Ising
PulseAugur coverage of Ising — every cluster mentioning Ising across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
物理驱动的Ising求解器加速计算成像重建
研究人员开发了一种新颖的、由物理驱动的计算压缩成像框架，将重建问题重新表述为Ising模型。该方法利用基于模拟退火的Ising求解器直接从欠采样测量中恢复图像，有可能降低当前方法相关的巨大计算需求。该技术在单像素和无透镜扩散相机设置中已证明具有与主流算法相当或更优的重建质量，为实现实时、低功耗成像提供了途径。
-
Ising 与 QUBO 编码对玻尔兹曼机学习收敛性的影响
一篇新的研究论文评估了 Ising 和 QUBO 变量编码在玻尔兹曼机学习中的性能。研究发现，QUBO 编码可能导致 Fisher 信息矩阵的病态，从而导致随机梯度下降的收敛速度变慢。然而，使用自然梯度下降或适当的预处理技术可以缓解这些问题，从而在两种编码类型之间实现相似的收敛速度。这些发现为选择玻尔兹曼机的变量编码和预处理方法提供了实用的指导。
-
新的自旋消除技术增强了伊辛优化
研究人员开发了一种称为精确自旋消除的新方法，以改进伊辛模型的优化。该技术通过用更复杂的相互作用替换高阶相互作用，从而在给定的自旋预算内解决更大的问题。该方法在稀疏二次自旋玻璃和三体问题等各种伊辛问题上都显示出成功率的显著提高和求解时间的减少。理论分析还表明，这种方法可以在保持特定相互作用特性的同时容纳更大的输入。
-
新研究通过隐藏神经元探索联想记忆的相 · 跟踪到2个来源
研究人员分析了一类称为H类的联想记忆，该类联想记忆利用了具有隐藏神经元的二分结构。这种结构允许在多项式和指数负载机制下研究检索动力学和存储容量。分析揭示了不同的相，包括顺磁相、凝聚相和冻结相，并强调了隐藏神经元如何充当检索的序参量。该研究还区分了多项式负载和指数负载之间的串扰统计数据，表明可见和隐藏拉格朗日量分别在固定稳定性和存储规模方面起着双重作用。
-
量子解码器性能在Willow处理器上得到研究
一项新近发表在arXiv上的研究，通过比较合成噪声模型与Willow处理器上的真实硬件数据，研究了量子纠错解码器的性能。研究发现，当噪声模型为每种操作类型分配独特的错误率时，合成评估与硬件评估之间的秩一致性得到显著改善。此外，在特定的硬件条件下，NVIDIA的Ising预解码器并未显示出准确性-延迟方面的优势，其他解码器的表现相当或更好。
-
人工智能与人类合作产生新的物理学定理
研究人员开发了一个新的定理，将统计物理学中的自发集体行为与场诱导机制联系起来。该定理通过人类和人工智能的合作推导得出，在零场自旋模型和受外部场控制的模型之间建立了哈密顿量级别的映射。研究结果适用于各种自旋模型，包括伊辛模型、XY模型和海森堡模型，并表明人工智能可以在产生新的科学假设方面发挥重要作用。
-
优化器状态传输影响短视AI训练决策
研究人员调查了自适应优化器（如AdamW）如何利用历史梯度信息来影响未来的训练决策。他们的研究重点关注延迟的优化器状态传输对短视训练的影响，发现与即时导数方法相比，这种延迟传输可以带来更好的损失减少。实验表明，优化器内存和近期数据是训练状态的关键组成部分，这表明存在一种机制可以确定何时有限视界干预比单步调整更合适。
-
AI代理发现物理映射和神经网络新算法 · 跟踪2个来源
两篇新研究论文探讨了在科学发现中使用AI代理，特别是在物理学和计算数学领域。第一篇论文介绍了StatMechBench-v0，这是一个旨在测试AI代理在物理问题中识别统计力学映射能力的基准，揭示了当前LLM在数值一致性之外的推理局限性。第二篇论文提出了EvoPINN，一个使用LLM为物理信息神经网络（PINNs）发现可执行算法的代理框架，展示了显著的误差减少和一种称为SLRC-PINN的新型架构的发明。
-
NVIDIA Ising Calibration 自动化量子计算机设置
NVIDIA 发布了 NVIDIA Ising Calibration，这是一个旨在自动化量子计算机校准的开源工具。该新系统利用上下文学习，显著减少了此类过程通常需要的手动工作量。该工具旨在通过提高效率和可访问性来简化量子计算操作。
-
QUBO 优化解决了 RAG 问答中的证据选择问题
研究人员开发了一种新颖的证据选择方法，用于检索增强问答 (RAG)，将其表述为二次无约束二元优化 (QUBO) 问题。该方法旨在通过平衡相关性、需求覆盖率和其他因素，来改进互补证据段的选择，这对于复杂的多跳问题至关重要。QUBO 选择器提供了一种经济高效且可扩展的替代 LLM 选择器的方法，在 HotpotQA 基准测试上取得了有竞争力的性能，并指明了 RAG 管道的未来方向，即保留 LLM 用于语义处理，同时使用专用求解器进行上下文选择。
-
新QSPADE方法增强量子异常检测
研究人员推出了一种名为量子谱异常检测（QSPADE）的新型方法，用于识别量子数据中的异常。QSPADE通过分析正常数据集的频谱来计算异常分数，为传统的、对量子数据计算密集型的主成分分析（PCA）提供了一种替代方案。该方法使用平滑的、温度控制的谱阈值，使异常分数更连续且对噪声不敏感。QSPADE也可应用于为量子处理而编码的经典数据，并能在无需预定义诊断可观测量的情况下监控量子系统。
-
Arena AI、Ollama及浏览器选项推动本地和私有AI模型访问增长
多个平台正涌现，提供本地或注重隐私的AI模型访问。Arena AI提供超过300个模型（包括Claude、GPT和Gemini）的免费访问。Ollama允许用户直接在自己的计算机上运行AI模型（如LLaMA、Mistral和Gemma），无需互联网连接，并强调数据隐私。此外，一些服务在浏览器中提供免费AI聊天，无需注册，支持Qwen、Llama和DeepSeek等模型。
-
英伟达发布用于量子比特校准的开源伊辛量子AI模型
英伟达发布了开源伊辛量子AI模型，旨在自动化和改进量子处理器校准。这些模型包括用于提出校准动作的视觉-语言模型和用于纠错解码的CNN，旨在集成到现有的量子控制栈中。通过将校准视为AI推理问题，类似于LLM的部署方式，英伟达旨在提高量子硬件操作的速度、准确性和鲁棒性，同时强调治理和安全协议的必要性。
-
受物理学启发的图集成在图像分类中实现高精度
研究人员开发了一种新颖的受物理学启发的自然图像分类方法，摆脱了计算成本高昂的高维CNN特征。他们将冻结的MobileNetV2特征解释为准循环LDPC图上的伊辛自旋，形成一个随机键伊辛模型。通过在该模型上以其西森森温度运行，他们建立了谱拓扑对应关系以抑制有害的图子结构，在保持ImageNet-10和ImageNet-100等数据集高精度的同时，显著降低了维度。