生成的データ インテリジェンス

スパイキングニューラルネットワークに基づくコヒーレントイジングマシンによる組み合わせ最適化解法

日付:

ボー・ルー1、ガオ・ヨンパン2、カイウェン3、チュアン・ワン1

1北京師範大学人工知能学部、北京100875、中国
2北京郵電大学電子工学部、北京100876、中国
3北京 QBoson Quantum Technology Co., Ltd.、北京 100015、中国

この論文を興味深いと思うか、議論したいですか? SciRateを引用するかコメントを残す.

抽象

スパイキング ニューラル ネットワークは、ニューロモーフィック コンピューティングの一種で、知能のレベルを向上させ、量子コンピューティングに利点をもたらすと考えられています。 この研究では、光スパイク ニューラル ネットワークを設計することでこの問題に対処し、特に組み合わせ最適化問題の計算速度を高速化するためにそれを使用できることを発見しました。 ここで、スパイキング ニューラル ネットワークは、非対称的に結合された縮退光パラメトリック発振器パルスと散逸パルスによって構築されます。 非線形伝達関数は、振幅の不均一性を緩和し、スパイキング ニューロンの動的挙動に従って結果として生じる極小値を不安定にするために選択されます。 スパイキングニューラルネットワークコヒーレントイジングマシンは、組み合わせ最適化問題において優れた性能を発揮することが数値的に示されており、ニューラルコンピューティングや光コンピューティングへの新たな応用が期待されている。

►BibTeXデータ

►参照

【1] ダグラス・B・キッチン、エレーヌ・デコルネス、ジョン・R・ファー、ユルゲン・バジョラス。 「創薬のための仮想スクリーニングにおけるドッキングとスコアリング: 方法とアプリケーション」。 Nature のレビュー、Drug Discovery 3、935–949 (2004)。
https:/ / doi.org/ 10.1038/ nrd1549

【2] アンパロ・ソレル=ドミンゲス、アンヘル・A・フアン、レナタス・キジス。 「メタヒューリスティックの金融応用に関する調査」。 ACM コンピューティング サーベイ (CSUR) 50、1 ~ 23 (2017)。 URL: doi.org/ 10.1145/ 3054133。
https:/ / doi.org/ 10.1145 / 3054133

【3] フランシスコ・バラオナ、マルティン・グレッシェル、ミヒャエル・ユンガー、ゲルハルト・ライネルト。 「統計物理学と回路レイアウト設計への組み合わせ最適化の応用」。 オペレーションズ・リサーチ 36、493–513 (1988)。 arXiv:https://doi.org/10.1287/opre.36.3.493。
https:/ / doi.org/ 10.1287 / opre.36.3.493
arXiv:https://doi.org/10.1287/opre.36.3.493

【4] サンジーブ・アローラとボアズ・バラク。 「計算の複雑さ: 現代的なアプローチ」(2009)。

【5] 門脇正と西森秀俊。 「横イジングモデルにおける量子アニーリング」。 Physical Review E 58、5355 (1998)。 URL: doi.org/ 10.1103/ PhysRevE.58.5355。
https:/ / doi.org/ 10.1103 / PhysRevE.58.5355

【6] アルナブ・ダスとビカス・K・チャクラバルティ。 「コロキウム: 量子アニーリングとアナログ量子計算」。 Modern Physics 80、1061 (2008) のレビュー。 URL: doi.org/ 10.1103/ RevModPhys.80.1061。
https:/ / doi.org/ 10.1103 / RevModPhys.80.1061

【7] Zhe Wang、アリレザ・マランディ、カイ・ウェン、ロバート・L・バイヤー、山本義久。 「縮退光パラメトリック発振器に基づくコヒーレント・イジング・マシン」。 フィジカル レビュー A 88、063853 (2013)。 URL: doi.org/ 10.1103/ PhysRevA.88.063853。
https:/ / doi.org/ 10.1103 / PhysRevA.88.063853

【8] ブライアン・サットン、ケレム・ユヌス・カムサリ、ベフタシュ・ベヒン=アイン、スプリーヨ・ダッタ。 「確率的ナノ磁石を使用した本質的最適化」。 科学レポート 7、1-9 (2017)。 URL: doi.org/ 10.1038/ srep44370。
https:/ / doi.org/ 10.1038 / srep44370

