相干 Ising 机器：好、坏、丑
机器学习
2025-07-22 v1
摘要
采用玻色子计算状态的模拟计算是领先的突破 von Neumann 架构计算速度和能源限制的 approach。但是，制造大规模光子集成电路（PIC）的挑战导致采用混合解决方案，将光学模拟和电子数字组件集成在一起。一个值得注意的例子是相干 Ising 机器（CIM），其主要用于求解二次二进制优化问题。本文我们关注CIM中光脉冲动力学的均场解释，CIM中的每个组件的计算角色以及其性能、优势和局限性。我们推断，CIM本质上是一种连续状态机器，能够集成广泛范围的 SDE，特别是用于求解连续全局（或轻度受约束）优化问题。然而，我们观察到协议中数字-模拟和模拟-数字转换的迭代过程会造成瓶颈，限制了光学在低功耗和高速方面的优势。这一观察凸显了PIC技术方面需要重大进展的必要性，因为我们设想，完全模拟的 opto-electronic 实现此类实验可以为更广泛的应用开辟道路，并在速度和能源消耗方面实现数量级的改进。
引用
@article{arxiv.2507.14487,
title = {Federated Reinforcement Learning in Heterogeneous Environments},
author = {Ukjo Hwang and Songnam Hong},
journal= {arXiv preprint arXiv:2507.14487},
year = {2025}
}