Optimizing Energy-based Neural Network Training with Coherent Ising Machine
本文表明,相干伊辛机在结合平衡传播与 Adam 优化器时,能够有效地训练能量基神经网络,并实现更优的收敛性与可扩展性,为开发高能效的下一代人工智能硬件提供了一条极具前景的途径。
原作者已查阅我们通俗解释的论文。
本页收录的每篇论文,都有至少一位原作者阅读并参与了我们的通俗解释——或是确认其准确无误,或是提出修正意见并由我们随后采纳。作者的确认并不等同于对每一句话的正式背书,但说明该解释已经过论文作者的审视。
565 篇论文已由作者审阅 · 51–60 / 565
本文表明,相干伊辛机在结合平衡传播与 Adam 优化器时,能够有效地训练能量基神经网络,并实现更优的收敛性与可扩展性,为开发高能效的下一代人工智能硬件提供了一条极具前景的途径。
通过先进的张量网络模拟,该研究揭示了铜氧化物超导体中神秘的奇异金属态和伪能隙态是以涨落的电荷簇为特征的——这是相分离的前兆,并最终在较低温度下被条纹序的出现所阻止。
本研究表征了无序 Ho2Zr2O7 的热磁性质和晶体电场能级方案,揭示了虽然结构无序拓宽了高能激发并阻止了直至 150 mK 的长程磁有序,但尽管其基态为非磁性,这种无序同时通过低能态的混合实现了有限温度下的磁性。
本文介绍了自适应多元对齐(Adaptive Pluralistic Alignment, APA),这是一个模块化且高效的流水线,通过学习紧凑的个性化奖励模型并采用社会选择理论投票,使人工智能系统能够追踪不断演变的社会价值观,从而在无需昂贵重训的情况下避免价值锁定。
本文基于随机变换有序(stochastic transform-ordered)的非参数假设而非特定的参数形式,建立了比较增加凹、增加凸及星形随机序下的 -广义次序统计量的充分条件,从而实现了对经典次序统计量、删失数据及记录值的排序。
本文证实了 IRAS 17449+2320 是第一颗磁性 B[e] 星,其特征是具有稳定的 36.11 天自转周期和偶极磁场,同时排除了双星性质,转而支持其强磁场和星周物质源于恒星合并。
本文提出了一种利用贝叶斯概率上下文无关文法和非侵入式探测来表征物理领域,从而生成结构忠实的合成回归数据集的方法,并证明了在该数据上进行调优的模型在超参数选择性能上可与在真实世界数据上进行调优的效果相媲美。
本文引入了一种留置转换对证伪器,证明了通过在具有特定禁止生成元对的短序列上进行训练,投影循环状态模型能够实现超过一百万个标记的长程非阿贝尔状态追踪,而标准架构在相同的严格条件下,由于无法学习显式的非交换状态组合而失败。
本文通过将经高恩因子(Gaunt-factor)修正的量子辐射反作用引入兰道-列维希茨(Landau-Lifshitz)方程,提出了平面电磁波中电子动力学的精确解析解,证明了该系统保持了其经典可积性,并对半经典能量演化给出了确定性描述。