噪声注入的模拟Ising机实现超快统计采样与机器学习
应用物理
2022-10-05 v2 新兴技术
机器学习
数据分析、统计与概率
摘要
Ising机是一种用于神经网络训练和组合优化的有前景的非冯·诺依曼计算概念。然而，尽管各种神经网络可用Ising机实现，但其无法进行快速统计采样，使得它们在训练神经网络时相比数字计算机效率低下。在此，我们引入一种通用概念，通过注入噪声用模拟Ising机实现超快统计采样。利用一个光电子Ising机，我们通过实验证明这可用于精确采样Boltzmann分布以及无监督训练神经网络，其精度与基于软件的训练相当。通过模拟，我们发现Ising机进行统计采样比基于软件的方法快数个数量级。这使得Ising机超越组合优化的应用，成为机器学习及其他应用的高效工具。
引用
@article{arxiv.2112.11534,
title = {Noise-injected analog Ising machines enable ultrafast statistical sampling and machine learning},
author = {Fabian Böhm and Diego Alonso-Urquijo and Guy Verschaffelt and Guy Van der Sande},
journal= {arXiv preprint arXiv:2112.11534},
year = {2022}
}