平衡ベース微分可能連続変数熱力学計算の青写真

本論文は、機械学習ワークロードの増大するエネルギーとレイテンシの要求に対応するため、物理ハードウェアにおける確率的アナログプロセスを活用した、エネルギー効率が高く高速な熱力学コンピューティングスタックの設計図を提案します。特にLangevinダイナミクスで記述されるエネルギーベースの熱力学コンピューティングに焦点を当てています。

• 機械学習ワークロードのエネルギー消費とレイテンシ問題を解決するため、熱力学コンピューティングスタックの青写真を作成。
• ランジュバン動力学と調整可能なエネルギーポテンシャルを利用したエネルギーベースの熱力学コンピューティングに焦点を当てる。
• 物理ハードウェアでのポテンシャル実装により、基本的なパラメータ化エネルギーベースモデルを生成・サンプリング可能。
• 確率的グラフィカルモデルの枠組みを用いて、このハードウェアネイティブモデルから一般的な機械学習モデルを構築・訓練する方法を示す。
• 初期実験として、熱雑音で駆動される超伝導回路を用いたアナログ回路実装を発表。