自旋态局部性与强迫移动优化的表征
通过加入纠错信号并控制振幅不均匀的模拟自旋状态的速度发散,可以破坏对应于二进制自旋哈密顿的局部极小值的模拟状态的困扰集,进而找到更低的能量状态。提出的模拟自旋系统在查找更低能量态方面的表现与现有启发式算法不相上下。
Oct, 2018
本文研究了约束最小二乘问题(trust region subproblem)和球形自旋玻璃(spherical spin glass)等问题。作者首先确定了对应于磁场线性项的两个大型 N 缩放体积(large-N scaling regimes), 在第一个区域 N_{tot} 与 N 的数量级一致,成本函数(energy)具有通常有两个几乎简并的极小值的 Tracy-Widom 统计,而在第二个区域中,临界点的数量为一致数量,并且单一最小值的可能性是有限的。作者接下来讨论如何使用复制方法获得最小能量的概率密度。
Mar, 2013
本文介绍一种基于局部能量分布的随机模拟退火超参数确定方法,该方法使用中心极限定理估计局部能量分布,并将正态分布应用于超参数确定,从而将复杂度从 O(n ^ 3)降低到 O(1),在最大割问题的 Gset 和 K2000 基准测试中得到了 98% 最优解的均值。
Apr, 2023
本文回顾了最近一些分析性工作的结果,将量子涨落的效应纳入到研究中,探究了量子绝热算法在最小化随机优化问题中的效率与经典算法的差异。
Oct, 2012
高性能计算的效率提升趋于尽头,传统的 CMOS 技术面临物理极限,Miniaturization 无法继续进行;以 Ising 模型为基础的计算系统能够接近热力学极限下的能耗,同时兼具逻辑和存储功能,潜在降低 CMOS 计算中昂贵的数据迁移造成的能源成本;本文的贡献是提出一种结合深度神经网络和随机森林的机器学习方法,用于高效解决 Ising 模型中最小化误差的优化问题,并提供一种将 Boltzmann 概率优化问题转化为监督式机器学习问题的过程。
Jan, 2024
本文提出了一种基于模拟退火的启发式搜索算法,在搜索空间上通过展开马尔可夫链到递归深度树来寻找最优解,利用连续表示的自旋状态和正则化项以及振荡子的动力学来探索选定的树节点周围的搜索空间,并在 NP - 困难问题(MAX-CUT)上验证了该算法与半定规划、模拟退火和相干 Ising 机的比较实验中能够在较少的迭代次数内获得更优解的优越性。
Mar, 2022
本研究提出了基于新型算法的量子退火硬件的布尔约束满足问题映射方法,可以缓解由于有限温度、稀疏连接、小量量子位和控制误差等限制所导致的问题。其中包括一种新的嵌码算法用于将 CSP 映射到硬件 Ising 模型,还提出了两种新的分解算法以用于解决直接映射到硬件不可行的问题,并使用 D-Wave 的硬件对基于电路的故障诊断方法进行了验证和应用。
Mar, 2016
本文研究介绍了关于在局部收敛于树的图上的铁磁伊辛模型,通过证明原始图上的玻尔兹曼分布局部收敛于适当无限随机树上的玻尔兹曼分布并迭代一组平均场(空穴)方程,证明了定理无论在任何正温度和外部场中都能预测自由能的极限,同时局部边际分布可以近似。
Apr, 2008
该论文提出了一种将社群检测问题转化为无限远程自旋玻璃的基态搜索问题的方法,并定义了适应于特定网络类别的社群概念,并给出了优化算法,可以在不检测完整网络中的所有社群的情况下发现给定节点周围的社群,同时提出了模块化的期望值,用于评估社群结构的统计显着性。
Mar, 2006
稀疏伊辛问题的性能得到了极大的提高,通过引入一种启发式算法,在一些常见的基准问题上达到了两到四个数量级更高的速度和准确性,并找到了比以前报告的解决方案更好的解决方案。
Nov, 2023