Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2508.07457

帮助 | 高级搜索

计算机科学 > 硬件架构

arXiv:2508.07457 (cs)
[提交于 2025年8月10日 ]

标题: 蒙特卡罗方法及加速它的新设备和架构技术

标题: The Monte Carlo Method and New Device and Architectural Techniques for Accelerating It

Authors:Janith Petangoda, Chatura Samarakoon, James Meech, Divya Thekke Kanapram, Hamid Toshani, Nathaniel Tye, Vasileios Tsoutsouras, Phillip Stanley-Marbell
摘要: 与现实世界过程交互的计算系统必须安全可靠地处理不确定数据。 蒙特卡洛方法是一种用于处理此类不确定值的流行方法。 本文介绍了一个描述蒙特卡洛方法的框架,并强调了物理基础的非均匀随机变量生成器(PPRVGs)领域的两项进展,以克服传统蒙特卡洛采样的常见限制。 本文还强调了最近在架构技术方面的进展,这些技术通过利用分布微体系结构状态来原生地对概率分布进行计算,从而消除了使用蒙特卡洛方法的需要。 与蒙特卡洛方法不同,不确定性跟踪处理器架构可以被认为是收敛无关的。
摘要: Computing systems interacting with real-world processes must safely and reliably process uncertain data. The Monte Carlo method is a popular approach for computing with such uncertain values. This article introduces a framework for describing the Monte Carlo method and highlights two advances in the domain of physics-based non-uniform random variate generators (PPRVGs) to overcome common limitations of traditional Monte Carlo sampling. This article also highlights recent advances in architectural techniques that eliminate the need to use the Monte Carlo method by leveraging distributional microarchitectural state to natively compute on probability distributions. Unlike Monte Carlo methods, uncertainty-tracking processor architectures can be said to be convergence-oblivious.
评论: 15页,4图(17子图)
主题: 硬件架构 (cs.AR)
ACM 类: A.1; C.1.1; G.3; I.6.1; I.6.8
引用方式: arXiv:2508.07457 [cs.AR]
  (或者 arXiv:2508.07457v1 [cs.AR] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.07457
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Janith Petangoda [查看电子邮件]
[v1] 星期日, 2025 年 8 月 10 日 18:57:22 UTC (1,606 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.AR
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号