論文の概要: Adaptive Rotation for iSOMA: Geometry, Benchmarking, and Noise Robustness in Variational Quantum Objectives
- arxiv url: http://arxiv.org/abs/2609.37193v1
- Date: Tue, 29 Sep 2026 10:13:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:47.411725
- Title: Adaptive Rotation for iSOMA: Geometry, Benchmarking, and Noise Robustness in Variational Quantum Objectives
- Title（参考訳）: iSOMAの適応回転:変分量子オブジェクトの幾何, ベンチマーク, ノイズロバスト性
- Abstract要約: そこで,iSOMA-ARを導入し,移動運動の成功から基礎を学習し,標準摂動マスクを選択的に適用する。
完全にノイズのないBBOBスイートでは、iSOMA-ARはマッチした条件でベースラインのiSOMAを著しく上回った。
全体として、適応回転は座標に敏感な決定論的問題に最も有用である。
- 参考スコア（独自算出の注目度）: 0.06875312133832077
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We study whether the coordinate dependence of the improved Self-Organizing Migrating Algorithm (iSOMA) can be reduced while retaining its inexpensive leader-directed migration mechanism. We introduce iSOMA-AR, which learns a basis from successful migration displacements and selectively applies the standard perturbation mask in that basis. On the complete noiseless BBOB suite, iSOMA- AR significantly outperformed baseline iSOMA across matched conditions, with the largest gains on geometrically difficult landscapes. A targeted ablation shows that the learned orientation is beneficial on a rotated ill-conditioned landscape and that moderate changes of the gate threshold and rotation cap preserve the qualitative result. On CEC 2011 Real World Optimization Problems, iSOMA-AR outperformed iL-SHADE on most problems, although its advantage over baseline iSOMA was not statistically significant. A canonical-jSO rerun is reported as a post-hoc sensitivity check alongside the original jSO-derived comparator. On frustrated-spin variational quantum objectives, adaptive rotation improved most transverse-field conditions, while gains on the diagonal and anisotropic models were absent or selective. Under strong effective sampling noise, the SOMA variants were the most robust population-based methods in the comparison, but iSOMA-AR was not significantly better than baseline iSOMA. Repairing all-zero PRT masks greatly reduced repeated-point evaluations without changing endpoint quality significantly, making this implementation detail unlikely to explain the noise result. Overall, adaptive rotation is most useful on coordinate-sensitive deterministic problems, while the observed noise robustness appears to arise mainly from the underlying SOMA migration mechanism.
- Abstract（参考訳）: 安価なリーダ指向マイグレーション機構を維持しつつ,改良された自己組織化緩和アルゴリズム(iSOMA)の座標依存性を低減できるかを検討する。
そこで,iSOMA-ARを導入し,移動運動の成功からベースを学習し,標準摂動マスクを選択的に適用する。
完全にノイズのないBBOBスイートでは、iSOMA-ARは一致した条件でベースラインのiSOMAを著しく上回り、幾何学的に困難な風景で最大の利益を得た。
ターゲットアブレーションは, 学習方向が不条件の回転ランドスケープに有益であること, ゲート閾値と回転キャップの適度な変化が定性的な結果を保存することを示している。
CEC 2011 Real World Optimization Problems では、iSOMA-AR は iL-SHADE よりも高い性能を示したが、ベースラインの iSOMA に対する優位性は統計的に有意ではなかった。
標準jSO再実行は、元のjSO由来コンパレータと共に、保温後感度チェックとして報告される。
