JP2017219948A - 情報処理装置、イジング装置及び情報処理装置の制御方法 - Google Patents
情報処理装置、イジング装置及び情報処理装置の制御方法 Download PDFInfo
- Publication number
- JP2017219948A JP2017219948A JP2016112488A JP2016112488A JP2017219948A JP 2017219948 A JP2017219948 A JP 2017219948A JP 2016112488 A JP2016112488 A JP 2016112488A JP 2016112488 A JP2016112488 A JP 2016112488A JP 2017219948 A JP2017219948 A JP 2017219948A
- Authority
- JP
- Japan
- Prior art keywords
- value
- ising
- connection destination
- circuit
- neuron
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N10/00—Quantum computing, i.e. information processing based on quantum-mechanical phenomena
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Neurology (AREA)
- Mathematical Analysis (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Logic Circuits (AREA)
Abstract
【解決手段】バス4a〜4cを介して接続されるイジング装置2a1〜2amのそれぞれは、接続先ニューロン回路の出力信号の値が変化したとき、更新信号に基づいてローカルフィールド値を更新するニューロン回路10a1〜10anと、接続先ニューロン回路とそれが含まれるイジング装置のアドレス情報と、重み値の識別情報とが対応付けられた接続先情報11aを記憶するメモリ11と、自身以外のイジング装置に含まれる接続先ニューロン回路の出力信号の変化時に、変化後の出力信号の値と接続先情報11aに基づく上記更新信号を出力する制御回路12と、制御装置3からモード設定値を受け、モード設定値に基づき、隣接するイジング装置のうちの少なくとも2つを接続するか、隣接するイジング装置と制御回路12とを接続するか決定するルータ13を有する。
【選択図】図1
Description
(第1の実施の形態)
図1は、第1の実施の形態の情報処理装置の一例を示す図である。
たとえば、イジング装置2a1〜2amのそれぞれは、1つの半導体集積回路(チップ)で実現される。イジング装置2a1〜2amのうち、隣接するもの同士は、バス4a,4b,4cで接続可能である。たとえば、バス4aではデータが伝搬され、バス4bではアドレスが伝搬され、バス4cでは後述するモード設定値が伝搬される。
イジング装置2a1〜2amのそれぞれは、以下のような要素を有している。図1には、イジング装置2akに含まれる要素の例が示されている。
DeGloriaアルゴリズムに基づくニューロン回路10a1〜10anのそれぞれは、複数の接続先ニューロン回路からの出力信号にその接続先ニューロン回路との接続の強さを示す重み値を掛けた値の総和に基づく値(以下、ローカルフィールド値という)を保持する。そして、ニューロン回路10a1〜10anのそれぞれは、ローカルフィールド値にノイズ値を加算した値と閾値(たとえば、0)との比較結果に基づき、0または1を出力する。さらに、ニューロン回路10a1〜10anのそれぞれは、接続先ニューロン回路の出力信号の変化時に、制御回路12から供給される更新信号を受け、更新信号に基づいて、ローカルフィールド値の変化分を求める。そして、ニューロン回路10a1〜10anのそれぞれは、その変化分を、上記出力信号の変化前のローカルフィールド値に対して加算または減算することで、ローカルフィールド値を更新する。
メモリ11は、接続先情報11aを記憶する。接続先情報11aには、ニューロン回路10a1〜10anに接続される接続先ニューロン回路を識別するアドレス情報と、接続先ニューロン回路を有するイジング装置を識別するアドレス情報と、重み値の識別情報とが含まれ、これらの情報が対応付けられている。接続先情報11aの例については後述する(図15参照)。
制御回路12は、接続先ニューロン回路の出力信号の変化時に、上記接続先情報11aと、変化後の出力信号の値とに基づく更新信号を出力する。たとえば、更新信号は、変化後の出力信号の値や、重み値の識別情報に基づく重み値の選択信号などである。
制御装置3は、イジング装置2a1〜2amのうち、ニューロン回路の出力信号の値の更新を許容するもの(アニーリングするもの)を選択する。そして、制御装置3は、そのイジング装置から出力される、出力信号が変化したニューロン回路のアドレスと、変化後の出力信号の値が、そのニューロン回路に対する接続先ニューロン回路を含むイジング装置に供給されるようにモード設定値を設定する。
上記のような動作を行う制御装置3は、たとえば、プロセッサで実現できる。プロセッサは、たとえば、CPU、MPU、DSP、ASIC、またはPLDである。またプロセッサは、CPU、MPU、DSP、ASIC、PLDのうちの2以上の要素の組み合わせであってもよい。また、制御装置3は、PC(パーソナルコンピュータ)であってもよい。
