RAOA：利用可编程无线电传播进行交替算子神经计算

arXiv:2610.02683v1 公告类型：新 摘要：可编程无线电传播能否不仅充当通信信道或一次性模拟变换，还能作为计算深度？我们提出 Radio Alternating Operator Ansatz（RAOA），这是一种循环计算架构，在持续存在的潜在状态上交替执行基于能量的问题更新和混合更新。每次混合后重新计算问题场，使得即使在不同深度重复使用相同的学习控制量，多次传播仍能形成组合式计算。我们通过精确离散优化、受约束的可编程传播仿真以及预训练模型适配来评估这一思路。在离散目标上，重复执行可以在不增加学习控制量数量的情况下提升解的质量，并且同一形式能够直接处理高阶交互。进一步地，一个仅具备被动相位控制的自由空间模型表明，所需算子可以通过可编程传播近似实现；尽管存在实现误差，系统仍能保留下游任务所需的有效行为。将 RAOA 作为零初始化残差适配器插入后，它能够适配预训练语言模型：在三个模型系列上，其 WikiText 性能接近匹配的浅层 MLP，而推理任务上的迁移效果仍取决于具体模型。总体而言，这些结果在一个统一的循环框架中连接了交替算子计算、可编程无线电传播和神经适配。需要指出的是，RF 实现方面的证据基于仿真，而非硬件演示。