フラストレーション・スピン変動量子目的において、適応回転はほとんどの横磁場条件を改善し、対角および異方性モデルの利得は欠如または選択的であった。
強い有効サンプリングノイズの下では、SOMA変異体は最も頑健な集団ベース法であったが、iSOMA-ARはベースラインのiSOMAよりも有意に優れていなかった。
オールゼロのPRTマスクの修復は終端品質を大きく変えることなく繰り返し点評価を大幅に削減した。
全体としては、適応回転は座標に敏感な決定論的な問題に最も有用であるが、観測されたノイズの頑健性は、主に基礎となるSOMAマイグレーション機構から生じているようである。
関連論文リスト
- GEM: Geometric Entropy Mixing for Optimal LLM Data Curation [5.2826294472260935]
GEM(Geometric Entropy Mixing, 幾何エントロピー混合)は, 変分問題としてデータキュレーションを再構成するフレームワークである。
生成的変動問題を予め混合バランスで分離することにより、GEMはクラスタ崩壊を効果的に防止する。
論文 参考訳（メタデータ） (2026-04-27T06:42:28Z) - Learning to Solve the Quadratic Assignment Problem with Warm-Started MCMC Finetuning [6.4295448922921326]
二次代入問題(QAP)は、伝統的なタイスと現代の学習に基づく解法の両方に重大な課題をもたらす基本的なNPハードタスクである。
この性能ギャップを埋めるため,革新的な置換学習フレームワークPLMAを提案する。
PLMAは、様々なベンチマークにおいて、最先端のベースラインを一貫して上回ることを示す。
論文 参考訳（メタデータ） (2026-04-22T02:13:23Z) - Robust Unscented Kalman Filtering via Recurrent Meta-Adaptation of Sigma-Point Weights [0.0]
メタ適応UKF(英: Meta-Adaptive UKF、MA-UKF)は、超パラメータ最適化問題としてシグマ点重みを再構成するフレームワークである。
即時補正に依存する標準適応フィルタとは異なり、我々の手法は測定イノベーションの歴史をコンパクトな潜伏埋め込みに圧縮するためにリカレントコンテキストを用いる。
機動目標に関する数値ベンチマークは、MA-UKFが標準ベースラインを大幅に上回っていることを示している。
論文 参考訳（メタデータ） (2026-03-04T18:27:59Z) - BEE-RAG: Balanced Entropy Engineering for Retrieval-Augmented Generation [64.04387001968414]
本稿では,RAGシステムの適応性を改善するために,バランスの取れたエントロピーエンジニアリングRAG(BEE-RAG)フレームワークを提案する。
BEE-RAGは、注意感度をコンテキスト長から分離し、安定したエントロピーレベルを確保する。
これに基づいて,マルチインパタンス推定のためのゼロショット推論戦略とパラメータ効率適応微調整機構を導入する。
論文 参考訳（メタデータ） (2025-08-07T07:37:25Z) - NDCG-Consistent Softmax Approximation with Accelerated Convergence [67.10365329542365]
本稿では,ランキングの指標と直接一致した新たな損失定式化を提案する。
提案したRG損失を高効率な Alternating Least Squares (ALS) 最適化手法と統合する。
実世界のデータセットに対する実証的な評価は、我々のアプローチが同等または上位のパフォーマンスを達成することを示す。
論文 参考訳（メタデータ） (2025-06-11T06:59:17Z) - Adaptive Swarm Mesh Refinement using Deep Reinforcement Learning with Local Rewards [12.455977048107671]
Adaptive Mesh Refinement (AMR) は有限要素法(FEM)を改良する
我々は、AMRを複数の新しいエージェントに反復的に分割する、協調的、均質なエージェントのシステムとして定式化する。
我々のアプローチであるAdaptive Swarm Mesh Refinement (ASMR)は、効率的な安定した最適化を提供し、推論中にユーザ定義の解像度で高度に適応的なメッシュを生成する。
論文 参考訳（メタデータ） (2024-06-12T17:26:54Z) - Calibrating Undisciplined Over-Smoothing in Transformer for Weakly Supervised Semantic Segmentation [51.14107156747967]
弱教師付きセマンティックセマンティックセマンティクス(WSSS)は、完全な教師付きアプローチよりもアノテーションが少ないため、かなりの注目を集めている。
本研究では,非学際的な過密化に対する深い注意を抑えるための適応的再活性化機構 (AReAM) を提案する。
AReAMは既存のWSSS手法と比較してセグメンテーション性能を大幅に改善し、ノイズを低減し、関連するセマンティック領域に焦点を絞る。
論文 参考訳（メタデータ） (2023-05-04T19:11:33Z) - Active RIS-aided EH-NOMA Networks: A Deep Reinforcement Learning
Approach [66.53364438507208]
アクティブな再構成可能なインテリジェントサーフェス(RIS)支援マルチユーザダウンリンク通信システムについて検討した。
非直交多重アクセス(NOMA)はスペクトル効率を向上させるために使用され、活性RISはエネルギー回収(EH)によって駆動される。
ユーザの動的通信状態を予測するために,高度なLSTMベースのアルゴリズムを開発した。
増幅行列と位相シフト行列RISを結合制御するためにDDPGに基づくアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-04-11T13:16:28Z) - 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)
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。