【9] マイケル・サッコーネ、フランチェスコ・カラヴェッリ、ケビン・ホフイス、セルギイ・パルチェンコ、ヨリック・A・ビルケルツァー、スコット・デューイ、アーミン・クライベルト、セバスティアン・ファン・ダイケン、クリスティアーノ・ニソリ、アラン・ファルハン。 「ナノ磁性人工ホップフィールドネットワークにおける動的ガラス転移の直接観察」。 Nature Physics 18、517–521 (2022)。
https:/​/​doi.org/​10.1038/​s41567-022-01538-7

【10] ライアン・ハメリ、稲垣隆宏、ピーター・L・マクマホン、ダビデ・ヴェントゥレッリ、アリレザ・マランディ、小野寺達裕、エドウィン・ン、カーステン・ラングロック、稲葉健介、本庄敏盛 他「コヒーレントイジングマシンと量子アニーラーの性能差の実験的調査」。 科学は進歩する 5、eaau0823 (2019)。
https:/ / doi.org/ 10.1126 / sciadv.aau0823

【11] アリレザ・マランディ、ジェ・ワン、高田健太、ロバート・L・バイヤー、山本義久。 「コヒーレント・イジング・マシンとしての時間多重光パラメトリック発振器のネットワーク」。 Nature Photonics 8、937–942 (2014)。 URL: doi.org/ 10.1038/ nphoton.2014.249。
https:/ / doi.org/ 10.1038 / nphoton.2014.249

【12] 稲垣隆宏、稲葉健介、ライアン・ハメリ、井上京、山本義久、武末弘樹。 「縮退光パラメトリック発振器に基づく大規模イジングスピンネットワーク」。 Nature Photonics 10、415–419 (2016)。
https:/ / doi.org/ 10.1038 / nphoton.2016.68

【13] ピーター・L・マクマホン、アリレザ・マランディ、針原義隆、ライアン・ハメリ、カーステン・ラングロック、玉手周平、稲垣隆宏、武末弘樹、宇都宮祥子、相原和之 ほか「全対全接続を備えた、完全にプログラム可能な 100 スピンのコヒーレント イジング マシン」。 サイエンス 354、614–617 (2016)。
https:/ / doi.org/ 10.1126 / science.aah5178

【14] 稲垣隆宏、針原義隆、五十嵐孝司、園部知宏、玉手周平、本庄敏守、アリレザ・マランディ、ピーター・L・マクマホン、梅木猛、円佛浩司 ほか「2000 ノードの最適化問題に対するコヒーレントなイジング マシン」。 サイエンス 354、603–606 (2016)。 URL: doi.org/ 10.1126/ science.aah4243。
https:/ / doi.org/ 10.1126 / science.aah4243

【15] 本庄敏守、園部​​知宏、稲葉健介、稲垣隆宏、生田拓也、山田康裕、風間拓史、圓佛宏治、梅木猛、笠原良一、ほか。 「100,000万スピンコヒーレントイジングマシン」。 科学は進歩する 7、eabh0952 (2021)。
https:/ / doi.org/ 10.1126/ sciadv.abh0952

【16] ファビアン、ベーム、ガイ、ヴェルシャフェルト、ヴァン、デル、サンデ。 「最適化問題を解決するための光電子フィードバック システムに基づく、貧乏人のコヒーレント イジング マシン。」 Nature Communications 10、3538–3538 (2019)。 URL: doi.org/ 10.1038/ s41467-019-11484-3。
https:/​/​doi.org/​10.1038/​s41467-019-11484-3

【17] Qizhuang Cen、Tengfei Hao、Hao Ding、Shanhong Guan、Zhiqiang Qin、Kun Xu、Yitang Dai、Ming Li。 「マイクロ波フォトニックイジングマシン」(2020)。 arXiv:2011.00064。
arXiv:2011.00064

【18] D ピランゲリ、G マルクッチ、C コンティ。 「空間光変調による大型光子化装置」。 Physical Review Letters 122、213902 (2019)。 URL: doi.org/ 10.1103/ PhysRevLett.122.213902。
https:/ / doi.org/ 10.1103 / PhysRevLett.122.213902