図2は、ニューロン回路の一例を示す図である。
図2では、図1に示したn個のニューロン回路10a1〜10anのうち、ニューロン回路10a1,10ai,10anの一例が示されている。ニューロン回路10a1〜10anのうちニューロン回路10a1,10ai,10an以外のニューロン回路も同様の回路構成となっている。なお、図1では図示を省略したが、イジング装置2akは、ノイズ発生回路14とランダム信号生成回路15を有している。
加算回路26a1は、レジスタ25a1から出力される値に、ノイズ発生回路14から出力されるノイズ値を加算して出力する。加算回路26aiは、レジスタ25aiから出力される値に、ノイズ発生回路14から出力されるノイズ値を加算して出力する。加算回路26anは、レジスタ25anから出力される値に、ノイズ発生回路14から出力されるノイズ値を加算して出力する。ノイズ値の例については後述する。
上記のようなエネルギー関数E(x)をハードウェアで表現するため、図2に示したニューロン回路10a1〜10anのそれぞれは、ローカルフィールド値h1〜hnを演算する。たとえば、ニューロン回路10aiにおけるローカルフィールド値hiは以下の式(2)で表される。
このような1−2xjの演算は、図2に示した、選択回路22aiで実現できる。
図2に示したようなニューロン回路10a1〜10anでは、シミュレーテッド・アニーリングを行うために、ローカルフィールド値h1〜hnにノイズ値を加えた値に対して、比較回路27a1〜27anで閾値との比較が行われる。
式(4)に示すような確率Pi(hi)を得るために、加算するノイズ値nsの確率密度関数p(ns)は、以下の式(5)のようになる。
横軸は、ローカルフィールド値hiにノイズ値nsを加算した値を示し、縦軸は、状態xiが1となる確率を示している。
(チップアドレスとモード設定値の初期値の設定方法)
図4は、チップアドレスとモード設定値の初期値の設定方法の一例を示す図である。
直列に接続されたスキャンFF部13b1〜13bmのそれぞれは、対応するイジング装置2a1〜2amのチップアドレスのビット数に対応した数のスキャンFFを有する。
制御装置3は、自身の端子44から、イジング装置2a1〜2amのそれぞれに設定するチップアドレスのビットの値を、1ビットずつ順番に出力する。また、制御装置3は、自身の端子45からクロック信号を出力する。なお、クロック信号は、スキャンFF部13b1〜13bmに並列に供給される。クロック信号の立ち上がり(または立ち下がり)に同期して、ビットの値が、後段のスキャンFFに送られていく。
図6は、スキャンチェーンの他の例を示す図である。
図7は、ルータの一例を示す図である。
ルータ13は、スキャン・イン、スキャン・アウトのためのポートの他に、“NORTH”、“SOUTH”、“EAST”、“WEST”、“LOCAL”の5つのポートを有する。
図8は、“EAST”ポートに接続されるスイッチ部の一例を示す図である。
スイッチ部51は、スイッチ51a,51b,51c,51dを有する。スイッチ51aは、バッファ回路50の出力端子と、“LOCAL”ポートの間に接続されている。スイッチ51bは、バッファ回路50の出力端子と、“NORTH”ポートの間に接続されている。スイッチ51cは、バッファ回路50の出力端子と、“WEST”ポートの間に接続されている。スイッチ51dは、バッファ回路50の出力端子、“SOUTH”ポートの間に接続されている。
図9では、“NORTH”、“SOUTH”、“EAST”、“WEST”、“LOCAL”の5つのポートに接続されるスイッチ部の5つのスイッチを制御するモード設定値の例が示されている。図9の例では、モード設定値は、“NORTH”、“SOUTH”、“EAST”、“WEST”、“LOCAL”のうち、2つの頭文字を組み合わせた制御コードの集合で表されている。
モードレジスタ13aは、モード設定値として、上記のような制御コードを直接記憶する代わりに、たとえば、モード名を示す識別情報を記憶している。
ルータ13内のスイッチ制御回路13dは、ルータ13内のメモリ13cに格納された変換テーブル13c1を参照して、上記識別情報から制御コードを特定する。そして、スイッチ制御回路13dは、その制御コードに基づくスイッチ制御信号を出力して、スイッチ51a〜51dなどを制御する。
図11は、モード設定値の変更方法の一例を示すタイミングチャートである。
本実施の形態の情報処理装置1では、チップ内を横断する信号伝送やチップ間信号伝送が行われる。このときの信号波形の変形を抑制するために、たとえば、以下のような回路群がルータ13に接続される。
図12の例では、送受信回路14bが受信した信号を、ルータ13を介して送受信回路14dから送信する部分が示されているが、他の方向の信号伝送を行う部分についても同様の回路群が設けられる。
クロック信号clkは、立ち上がりタイミングt2が、送受信回路14bから供給される信号(Data in)のアイパターンの中央付近になるように、位相が調整されている。
図14は、マルチドロップバス機能を説明する図である。
本実施の形態の情報処理装置1では、バス4a〜4cは、図14に示すように、接続されているイジング装置2a1,2a2,…,2amとの間で信号の送受信を行うことができるマルチドロップバスとして機能する。たとえば、制御信号配送用の制御信号線4dにより伝搬されるモード・ライト・イネーブル信号の論理レベルがHレベルとなると、バス4bで伝搬されるチップアドレスと自身のチップアドレスが一致するイジング装置が、バス4cで伝搬されるモード設定値を取り込む。
