An Efficient Simulated Oscillator-Based Ising Machine on FPGAs
Notice bibliographique
Résumé
Ising model-based computing has emerged as an efficient approach for solving combinatorial optimization problems. In particular, oscillator-based Ising machines (OIMs) have shown promising performance in such metrics as solution quality, time-to-solution, and energy-to-solution. Existing designs, however, require customized chips and use sparsely connected topologies with limited precision for the spin coupling coefficients. In this paper, a simulated oscillator-based Ising machine (SOIM) is designed with a fully connected topology and high coefficient precision for an efficient implementation on field-programmable gate arrays (FPGAs). To this end, an FPGA-oriented model is first developed to describe the underlying mechanism of an oscillator-based Ising machine based on revised differential equations. To save hardware, periodic functions that are expensive to implement are replaced by piece-wise linear functions. Moreover, Gaussian noise is omitted in the system to further save hardware. An OIM simulation algorithm is then proposed to solve the new differential equations using the Euler integration method. From experiments on solving 800-node max-cut problems, the results reach a level of 99% of the best-known values. SOIMs of different sizes are then developed and synthesized on a Zynq UltraScale+ board. Compared with state-of-the-art FPGA-based Ising machines, the SOIM is expected to utilize fewer hardware resources to efficiently solve complex combinatorial optimization problems by leveraging a high coefficient precision and a fully connected topology.
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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».