Ускорение вычислений: Монте-Карло и линейные системы
![Сравнительный анализ пяти методов решения систем линейных уравнений при увеличении размера матрицы от 1000 до 5000 демонстрирует, что традиционные итерационные методы, такие как Якоби и Гаусса-Зейделя, демонстрируют квадратичную сложность [latex]O(m^2)[/latex], в то время как методы последовательного Монте-Карло достигают улучшенной масштабируемости за счет геометрической сходимости и субдискретизации, а простой метод Монте-Карло обеспечивает линейную сложность [latex]O(1)[/latex] при оценке фиксированного числа компонентов решения.](https://arxiv.org/html/2602.05032v1/fig/performance_scaling.png)
В статье представлен обзор методов Монте-Карло для решения линейных систем уравнений, с акцентом на повышение эффективности и снижение вычислительных затрат.
![Сравнительный анализ пяти методов решения систем линейных уравнений при увеличении размера матрицы от 1000 до 5000 демонстрирует, что традиционные итерационные методы, такие как Якоби и Гаусса-Зейделя, демонстрируют квадратичную сложность [latex]O(m^2)[/latex], в то время как методы последовательного Монте-Карло достигают улучшенной масштабируемости за счет геометрической сходимости и субдискретизации, а простой метод Монте-Карло обеспечивает линейную сложность [latex]O(1)[/latex] при оценке фиксированного числа компонентов решения.](https://arxiv.org/html/2602.05032v1/fig/performance_scaling.png)
В статье представлен обзор методов Монте-Карло для решения линейных систем уравнений, с акцентом на повышение эффективности и снижение вычислительных затрат.
![Масштабируемость диффузионной геометрии в сравнении с устойчивой гомологией демонстрирует значительное преимущество в скорости вычислений, особенно при экстремальных степенях [latex]k=1[/latex] и [latex]k=d[/latex], благодаря комбинаторной симметрии пространства [latex]k[/latex]-форм, что позволяет эффективно восстанавливать высокоразмерные признаки даже при фиксированном размере выборки [latex]n=5000[/latex] и параметрах диффузионного лапласиана Ходжа [latex]k=32[/latex] и [latex]n\_0 = n\_1 = 50[/latex].](https://arxiv.org/html/2602.06006v1/x15.png)
В статье представлена концепция геометрии диффузии, позволяющая проводить геометрический анализ на данных любой природы, не ограничиваясь традиционными представлениями о гладких многообразиях.
Обзор ключевых нерешенных проблем в области линейной алгебры, сформулированных на семинаре Саймонса, открывает путь к разработке более эффективных и надежных алгоритмов.

В новой работе исследователи представили компактный и эффективный оптический параметрический усилитель, работающий в квантовом режиме и демонстрирующий чистый коэффициент усиления.
Исследователи успешно интегрировали источник одиночных фотонов на основе квантовой точки с кремниевой нитридной микросхемой, используя структуру перекрестных волноводов для эффективной передачи света.
![Комплекс программных средств NP\_TMcode позволяет моделировать поведение частиц различной структуры - от отдельных сфер с концентрическими слоями, описываемых в рамках теории Ми [latex] \mathbf{E} = \mathbf{E_0} + \mathbf{E_{scat}} [/latex], до агрегатов из произвольного числа сфер с различным составом и размерами, а также их встраивания в сферические оболочки, и, наконец, вычисляет силы и моменты, действующие на частицу, захваченную лучом излучения.](https://arxiv.org/html/2602.05520v1/fig_app_sketch.png)
В статье представлена реализация параллельного и масштабируемого кода NP_TMcode для эффективного моделирования взаимодействия света с наночастицами.
![Сравнительный анализ сложности Крилова и сложности схемы в зависимости от времени на гиперкубе с [latex]DD=20.000[/latex] демонстрирует, что время насыщения для квантического случайного блуждания значительно меньше, чем для классического, что указывает на потенциальное преимущество квантовых алгоритмов в задачах, связанных с исследованием сложных пространств.](https://arxiv.org/html/2602.04949v1/x15.png)
Новое исследование раскрывает связь между квантовыми алгоритмами и фундаментальными принципами сложности, применяемыми в физике высоких энергий.

Исследователи представили метод TurboBoA, позволяющий значительно ускорить процесс квантизации больших языковых моделей без потери точности.

Новое исследование объединяет квантовое обучение с подкреплением и архитектуры Transformer для решения сложной задачи маршрутизации транспортных средств.

Новое исследование демонстрирует, как использование FPGA позволяет значительно ускорить сложные вычисления в тензорных сетях, превосходя возможности традиционных процессоров и графических ускорителей.