図15は、接続先情報の一例を示す図である。
図15では、イジング装置2akのニューロン回路10a1〜10anのうち、図2に示したニューロン回路10aiに対応付けられた接続先情報の一例が示されている。
このような重み値の識別情報と、チップアドレスと、内部アドレスの対応関係の情報は、重み値の識別情報の小さい順に並べられる。
(アニール動作例)
以下、制御装置3によって制御される情報処理装置1の動作(アニール動作)の一例を説明する。
まず、制御装置3は、たとえば、図4や図6に示したようなスキャンチェーン40,40a1〜40aqを用いて、チップアドレス及びモード設定値の初期値を、イジング装置2a1〜2amのそれぞれのレジスタに設定する(ステップS1)。たとえば、イジング装置2akでは、モード設定値の初期値は、モードレジスタ13aに設定され、チップアドレスは、たとえば、ルータ13内の図示しないレジスタに設定される。
イジング装置2akのニューロン回路10a1〜10anのレジスタ20a1〜20anに重み値を書き込む場合、制御装置3は、イジング装置2akのチップアドレスと重み値とをバス4a,4bに伝搬する。また、制御装置3は、たとえば、図14に示したような制御信号線4dで伝搬させるウェイト・ライト・イネーブル信号の論理レベルをHレベルに立ち上げる。
次に、制御装置3は、全チップ(イジング装置2a1〜2an)のニューロン回路の状態を初期化する(ステップS3)。たとえば、制御装置3は、図示しない制御信号線を介して、各ニューロン回路のローカルフィールド値を保持するレジスタの値をリセットする。
状態の更新を許容するニューロン回路の選択を行うたびに、ノイズ発生回路14は、たとえば、制御装置3の制御のもと、ノイズの振幅を徐々に小さくしていくことで、シミュレーテッド・アニーリングが行われる。
縦軸はエネルギーEであり、横軸は全ニューロン回路の状態の組み合わせqKを示している。組み合わせqKは、“000…0”から“111…1”まである。図18では、ノイズの振幅がW1、W2、W3と小さくなっていくときの、解の収束の様子が示されている。ノイズの振幅を小さくしていくことは、式(5)の実効温度Tを小さくしていくことに相当する。
図19では、図1に示したイジング装置2akを例にして説明する。ルータ13などについては図示が省略されている。
その後、制御装置3は、アニールチップの選択回数が、予め決められた回数cnt2に達しないときは(ステップS9:NO)、再びステップS4の処理を行う。
なお、上記の処理ステップの順序は、上記の例に限定されるものではない。たとえば、制御装置3は、モード設定値の設定を、ステップS4の処理後に行ってもよい。
以上のような情報処理装置1によれば、複数のニューロン回路をもつイジング装置2a1〜2amのそれぞれが、接続先のニューロン回路とそれが含まれるイジング装置のアドレスを含む接続先情報を記憶するメモリと、接続先が変更可能なルータを有する。そして、イジング装置2a1〜2amのそれぞれで、ルータを介して得た他のイジング装置のニューロン状態を、接続先情報に基づき自身のニューロン回路に反映する。これによって、ニューロン回路間の接続数を増やせ、大規模な演算が可能となる。
図20の例では、8つのニューロン(たとえば、ニューロン80a)が互いに接続されている6つのニューロン部(たとえば、ニューロン部80)が、相互接続されているニューラルネットワークが示されている。
なお、問題のマッピング時(重み値の設定=プログラミング)時にニューロン部間の接続数が制約となるが、ニューロン部内での接続数の1/10程度の接続があれば多くの場合問題なくプログラミングが可能である。
図21は、第2の実施の形態の情報処理装置の一例を示す図である。図1に示した要素と同じ要素については同一符号が付されている。
情報処理装置1aは、チップ間の接続トポロジが、1次元トーラスである。マトリクス状に配置されたイジング装置2a1〜2amにおいて、同一行に配列された複数のイジング装置のうち、行の両端のイジング装置同士がバスで接続されている。
このような接続トポロジを採用することで、マトリクス状に配置したイジング装置2a1〜2amによるアレーの周辺部のイジング装置で、送受信回路が使用されなくなることを抑制できる。このため、バンド幅や接続数が減少することが抑制される。
(第3の実施の形態)
図22は、第3の実施の形態の情報処理装置の一例を示す図である。図2に示した要素と同じ要素については同一符号が付されている。
情報処理装置1bは、チップ間の接続トポロジが、2次元トーラスである。マトリクス状に配置されたイジング装置2a1〜2amにおいて、同一行に配列された複数のイジング装置のうち、両端のイジング装置がバスで接続されているとともに、同一列に配列された複数のイジング装置のうち、両端のイジング装置もバスで接続されている。
このような接続トポロジを採用することで、マトリクス状に配置したイジング装置2a1〜2amによるアレーの周辺部のイジング装置で、送受信回路が使用されなくなることをさらに抑制できる。このため、バンド幅や接続数が減少することがさらに抑制される。
前述したようにシミュレーテッド・アニーリングでは、最適解が得られるまで時間がかかるため、以下に示すような計算高速化手法を用いることが望ましい。
