机构名称：
¥ 11.0
近年来，对计算资源的需求巨大，这导致人们投入大量精力从理论上简化复杂问题，并开发各种技术平台来解决特定类别的难题。激子极化子似乎是一种非常有前途的物理系统，是这种技术进步的完美基础。主要研究工作集中在描述高复杂性计算问题与物理系统状态之间的对应关系。结果表明，使用激子极化子，可以实现具有非平凡相配置的 𝑘 -局部哈密顿量，其中 𝑘> 2。除此之外，新贡献在于引入了复杂的耦合切换方法，提供了一种显著提高使用激子极化子平台解决优化问题的成功概率的方法，并且适用于一般的增益耗散模拟器。从算法的角度来看，可以将该方法用作传统计算机架构上的一种有用的启发式方法。此外，还考虑了不同计算任务之间的现有对应关系，并提出了将任意计算任务编码/解码到光学/光子硬件中的方法。考虑了最通用和最复杂的机器学习方法，并考虑了潜在的架构映射。结果表明，使用非线性自旋簇，可以近似预定的架构，累积误差很小，突破了可用计算的极限。这种新的替代方法允许人们在许多凝聚态系统上直接实现神经网络算法，具有各种优点，例如减少了实现更传统的神经网络实现方法所需的额外变量的开销。由于激子极化子具有有前途和诱人的特性，并且具有前瞻性技术，因此除了现有的应用外，还开展了潜在应用的研究，重点是周期性结构及其分析描述。通过强调分析形式，引入的方法可以确定凝聚态的速度分布如何随参数（例如捕获和耗散电位）而变化，从而避免大量计算。建立了行为和相图，为超快信息处理和模拟模拟器的可控激光或极化子流开辟了道路。总而言之，我们可以完全有信心地说，激子-极化子是一个有前途的平台，但尚未充分发挥其潜力。
用于非常规计算的激子-极化子凝聚态建模
主要关键词
相关文件推荐