【19] ファン・イーシェン、ファン・ジュンイー、ルアン・ジチャオ。 「空間光子化装置における相転移の実験観察」。 Physical Review Letters 127、043902 (2021)。
https:/ / doi.org/ 10.1103 / PhysRevLett.127.043902

【20] Sun Wenchen、Zhang Wenjia、Yuanyuan Liu、Qingwen Liu、Zuyuan He。 「直交フォトニック空間化マシン」。 Optics Letters 47、1498–1501 (2022)。
https:/ / doi.org/ 10.1364 / OL.446789

【21] 大川内義智、兪孟傑、ジャン・ジェイク、ジー・シンチェン、チャオ・ユン、キム・ボクヨン、ミハル・リプソン、アレクサンダー・L・ガエタ。 「ナノフォトニックスピングラス実現のためのチップベースの結合縮退光パラメトリック発振器の実証」。 Nature communication 11, 1–7 (2020)。
https:/​/​doi.org/​10.1038/​s41467-020-17919-6

【22] ティモシー・ルルー、山本義久、宇都宮祥子、相原和幸。 「駆動散逸システムにおける動的相転移を使用した組み合わせ最適化」。 物理学。 Rev. E 95、022118 (2017)。
https:/ / doi.org/ 10.1103 / physreve.95.022118

【23] ファビアン・ベーム、トーマス・ファン・ファーレンバーグ、ガイ・フェルシャフェルト、ガイ・ファン・デル・サンデ。 「非線形性の選択によって引き起こされる、アナログ イジング マシンの計算パフォーマンスにおける桁違いの違い」。 通信物理学 4、1–11 (2021)。
https:/​/​doi.org/​10.1038/​s42005-021-00655-8

【24] サム・ライフェンシュタイン、加古聡、ファラド・コイラティー、ティモシー・レルー、山本義久。 「光学的誤り訂正回路を備えたコヒーレント・イジング・マシン」。 高度な量子技術 4、2100077 (2021)。
https:/ / doi.org/ 10.1002 / qute.202100077

【25] ティモシー・ルルー、山本義久、ピーター・L・マクマホン、相原一之。 「振幅の不均一性の補正によるアナログスピン系の極小値の不安定化」。 物理学。 レット牧師。 122、040607 (2019)。
https:/ / doi.org/ 10.1103 / PhysRevLett.122.040607

【26] 加古聡、ティモシー・レルー、乾義隆、ファラド・コイラティー、サム・ライフェンシュタイン、山本義久。 「誤り訂正フィードバックを備えたコヒーレントなイジングマシン」。 Advanced Quantum Technologies 3、2000045 (2020)。
https:/ / doi.org/ 10.1002 / qute.202000045

【27] ティモシー・ルルー、ファラド・コイラティー、ティモシー・レヴィ、ライアン・ハメリ、河野隆、相原一之。 「高性能の組み合わせ最適化のためのカオス振幅制御のスケーリング利点」。 通信物理学 4、1–10 (2021)。
https:/​/​doi.org/​10.1038/​s42005-021-00768-0

【28] マルチェロ・カルヴァネーゼ・ストリーナティとクラウディオ・コンティ。 「多次元ハイパースピンマシン」。 Nature Communications 13、7248 (2022)。
https:/​/​doi.org/​10.1038/​s41467-022-34847-9

【29] 稲垣隆宏、稲葉健介、ティモシー・ルルー、本庄敏守、生田拓也、圓佛康二、梅木猛、笠原良一、相原和之、武末弘樹。 「フォトニックスパイキングニューロンの集団的かつ同期的なダイナミクス」。 Nature communication 12, 1–8 (2021)。
https:/​/​doi.org/​10.1038/​s41467-021-22576-4

【30] ボー・ルー、チェン・ルイ・ファン、ルー・リウ、カイ・ウェン、チュアン・ワン。 「スパイクニューラルネットワークによるコヒーレントイジングマシンの高速化」。 Optics Express 31、3676–3684 (2023)。
https:/ / doi.org/ 10.1364 / OE.479903

