저순위 조합 최적화 및 공간 광자 이징 머신에 의한 통계적 학습

공간 광자 이징 머신(SPIM) 13D. Pierangeli 외, 공간 광 변조에 의한 대규모 광자 이징 머신, Phys. Rev. Lett. 122, 213902 (2019).PRLTAO0031-900710.1103/PhysRevLett.122.213902은 대규모 조합 최적화 문제를 효율적으로 해결하기 위해 공간 광 변조를 활용하는 유망한 광학 아키텍처입니다. 그러나 SPIM의 원시 버전은 순위-하나 상호작용 행렬만을 가진 이징 문제를 수용할 수 있습니다. 이 문서에서는 SPIM의 새로운 컴퓨팅 모델을 제안하는데, 이 모델은 광학 구현을 변경하지 않고도 모든 이징 문제를 수용할 수 있습니다. 제안된 모델은 배낭 문제와 같은 저순위 상호작용 행렬을 가진 이징 문제에 특히 효율적입니다. 더욱이, 이는 볼츠만 머신의 학습 능력을 획득합니다. 우리는 저순위 상호작용을 가진 모델을 사용하여 MNIST 손글씨 숫자 이미지의 학습, 분류 및 샘플링이 효율적으로 이루어짐을 입증합니다. 따라서 제안된 모델은 SPIM 아키텍처에 본질적으로 내재된 확장성을 잃지 않으면서 다양한 조합 최적화 및 통계적 학습 문제에 대한 높은 실제 적용성을 보입니다.