制御装置3は、たとえば、全ニューロン回路91a1〜91aMを、同一問題をマッピングした複数のアンサンブル90a1,90a2,…,90azに分ける。アンサンブル90a1〜90azのそれぞれに含まれる複数のニューロン回路間の接続関係(重み値の設定に相当する)は、アンサンブル90a1〜90az間で同一となっている。また、異なるアンサンブルに属するニューロン回路は接続されないように重み値が設定される。
図24では、ランダムに発生した問題に対して、図23のアンサンブル90a1〜90azのそれぞれを1チップ(1つのイジング装置)として並列演算を行ったときに、目標正解率が99%となるクロックサイクル数のシミュレーション結果が示されている。クロックサイクル数は、図2に示したニューロン回路10a1〜10anのレジスタ25a1〜25anに供給されるクロック信号のサイクル数である。また、アンサンブル90a1〜90azは、それぞれ64個のニューロン回路を有しているものとする。
図24に示すように、目標正解率が99%となるクロックサイクル数は、並列化数を増やすほど減少し、たとえば、並列化数を100とすると、並列化しない場合よりも、3桁以上、クロックサイクル数を少なくすることができる。つまり、演算を高速化できる。
図25は、量子モンテカルロ法による高速化手法を説明する図である。図25において、図23に示した要素については同一符号が付されている。
量子モンテカルロ法についての詳細な説明は省略する。量子モンテカルロ法については、M. Suzuki, Relationship between d-Dimensional Quantal Spin Systems and (d+1)-Dimensional Ising Systems, Progress of Theoretical Physics 56,1454 (1976)や、G. E. Santoro, R. Martonak, E. Tosatti, and R. Car, Theory of Quantum Annealing of an Ising Spin Glass, Science 295, 2427 (2002)に記載されている。
図26は、図2のニューロン回路とは異なるニューロン回路をもつイジング装置の一例を示す図である。
選択回路21biは、ランダム信号生成回路15aから出力される1〜nの何れかの選択信号に基づき、レジスタ20b1〜20bNの何れかに記憶されている重み値群を選択して出力する。
加算部24biは、乗算回路23bi1〜23biNから出力される値を積算する。
以上、実施の形態に基づき、本発明の情報処理装置、イジング装置及び情報処理装置の制御方法の一観点について説明してきたが、これらは一例にすぎず、上記の記載に限定されるものではない。
2a1〜2am,2ak イジング装置(チップ)
3 制御装置
4a〜4c バス
5 信号線
10a1〜10an ニューロン回路
11 メモリ
11a 接続先情報
12 制御回路
13 ルータ
13a モードレジスタ
14a〜14d 送受信回路
Claims (7)
- マトリックス状に配置され、バスを介して接続される複数のイジング装置と、
前記複数のイジング装置のそれぞれに複数設けられ、それぞれが、複数の接続先ニューロン回路からの出力信号に前記複数の接続先ニューロン回路との接続の強さを示す複数の重み値を掛けた値の総和に基づく第1の値を保持し、前記第1の値にノイズ値を加算した第2の値と閾値との比較結果に基づき、0または1を出力するとともに、前記出力信号の変化時に更新信号を受け、前記更新信号に基づいて前記第1の値の変化分を求め、前記変化分を前記第1の値に対して加算または減算することで前記第1の値を更新するニューロン回路と、
前記複数のイジング装置のそれぞれに設けられ、前記複数の接続先ニューロン回路を識別する第1のアドレス情報と、前記複数のイジング装置のうち前記複数の接続先ニューロン回路のそれぞれを有するイジング装置を識別する第2のアドレス情報と、前記重み値の識別情報とが対応付けられた接続先情報を記憶するメモリと、
前記複数のイジング装置のそれぞれに設けられ、前記複数の接続先ニューロン回路のうち、自身以外の第1のイジング装置に含まれる第1の接続先ニューロン回路の第1の出力信号の変化時に、変化後の前記第1の出力信号の値と、前記接続先情報とに基づく前記更新信号を出力する制御回路と、
前記複数のイジング装置のそれぞれに設けられ、モード設定値を受け、前記モード設定値に基づき、隣接するイジング装置のうちの少なくとも2つを接続するか、前記隣接するイジング装置と前記制御回路とを接続するか決定するルータと、
前記モード設定値を前記ルータに送信する制御装置と、
を有することを特徴とする情報処理装置。 - 前記複数のイジング装置は、スキャンチェーンを介して互いに接続され、
前記ルータは、前記複数のイジング装置のうち、何れかから送信されるスキャンデータを入出力するポートを有することを特徴とする請求項1に記載の情報処理装置。 - 前記スキャンデータは、前記モード設定値、または前記第2のアドレス情報、であることを特徴とする請求項2に記載の情報処理装置。
- 前記複数のイジング装置で、同一行または同一列に配列されたイジング装置のうち、行または列の両端のイジング装置同士が前記バスで接続されている、ことを特徴とする請求項1乃至3の何れか一項に記載の情報処理装置。
