論文の概要: Thermalizing Stochastic Programs

• arxiv url: http://arxiv.org/abs/2608.01615v1
• Date: Mon, 03 Aug 2026 02:44:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.302252
• Title: Thermalizing Stochastic Programs
• Title（参考訳）: 熱処理確率プログラム
• Abstract要約: エネルギー効率のよいサンプリングのために設計された熱力学ハードウェアに汎用プログラムをマッピングするツールを提案する。 コンパイルされたDFGの誤差が要素単位の誤差からどのように蓄積されるかを分析する。 本稿では、金融時系列のパネルの日々の連立動態を学習する市場シミュレータなど、いくつかの実例でこれを実証する。
• 参考スコア（独自算出の注目度）: 0.13543803103181612
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a set of tools for mapping general stochastic programs to thermodynamic hardware designed for energy-efficient stochastic sampling. Given a target stochastic program expressed as a Directed Factor Graph (DFG) of stochastic channels, or equivalently as a Parametrized Stochastic Circuit (PSC), we first introduce a method to approximately compile each factor in the DFG to an Energy-Based Model (EBM) that is native to the hardware. We then analyze how the error of the compiled DFG accumulates from the per-factor errors, and introduce two training refinements, context matching and trajectory-level REINFORCE post-training, which can reduce the residual error left by training each factor in isolation. The \texttt{thermalizers} framework takes a stochastic program expressed in the \texttt{torx} library and replaces its factors with thermodynamic kernels implemented and sampled using the \texttt{thrml} library. We demonstrate it on several example applications, including a market simulator that learns the joint day-to-day dynamics of a panel of financial time series from recorded market history alone, a probabilistic model from mathematical ecology, Gibbs sampling of an EBM the hardware cannot natively express, and a sequential Bayesian design loop over a Gaussian stochastic circuit.
• Abstract（参考訳）: エネルギー効率のよい確率サンプリングのために設計された熱力学ハードウェアに一般確率プログラムをマッピングするためのツールセットを提案する。 確率的チャネルの方向因子グラフ(DFG)として表される対象確率的プログラムをPSC(Parametrized Stochastic Circuit)として、ハードウェア固有のエネルギーベースモデル(EBM)にDFGの各因子を概略コンパイルする手法を最初に導入する。 次に、各要素の誤差からコンパイルされたDFGの誤差がどのように蓄積されるかを解析し、コンテキストマッチングと軌跡レベルのREINFORCEポストトレーニングという2つのトレーニング改善を導入する。 \texttt{thermalizers} フレームワークは \texttt{torx} ライブラリで表現された確率的プログラムを受け取り、その因子を \texttt{thrml} ライブラリを使用して実装およびサンプリングされた熱力学的カーネルに置き換える。 本稿では,市場履歴のみから財務時系列のパネルの連日ダイナミクスを学習する市場シミュレータ,数理生態学からの確率モデル,ハードウェアがネイティブに表現できないEDMのギブズサンプリング,ガウス確率回路上の連続ベイズ設計ループなど,いくつかの例を示す。

関連論文リスト

• Mitigating Bias in Locally Constrained Decoding via Tractable Proposals [73.78736135699953]
  既存の局所的制約付き復号法は、ミオプティックに次のトークンを隠蔽することで制約を強制する。 最近の研究では、シーケンシャルなモンテカルロ法を用いてバイアスを緩和しているが、効果的な提案分布や潜在的な関数を設計することは重要な課題である。 我々は、$p_mathrmlm( cdot mid mathrmconstraint)$からSMCサンプリングのための提案とポテンシャルを構築するための一般的なアプローチを提案する。
  論文  参考訳（メタデータ） (2026-06-01T08:58:18Z)
• Stochastic Loop Corrections to Belief Propagation for Tensor Network Contraction [0.0]
  信念の伝播は効率的な近似解を提供するが、ループを持つグラフの体系的な誤りを導入する。 そこで本研究では,BPの磁化ループ補正によって正確な結果を得るハイブリッド手法を提案する。 提案手法は,任意のパラメータ状態において,制御可能な統計的誤差を伴う偏りのない推定値を提供する。
  論文  参考訳（メタデータ） (2026-03-09T14:22:43Z)
• An Adaptive Random Fourier Features approach Applied to Learning Stochastic Differential Equations [0.8947831206263182]
  本研究では,伊東拡散過程と, citerichDiet20 および referenceridi 2021stochasticdynamicalsystems で導入された Euler-Maruyama 積分から導かれる可能性に基づく損失関数について考察した。 いずれの場合も、ARFFベースのアプローチは、損失最小化と収束速度の両方において、従来のAdamベースの最適化の性能と一致または上回る。
  論文  参考訳（メタデータ） (2025-07-21T09:52:33Z)
• Inference-Time Scaling of Diffusion Language Models with Particle Gibbs Sampling [70.8832906871441]
  我々は、モデルを再訓練することなく、所望の報酬に向けて世代を操る方法を研究する。 従来の手法では、通常は1つの認知軌道内でサンプリングやフィルタを行い、軌道レベルの改善なしに報酬をステップバイステップで最適化する。 本稿では,拡散言語モデル(PG-DLM)の粒子ギブスサンプリングについて紹介する。
  論文  参考訳（メタデータ） (2025-07-11T08:00:47Z)
• Feynman-Kac Correctors in Diffusion: Annealing, Guidance, and Product of Experts [64.34482582690927]
  事前学習したスコアベースモデルから得られた熱処理, 幾何平均, 製品分布の配列から, 効率的かつ原理的に抽出する方法を提供する。 本稿では,サンプリング品質を向上させるために,推論時間スケーリングを利用する逐次モンテカルロ(SMC)再サンプリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-03-04T17:46:51Z)
• HJ-sampler: A Bayesian sampler for inverse problems of a stochastic process by leveraging Hamilton-Jacobi PDEs and score-based generative models [1.949927790632678]
  本稿では,ブラウン運動文脈におけるコールホップ変換(Cole-Hopf transform)と呼ばれるログ変換に基づく。 本稿では,HJ-sampler という新しいアルゴリズムを開発し,与えられた終端観測による微分方程式の逆問題に対する推論を行う。
  論文  参考訳（メタデータ） (2024-09-15T05:30:54Z)
• On the Trajectory Regularity of ODE-based Diffusion Sampling [79.17334230868693]
  拡散に基づく生成モデルは微分方程式を用いて、複素データ分布と抽出可能な事前分布の間の滑らかな接続を確立する。 本稿では,拡散モデルのODEに基づくサンプリングプロセスにおいて,いくつかの興味深い軌道特性を同定する。
  論文  参考訳（メタデータ） (2024-05-18T15:59:41Z)
• 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)
• Score-based Continuous-time Discrete Diffusion Models [102.65769839899315]
  連続時間マルコフ連鎖を介して逆過程が認知されるマルコフジャンププロセスを導入することにより、拡散モデルを離散変数に拡張する。 条件境界分布の単純なマッチングにより、偏りのない推定器が得られることを示す。 提案手法の有効性を,合成および実世界の音楽と画像のベンチマークで示す。
  論文  参考訳（メタデータ） (2022-11-30T05:33:29Z)
• Gaussian Process-based Min-norm Stabilizing Controller for Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
  本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。 この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
  論文  参考訳（メタデータ） (2020-11-14T01:27:32Z)

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。