論文の概要: CircuitTree: Composing Circuits into A Syllable Transcriber
- arxiv url: http://arxiv.org/abs/2610.12520v1
- Date: Wed, 07 Oct 2026 21:29:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.213929
- Title: CircuitTree: Composing Circuits into A Syllable Transcriber
- Title（参考訳）: CircuitTree:回路をSyllable Transcriberに組み立てる
- Abstract要約: 回路を回路の階層化パイプラインに連結し、音節を64.8%精度で開き、66.0%の天井の1.2ポイント以内に回路を全く共有せず、99.5%の回路部品が共有されている。
- 参考スコア（独自算出の注目度）: 14.612870361744585
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The goal of circuit discovery is to decompose a monolithic neural network into tiny modular subnetworks which are interpretable in the sense that each does an identifiable subtask. We develop a practical method for composing arbitrarily many circuits into a single model. We propose a greedy, density-scaled composition algorithm that overcomes limitations of previous attempts to compose circuits by naive union, then generalize it to $N$ circuits via CircuitTree, a new data structure built on a $Θ(N\log N)$ tree-compose schedule. We compose circuits pruned from HuBERT for classifying individual phonemes into a syllable classifier, a capability none of the 39 phoneme circuits has individually. Chaining CircuitTrees into a hierarchy-of-circuits pipeline, we transcribe open syllables at 64.8\% accuracy, within 1.2 points of a 66.0\% ceiling that shares no circuitry at all, with 99.5\% of circuit components shared.
- Abstract（参考訳）: 回路発見の目標は、モノリシックニューラルネットワークを小さなモジュールサブネットワークに分解することであり、それぞれが識別可能なサブタスクを行うという意味で解釈可能である。
任意に多数の回路を1つのモデルに構成する実用的手法を開発した。
そこで我々は,従来の回路構成手法の限界を克服し,それをCircuitTree経由で$N$回路に一般化する,グリージーで高密度な合成アルゴリズムを提案する。
個々の音素を音節分類器に分類するために, HuBERT から抽出した回路を構成する。
CircuitTrees を回路の階層化パイプラインに置き換えると、オープン音節を 64.8 % の精度で書き起こし、66.0 % の天井の1.2 点で回路を全く共有せず、99.5 % の回路成分が共有される。
関連論文リスト
- Proper Learning of Shallow All-to-All Quantum Circuits [0.1375062426766416]
本研究は、浅い量子回路を学習する際の問題点について考察する。
回路へのアクセスとゲートレイアウトの知識を考慮し,回路で使用する特定のゲートを学習する作業を検討する。
回路の前と後ろの反復的な局所ゲート反転に基づいて、幅広い回路のクラスを学習するためのメタアルゴリズムの枠組みを同定する。
論文 参考訳（メタデータ） (2026-08-20T15:19:51Z) - Chain-of-Thought Shows the Path to a Tree: Realizing Branching Complexity [22.2188018390594]
思考の連鎖(CoT)は、有界深度変換器の表現的天井を持ち上げる。
深度優先探索(DFS)とDijkstraアルゴリズムのCoT実現について述べる。
経路表現の両測度について独立的に構成する。
論文 参考訳（メタデータ） (2026-08-12T06:57:08Z) - CSP-Atlas: Concept-Specific Neural Circuits in a Sparse Python Transformer [0.0]
スパース8層コード変換器は、テストされたすべてのPython構成のための専用ニューラルネットワークを開発する。
63,800個の制御されたプロンプトから106個の概念のニューラルネットワークを抽出する。
論文 参考訳（メタデータ） (2026-05-23T14:40:07Z) - Certified Circuits: Stability Guarantees for Mechanistic Circuits [80.30622018787835]
Certified Circuitsは、回路発見のための証明可能な安定性を保証する。
ImageNetとOODデータセットでは、認定回路は91%高い精度を達成する。
論文 参考訳（メタデータ） (2026-02-26T13:07:31Z) - Learnable quantum spectral filters for hybrid graph neural networks [0.0]
グラフのラプラシアン作用素の固有空間はQFT回路を用いて近似できることを示す。
Ntimes N$ Laplacian の場合、このアプローチは、$n=log(Nimat)$ qubitsしか必要としない近似深度回路が得られる。
次に、回路の出力に古典的ニューラルネットワーク予測ヘッドを適用し、完全なグラフニューラルネットワークを構築する。
論文 参考訳（メタデータ） (2025-07-08T03:36:40Z) - Position-aware Automatic Circuit Discovery [59.64762573617173]
我々は既存の回路探索手法のギャップを同定し、モデル成分を入力位置間で等しく関連するものとして扱う。
可変長例を含むタスクであっても,回路に位置性を組み込むための2つの改良を提案する。
提案手法により, 位置感応回路の完全自動検出が可能となり, 従来よりも回路サイズと忠実度とのトレードオフが良好になる。
論文 参考訳（メタデータ） (2025-02-07T00:18:20Z) - Minimum Synthesis Cost of CNOT Circuits [0.0]
我々は合成においてCNOTゲートを分類する新しい方法を用いて、$O(nomega)$時間で計算可能な厳密な下界を求める。
フレームワークを適用すると、$n$サイクル回路の3(n-1)$ゲート合成が最適であることが証明され、それらの構造についての洞察が得られる。
論文 参考訳（メタデータ） (2024-08-15T03:09:53Z) - CktGNN: Circuit Graph Neural Network for Electronic Design Automation [67.29634073660239]
本稿では,回路トポロジ生成とデバイスサイズを同時に行う回路グラフニューラルネットワーク(CktGNN)を提案する。
オープンサーキットベンチマーク(OCB: Open Circuit Benchmark)は、オープンソースのデータセットで、10ドル(約10万円)の異なるオペレーショナルアンプを含む。
我々の研究は、アナログ回路のための学習ベースのオープンソース設計自動化への道を開いた。
論文 参考訳（メタデータ） (2023-08-31T02:20:25Z) - Efficient Quantum Circuit Design with a Standard Cell Approach, with an Application to Neutral Atom Quantum Computers [45.66259474547513]
従来の回路設計から借用した標準セルアプローチを用いて量子回路を設計する。
本稿では,自動ルーティング方式と比較してレイアウト対応ルータが大幅に高速で,より浅い3D回路を実現することを示す。
論文 参考訳（メタデータ） (2022-06-10T10:54:46Z)
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。