- 前記制御装置は、前記複数のイジング装置から、前記第1のイジング装置を選択し、変化後の前記第1の出力信号の値と、前記第1の接続先ニューロン回路を識別する前記第1のアドレス情報が、前記バスを介して、前記複数のイジング装置のうち、前記第1のイジング装置以外に伝搬されるように、前記モード設定値を決定する、
ことを特徴とする請求項1乃至4の何れか一項に記載の情報処理装置。 - それぞれが、複数の接続先ニューロン回路からの出力信号に前記複数の接続先ニューロン回路との接続の強さを示す複数の重み値を掛けた値の総和に基づく第1の値を保持し、前記第1の値にノイズ値を加算した第2の値と閾値との比較結果に基づき、0または1を出力するとともに、前記出力信号の変化時に更新信号を受け、前記更新信号に基づいて前記第1の値の変化分を求め、前記変化分を前記第1の値に対して加算または減算することで前記第1の値を更新する複数のニューロン回路と、
前記複数の接続先ニューロン回路を識別する第1のアドレス情報と、前記複数の接続先ニューロン回路のそれぞれを有するイジング装置を識別する第2のアドレス情報と、前記重み値の識別情報とが対応付けられた接続先情報を記憶するメモリと、
前記複数の接続先ニューロン回路のうち、自身以外の第1のイジング装置に含まれる第1の接続先ニューロン回路の第1の出力信号の変化時に、変化後の前記第1の出力信号の値と、前記接続先情報とに基づく前記更新信号を出力する制御回路と、
モード設定値を受け、前記モード設定値に基づき、隣接するイジング装置のうちの少なくとも2つを接続するか、前記隣接するイジング装置と前記制御回路とを接続するか決定するルータと、
を有することを特徴とするイジング装置。 - それぞれが、複数の接続先ニューロン回路からの出力信号に前記複数の接続先ニューロン回路との接続の強さを示す複数の重み値を掛けた値の総和に基づく第1の値を保持し、前記第1の値にノイズ値を加算した第2の値と閾値との比較結果に基づき、0または1を出力するとともに、前記出力信号の変化時に更新信号を受け、前記更新信号に基づいて前記第1の値の変化分を求め、前記変化分を前記第1の値に対して加算または減算することで前記第1の値を更新する複数のニューロン回路と、
前記複数の接続先ニューロン回路を識別する第1のアドレス情報と、前記複数の接続先ニューロン回路のそれぞれを有するイジング装置を識別する第2のアドレス情報と、前記重み値の識別情報とが対応付けられた接続先情報を記憶するメモリと、
前記複数の接続先ニューロン回路のうち、自身以外の第1のイジング装置に含まれる第1の接続先ニューロン回路の第1の出力信号の変化時に、変化後の前記第1の出力信号の値と、前記接続先情報とに基づく前記更新信号を出力する制御回路と、
モード設定値を受け、前記モード設定値に基づき、隣接するイジング装置のうちの少なくとも2つを接続するか、前記隣接するイジング装置と前記制御回路とを接続するか決定するルータと、
をそれぞれが有し、マトリックス状に配置され、バスを介して接続される複数のイジング装置に対して、
制御装置が、前記複数の重み値を設定し、
前記制御装置が、前記第1のイジング装置を選択し、
前記制御装置が、変化後の前記第1の出力信号の値と、前記第1の接続先ニューロン回路のアドレス情報が、前記バスを介して、前記複数のイジング装置のうち、前記第1のイジング装置以外に伝搬されるように、前記モード設定値を決定する、
ことを特徴とする情報処理装置の制御方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016112488A JP6659957B2 (ja) | 2016-06-06 | 2016-06-06 | 情報処理装置、イジング装置及び情報処理装置の制御方法 |
US15/606,018 US11048996B2 (en) | 2016-06-06 | 2017-05-26 | Information processing apparatus, ising device, and information processing apparatus control method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016112488A JP6659957B2 (ja) | 2016-06-06 | 2016-06-06 | 情報処理装置、イジング装置及び情報処理装置の制御方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017219948A true JP2017219948A (ja) | 2017-12-14 |
JP6659957B2 JP6659957B2 (ja) | 2020-03-04 |
Family
ID=60483338
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016112488A Active JP6659957B2 (ja) | 2016-06-06 | 2016-06-06 | 情報処理装置、イジング装置及び情報処理装置の制御方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11048996B2 (ja) |
JP (1) | JP6659957B2 (ja) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018010474A (ja) * | 2016-07-13 | 2018-01-18 | 富士通株式会社 | 情報処理装置、イジング装置及び情報処理装置の制御方法 |
