークを開発する。 重要な貢献は、単純化された熱伝達方程式をニューラルODEの定式化に直接統合することである。 このフレームワークは、異種変圧器ユニットに対して標準化され、物理学的、堅牢な予測手法を提供する。
  論文  参考訳（メタデータ） (2026-08-13T13:59:32Z)
• Differentiable Thermodynamic Phase-Equilibria for Machine Learning [39.691553958657764]
  DISCOMAXは相平衡計算のための微分可能なアルゴリズムであり、トレーニングと推論の両方で熱力学的整合性を保証する。 本研究では,二成分液平衡データに対するアプローチを評価し,既存のサロゲート法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2026-03-11T19:14:04Z)
• Unlocking Out-of-Distribution Generalization in Dynamics through Physics-Guided Augmentation [46.40087254928057]
  物理誘導量拡張プラグインのSPARKについて述べる。 多様なベンチマーク実験により、SPARKは最先端のベースラインを大幅に上回っていることが示された。
  論文  参考訳（メタデータ） (2025-10-28T09:30:35Z)
• Training thermodynamic computers by gradient descent [0.0]
  所望の計算を行うために,熱力学コンピュータのパラメータを降下によって調整する方法を示す。 我々は、デジタルおよび熱力学的実装のエネルギーコストの比率である熱力学的優位性を7桁を超えると見積もる。
  論文  参考訳（メタデータ） (2025-09-18T18:12:55Z)
• A Solvable Molecular Switch Model for Stable Temporal Information Processing [0.0]
  リニア・イン・ザ・ステートと非線形・イン・イン・イン・イン・イン・インプットのモデルは正確に解決可能であり、収束とフェードメモリの数学的性質も持っている。 その結果、動的分子スイッチを深いカスケード/層状フィードフォワードおよびリカレントアーキテクチャの計算単位として使用するための理論的支援が得られた。 また、脳にインスパイアされた振る舞いを模倣し、入力信号に対して安定した計算を実行できる任意の物理デバイスをエミュレートできる、より一般的な正確な解決可能なモデルをインスパイアすることもできる。
  論文  参考訳（メタデータ） (2025-08-21T11:13:56Z)
• No Equations Needed: Learning System Dynamics Without Relying on Closed-Form ODEs [56.78271181959529]
  本稿では,従来の2段階モデリングプロセスから離れることで,低次元力学系をモデル化する概念シフトを提案する。 最初に閉形式方程式を発見して解析する代わりに、我々のアプローチ、直接意味モデリングは力学系の意味表現を予測する。 私たちのアプローチは、モデリングパイプラインを単純化するだけでなく、結果のモデルの透明性と柔軟性も向上します。
  論文  参考訳（メタデータ） (2025-01-30T18:36:48Z)
• Reservoir Computing Generalized [0.0]
  物理ニューラルネットワーク(PNN)は、高速計算やエネルギー効率などの機械学習タスクや物理特性を解く強力な可能性を持っている。 貯留層計算(Reservoir Computing, RC)は, 動的システムを用いた情報処理システムを実現するための優れたフレームワークである。 本稿では,この要求を頭に向けることで,貯水池計算(GRC)と呼ばれる新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-23T05:02:47Z)
• Stochastic parameter reduced-order model based on hybrid machine learning approaches [4.378407481656902]
  本稿では,畳み込み型オートエンコーダ-貯水池コンピューティング-Normalizing Flowアルゴリズムの枠組みを構築した。 このフレームワークは潜在状態変数の進化を特徴づけるために使われる。 このようにして、複雑なシステムとその動的挙動を記述するために、データ駆動の減階モデルを構築する。
  論文  参考訳（メタデータ） (2024-03-24T06:52:37Z)
• Correct-by-Construction Control for Stochastic and Uncertain Dynamical Models via Formal Abstractions [44.99833362998488]
  我々は、様々なモデリングの前提の下でこの問題を解決するために使用できる抽象フレームワークを開発する。 我々は、与えられた仕様を満たすための保証とともに、iMDPの最適ポリシーを計算するために最先端の検証技術を使用します。 そして、このポリシーを構築によって、これらの保証が動的モデルに受け継がれるフィードバックコントローラに改良できることを示します。
  論文  参考訳（メタデータ） (2023-11-16T11:03:54Z)
• Discovering Interpretable Physical Models using Symbolic Regression and Discrete Exterior Calculus [55.2480439325792]
  本稿では,記号回帰(SR)と離散指数計算(DEC)を組み合わせて物理モデルの自動発見を行うフレームワークを提案する。 DECは、SRの物理問題への最先端の応用を越えている、場の理論の離散的な類似に対して、ビルディングブロックを提供する。 実験データから連続体物理の3つのモデルを再発見し,本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2023-10-10T13:23:05Z)
• Formal Controller Synthesis for Markov Jump Linear Systems with Uncertain Dynamics [64.72260320446158]
  マルコフジャンプ線形系に対する制御器の合成法を提案する。 本手法は,MJLSの離散(モードジャンピング)と連続(確率線形)の両方の挙動を捉える有限状態抽象化に基づいている。 本手法を複数の現実的なベンチマーク問題,特に温度制御と航空機の配送問題に適用する。
  論文  参考訳（メタデータ） (2022-12-01T17:36:30Z)
• Stochastically forced ensemble dynamic mode decomposition for forecasting and analysis of near-periodic systems [65.44033635330604]
  本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。 固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。 電力グリッドからの負荷データを用いたテストケースの結果が提示される。
  論文  参考訳（メタデータ） (2020-10-08T20:25:52Z)

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。