基于空间光子伊辛机的低秩组合优化与统计学习
无序系统与神经网络
2023-08-09 v2 新兴技术
应用物理
光学
机器学习
摘要
空间光子伊辛机（SPIM）[D. Pierangeli 等, Phys. Rev. Lett. 122, 213902 (2019)] 是一种利用空间光调制高效求解大规模组合优化问题的有前景的光学架构。然而，SPIM 的初始版本仅能容纳具有秩一相互作用矩阵的伊辛问题。在本快报中，我们提出一种 SPIM 的新计算模型，可在不改变其光学实现的情况下容纳任意伊辛问题。所提模型对具有低秩相互作用矩阵的伊辛问题（如背包问题）尤其高效。此外，它获得了玻尔兹曼机的学习能力。我们证明，利用该低秩相互作用模型可高效实现 MNIST 手写数字图像的的学习、分类与采样。因此，所提模型对各类组合优化与统计学习问题展现出更高的实际适用性，且不丧失 SPIM 架构固有的可扩展性。
引用
@article{arxiv.2303.14993,
title = {Low-rank combinatorial optimization and statistical learning by spatial photonic Ising machine},
author = {Hiroshi Yamashita and Ken-ichi Okubo and Suguru Shimomura and Yusuke Ogura and Jun Tanida and Hideyuki Suzuki},
journal= {arXiv preprint arXiv:2303.14993},
year = {2023}
}
备注
6 pages, 5 figures (with a 4-page supplemental); accepted version