JP2019148965A (ja) * | 2018-02-27 | 2019-09-05 | 株式会社日立製作所 | 情報処理装置および半導体集積回路装置 |
JP2019159997A (ja) * | 2018-03-15 | 2019-09-19 | 富士通株式会社 | 最適化装置及び最適化装置の制御方法 |
JP2019164462A (ja) * | 2018-03-19 | 2019-09-26 | 学校法人東京理科大学 | 半導体装置 |
JP2020027426A (ja) * | 2018-08-10 | 2020-02-20 | 富士通株式会社 | 最適化システム、最適化システムの制御方法及び最適化システムの制御プログラム |
JP2020038435A (ja) * | 2018-09-03 | 2020-03-12 | 富士通株式会社 | 最適化装置及び最適化装置の制御方法 |
EP3633560A1 (en) | 2018-10-04 | 2020-04-08 | Fujitsu Limited | Optimization device and method of controlling optimization device |
EP3637202A1 (en) | 2018-10-11 | 2020-04-15 | Fujitsu Limited | Optimization device and control method of optimization device |
JP2020160755A (ja) * | 2019-03-26 | 2020-10-01 | 株式会社日立製作所 | 半導体装置 |
JP2020194442A (ja) * | 2019-05-29 | 2020-12-03 | 富士通株式会社 | 最適化装置及び最適化方法 |
CN114970440A (zh) * | 2022-05-07 | 2022-08-30 | 上海图灵智算量子科技有限公司 | 超大规模集成电路通道的布线方法 |
US11475099B2 (en) | 2018-07-31 | 2022-10-18 | Fujitsu Limited | Optimization apparatus and method for controlling thereof |
US11599073B2 (en) | 2018-03-16 | 2023-03-07 | Fujitsu Limited | Optimization apparatus and control method for optimization apparatus using ising models |
EP4148628A1 (en) | 2021-09-13 | 2023-03-15 | Fujitsu Limited | Data processing apparatus, data processing method, and data processing program |
EP4361898A2 (en) | 2022-10-25 | 2024-05-01 | Fujitsu Limited | Data processing device, data processing method, and data processing program |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018002774A1 (en) | 2016-06-29 | 2018-01-04 | Semiconductor Energy Laboratory Co., Ltd. | Electronic device, operation method of the electronic device, and moving vehicle |
US10504204B2 (en) * | 2016-07-13 | 2019-12-10 | Semiconductor Energy Laboratory Co., Ltd. | Electronic device |
US10733946B2 (en) * | 2016-08-26 | 2020-08-04 | Semiconductor Energy Laboratory Co., Ltd. | Display device and electronic device |
JP6993909B2 (ja) * | 2018-03-13 | 2022-01-14 | 株式会社デンソー | 連続最適化問題の大域的探索装置及びプログラム |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3210319B2 (ja) | 1990-03-01 | 2001-09-17 | 株式会社東芝 | ニューロチップおよびそのチップを用いたニューロコンピュータ |
JPH0668056A (ja) | 1992-08-20 | 1994-03-11 | Hitachi Ltd | 並列計算機システム |
JP5865456B1 (ja) * | 2014-08-29 | 2016-02-17 | 株式会社日立製作所 | 半導体装置 |
JP5865457B1 (ja) * | 2014-08-29 | 2016-02-17 | 株式会社日立製作所 | 情報処理システム及び管理装置 |
-
2016
