Nebula: Network Enhanced Boltzmann Machine With Universal Local Search Architecture
Notice bibliographique
Résumé
We propose <italic xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">Nebula</i> , a computational method for combinatorial optimization and stochastic sampling. The proposed method is designed for a generic local search engine utilized for digital annealing in an optimization system for multidimensional binary variables, and it can handle a variety of cost functions of multidimensional binary variables with multi-body interactions in a unified manner. In addition to optimization, the method can be used to perform sampling to reproduce the Boltzmann distribution. To achieve this, we extend the network of conventional Boltzmann machines or Ising machines to include dependent variables mediating various interactions. The extended network enables fast operation by predicting the total energy change due to state transitions in all one-flip neighborhoods. The energy function, which is limited to the quadratic form in conventional Ising machines, is extended here to represent inequality constraints and higher-order products. The ability to handle higher-order spin products enables the implementation of arbitrary energy functions with k-body interactions based on the Walsh transform. We conducted numerical experiments to demonstrate the concept of our proposed method and show that it can solve problems with inequality constraints and higher order terms, which are difficult to solve with conventional Ising machines. The numerical experiments also show that our method can exploit the expansion of the energy landscape by the Walsh function and reproduce the Boltzmann distribution by sampling.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».