【31] ヴォルフガング・マース。 「スパイク ニューロンのネットワーク: ニューラル ネットワーク モデルの第 10 世代」。 ニューラル ネットワーク 1659、1671–1997 (XNUMX)。
https:/​/​doi.org/​10.1016/​S0893-6080(97)00011-7

【32] ロマン・ブレット、ミシェル・ルドルフ、テッド・カーネベール、マイケル・ハインズ、デヴィッド・ビーマン、ジェームス・M・バウワー、マーカス・ディーズマン、アビゲイル・モリソン、フィリップ・H・グッドマン、フレデリック・C・ハリス、他。 「スパイキング ニューロンのネットワークのシミュレーション: ツールと戦略のレビュー」。 計算神経科学ジャーナル 23、349–398 (2007)。
https:/​/​doi.org/​10.1007/​s10827-007-0038-6

【33] ユージン・M・イズヒケビッチ。 「スパイキングニューロンの単純なモデル」。 ニューラル ネットワークに関する IEEE トランザクション 14、1569–1572 (2003)。
https:/ / doi.org/ 10.1109 / TNN.2003.820440

【34] ヴォロディミル・ムニ、コライ・カヴククオグル、デヴィッド・シルバー、アンドレイ・A・ルス、ジョエル・ヴェネス、マーク・G・ベルマーレ、アレックス・グレイブス、マーティン・リードミラー、アンドレアス・K・フィジェランド、ゲオルグ・オストロフスキー、他。 「深層強化学習による人間レベルの制御」。 ネイチャー 518、529–533 (2015)。
https:/ / doi.org/ 10.1038 / nature14236

【35] チャン・ユー、ケイ・チェン・タン、ホアジン・タン。 「時間的エンコードと学習を使用したスパイキング ニューラル ネットワークでのパターン認識計算」。 2012 年のニューラル ネットワークに関する国際合同会議 (IJCNN) にて。 1 ~ 7 ページ。 IEEE (2012)。
https:/ / doi.org/ 10.1109/ IJCNN.2012.6252427

【36] ロジャー・ロドリゲスとヘンリー・C・タックウェル。 「単一スパイクニューロンおよびニューラルネットワークの確率的非線形動的モデルの統計的性質」。 Physical Review E 54、5585 (1996)。
https:/ / doi.org/ 10.1103 / physreve.54.5585

【37] オムリ・ハリッシュとデヴィッド・ハンセル。 「スパイク神経回路における非同期レートのカオス」。 PLoS 計算生物学 11、e1004266 (2015)。
https:/ / doi.org/ 10.1371/ journal.pcbi.1004266

【38] ファビアン・ベーム、稲垣隆宏、稲葉健介、本庄敏守、圓佛康二、梅木猛、笠原良一、武末弘樹。 「大規模2次元イジングモデルのシミュレーションによるコヒーレントイジングマシンのダイナミクスの理解」 ネイチャーコミュニケーションズ 9、1–9 (2018)。
https:/​/​doi.org/​10.1038/​s41467-018-07328-1

【39] フーダ・マーとジン・カオ・ハオ。 「max-k-cut 問題に対する複数検索演算子のヒューリスティック」。 オペレーションズリサーチ年報 248、365–403 (2017)。
https:/​/​doi.org/​10.1007/​s10479-016-2234-0

によって引用

[1] Bo Lu、Chen-Rui Fan、Lu Liu、Kai Wen、および Chuan Wang、「スパイク ニューラル ネットワークによるコヒーレント イジング マシンの高速化」、 Optics Express 31 3、3676(2023).

[2] Bo Lu、Lu Liu、Jun-Yang Song、Kai Wen、および Chuan Wang、「量子圧縮に基づくコヒーレント計算の最近の進歩」、 アジア太平洋物理学会会報 33 1、7 (2023).

上記の引用は SAO / NASA ADS (最後に正常に更新された2023-10-24 15:40:17)。 すべての出版社が適切で完全な引用データを提供するわけではないため、リストは不完全な場合があります。

取得できませんでした クロスリファレンス被引用データ 最終試行2023-10-24 15:40:16:10.22331 / q-2023-10-24-1151の被引用データをCrossrefから取得できませんでした。 DOIが最近登録された場合、これは正常です。

スポット画像

最新のインテリジェンス

スポット画像