- 2016-06-06 JP JP2016112488A patent/JP6659957B2/ja active Active
-
2017
- 2017-05-26 US US15/606,018 patent/US11048996B2/en active Active
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018010474A (ja) * | 2016-07-13 | 2018-01-18 | 富士通株式会社 | 情報処理装置、イジング装置及び情報処理装置の制御方法 |
JP2019148965A (ja) * | 2018-02-27 | 2019-09-05 | 株式会社日立製作所 | 情報処理装置および半導体集積回路装置 |
JP7014963B2 (ja) | 2018-03-15 | 2022-02-02 | 富士通株式会社 | 最適化装置及び最適化装置の制御方法 |
JP2019159997A (ja) * | 2018-03-15 | 2019-09-19 | 富士通株式会社 | 最適化装置及び最適化装置の制御方法 |
US11599073B2 (en) | 2018-03-16 | 2023-03-07 | Fujitsu Limited | Optimization apparatus and control method for optimization apparatus using ising models |
JP2019164462A (ja) * | 2018-03-19 | 2019-09-26 | 学校法人東京理科大学 | 半導体装置 |
JP7135263B2 (ja) | 2018-03-19 | 2022-09-13 | 学校法人東京理科大学 | 半導体装置 |
US11475099B2 (en) | 2018-07-31 | 2022-10-18 | Fujitsu Limited | Optimization apparatus and method for controlling thereof |
US11468287B2 (en) | 2018-08-10 | 2022-10-11 | Fujitsu Limited | Information processing system, information processing apparatus, and information processing method |
JP7100254B2 (ja) | 2018-08-10 | 2022-07-13 | 富士通株式会社 | 最適化システム、最適化システムの制御方法及び最適化システムの制御プログラム |
JP2020027426A (ja) * | 2018-08-10 | 2020-02-20 | 富士通株式会社 | 最適化システム、最適化システムの制御方法及び最適化システムの制御プログラム |
JP2020038435A (ja) * | 2018-09-03 | 2020-03-12 | 富士通株式会社 | 最適化装置及び最適化装置の制御方法 |
JP7111966B2 (ja) | 2018-09-03 | 2022-08-03 | 富士通株式会社 | 最適化装置及び最適化装置の制御方法 |
JP2020057306A (ja) * | 2018-10-04 | 2020-04-09 | 富士通株式会社 | 最適化装置及び最適化装置の制御方法 |
JP7100257B2 (ja) | 2018-10-04 | 2022-07-13 | 富士通株式会社 | 最適化装置及び最適化装置の制御方法 |
EP3633560A1 (en) | 2018-10-04 | 2020-04-08 | Fujitsu Limited | Optimization device and method of controlling optimization device |
US11093578B2 (en) | 2018-10-04 | 2021-08-17 | Fujitsu Limited | Optimization device and method of controlling optimization device |
EP3637202A1 (en) | 2018-10-11 | 2020-04-15 | Fujitsu Limited | Optimization device and control method of optimization device |
JP2020160755A (ja) * | 2019-03-26 | 2020-10-01 | 株式会社日立製作所 | 半導体装置 |
JP7152343B2 (ja) | 2019-03-26 | 2022-10-12 | 株式会社日立製作所 | 半導体装置 |
JP7208529B2 (ja) | 2019-05-29 | 2023-01-19 | 富士通株式会社 | 最適化装置及び最適化方法 |
JP2020194442A (ja) * | 2019-05-29 | 2020-12-03 | 富士通株式会社 | 最適化装置及び最適化方法 |
EP4148628A1 (en) | 2021-09-13 | 2023-03-15 | Fujitsu Limited | Data processing apparatus, data processing method, and data processing program |
CN114970440A (zh) * | 2022-05-07 | 2022-08-30 | 上海图灵智算量子科技有限公司 | 超大规模集成电路通道的布线方法 |
EP4361898A2 (en) | 2022-10-25 | 2024-05-01 | Fujitsu Limited | Data processing device, data processing method, and data processing program |
Also Published As
Publication number | Publication date |
---|---|
JP6659957B2 (ja) | 2020-03-04 |
US11048996B2 (en) | 2021-06-29 |
US20170351947A1 (en) | 2017-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6659957B2 (ja) | 情報処理装置、イジング装置及び情報処理装置の制御方法 | |
JP6468254B2 (ja) | 情報処理装置、イジング装置及び情報処理装置の制御方法 | |
JP5864684B1 (ja) | 半導体装置 | |
US11275995B2 (en) | Information processing apparatus, ising device, and control method for information processing apparatus | |
JP5865456B1 (ja) | 半導体装置 | |
US10839044B2 (en) | Information processing apparatus that controls a semiconductor device that calculates an interaction model as an accelerator | |
US10037391B2 (en) | Semiconductor device | |
JP5922202B2 (ja) | 半導体装置、画像セグメンテーション方法、および画像処理装置 | |
US20200042570A1 (en) | Optimization apparatus and method for controlling thereof | |
US20170351949A1 (en) | Ising device and control method thereof | |
US11481618B2 (en) | Optimization apparatus and method for controlling neural network | |
JP7410395B2 (ja) | 最適化装置及び最適化方法 | |
US10191880B2 (en) | Semiconductor device and information processing device using the topology of an ising model | |
JP2019160169A (ja) | 最適化装置、最適化装置の制御方法及び最適化装置の制御プログラム | |
Alinodehi et al. | High-speed general purpose genetic algorithm processor | |
WO2020054062A1 (ja) | 最適化装置および最適化装置の制御方法 | |
JP6207583B2 (ja) | 半導体装置および情報処理方法 | |
JP7256378B2 (ja) | 最適化システムおよび最適化システムの制御方法 | |
US10795404B2 (en) | Information processing acceleration control system | |
JP2020035000A (ja) | 機械学習システムおよびボルツマンマシンの計算方法 | |
Yuan et al. | Dynamic graph: Learning instance-aware connectivity for neural networks | |
US10665280B2 (en) | Information processing apparatus and semiconductor integrated circuit device | |
US20230076906A1 (en) | Calculation device | |
JP6636529B2 (ja) | 情報処理方法及び装置 | |
JP2019164462A (ja) | 半導体装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190212 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20191225 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200107 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200120 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6659957 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |