JP2019512779A - 離散的最適化を伴う問題を複数のより小さな下位問題に分解する方法及びシステム並びに問題を解くためのそれらの使用 - Google Patents
離散的最適化を伴う問題を複数のより小さな下位問題に分解する方法及びシステム並びに問題を解くためのそれらの使用 Download PDFInfo
- Publication number
- JP2019512779A JP2019512779A JP2018545982A JP2018545982A JP2019512779A JP 2019512779 A JP2019512779 A JP 2019512779A JP 2018545982 A JP2018545982 A JP 2018545982A JP 2018545982 A JP2018545982 A JP 2018545982A JP 2019512779 A JP2019512779 A JP 2019512779A
- Authority
- JP
- Japan
- Prior art keywords
- optimization
- oracle
- variable
- digital computer
- discrete optimization
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Complex Calculations (AREA)
Abstract
Description
本願は2016年3月2日に出願された米国仮特許出願第62/302,437号の優先権を主張する。
本発明のさらなる詳細及びそれらの利点は、後述の詳細な説明から明らかとなる。
「発明」等の語は、「本願にて開示される1つ以上の発明」を意味するが、明示的に別段の定めがされている場合はこの限りでない。
デジタルコンピュータを用いて、離散的最適化を伴う問題についての指示を、取得するステップと、
前記デジタルコンピュータを用いて、前記離散的最適化を伴う問題を、最適化オラクルの所定の最適化オラクルアーキテクチャに適した問題に変換するステップと、
前記デジタルコンピュータを用いて、所定回数たるM回にわたって前記所定の最適化オラクルアーキテクチャに適した前記問題を前記最適化オラクルに提供するステップと、
前記問題の提供毎に、前記最適化オラクルを用いて、前記最適化オラクルに対しての所定個数たるK個のコールを行うステップであって、前記最適化オラクルに対しての各コールは所定のコンフィギュレーションを生成する、ステップと、
前記デジタルコンピュータを用いて、変数選択基準を取得するステップであって、前記変数選択基準は複数の生成済みコンフィギュレーションの固定されるべき少なくとも1つの変数を決定するためのものである、ステップと、
前記デジタルコンピュータを用いて、前記変数選択基準に合致する少なくとも1つの変数と各変数についての対応する値とを決定するステップと、
前記デジタルコンピュータを用いて、前記離散的最適化を伴う問題に関して前記少なくとも1つの決定された変数を前記対応する値に固定して、それによって前記問題を前処理して、少なくとも1つの下位問題を生成するステップと、
前記デジタルコンピュータを用いて、前記少なくとも1つの生成済み下位問題についての指示と前記少なくとも1つの固定済み変数についての指示とを提供するステップとを含む、方法。
デジタルコンピュータを用いて、複数の変数にわたっての離散的最適化を伴う問題についての指示を、受信するステップと、
終了基準が充足されるまでは:
複数の変数にわたっての離散的最適化を伴う問題を、項1〜8のいずれか1つに記載の方法を用いて、再帰的に前処理して、複数の下位問題を生成するステップと、
複数の対応する解を提供するために前記複数の生成済み下位問題の各々を解くステップと、
前記デジタルコンピュータを用いて、前記複数の対応する解を提供するステップとを含む、方法。
前記デジタルコンピュータを用いて、少なくとも1つの下位問題の第1群を前記最適化オラクルに提供するステップと、
前記デジタルコンピュータを用いて、前記最適化オラクルから、前記第1群の下位問題の各々についての解を取得するステップと、
前記デジタルコンピュータを用いて、少なくとも1つの下位問題の第2群を古典型ソルバに提供するステップと、
前記デジタルコンピュータを用いて、前記古典型ソルバから、前記第2群の前記下位問題の各々について少なくとも1つの対応する解を取得するステップとを含む、方法。
中央処理装置と、
表示装置と、
前記デジタルコンピュータを最適化オラクルと動作可能に接続するための通信ポートと、
複数の変数にわたっての離散的最適化を伴う問題を前処理するためのアプリケーションを含むメモリ装置であって、該アプリケーションは:
離散的最適化を伴う問題についての指示を取得するための命令と、
前記離散的最適化を伴う問題を、前記最適化オラクルの所定の最適化オラクルアーキテクチャに適した問題に変換するための命令と、
所定回数たるM回にわたって前記所定の最適化オラクルアーキテクチャに適した前記問題を前記最適化オラクルに提供するための命令と、
前記最適化オラクルから、前記問題の提供毎に複数のコンフィギュレーションを取得するための命令であって、各コンフィギュレーションは前記最適化オラクルに対してのコールによって生成される、命令と、
変数選択基準を取得するための命令であって、前記変数選択基準は複数の生成済みコンフィギュレーションの固定されるべき少なくとも1つの変数を決定するためのものである、命令と、
前記変数選択基準に合致する少なくとも1つの変数と各変数についての対応する値とを決定するための命令と、
前記離散的最適化を伴う問題に関して前記少なくとも1つの決定された変数を前記対応する値に固定して、それによって前記問題を前処理して、少なくとも1つの下位問題を生成するための命令と、
前記少なくとも1つの生成済み下位問題についての指示と前記少なくとも1つの固定済み変数についての指示とを提供するための命令とを含む、メモリ装置と、
前記中央処理装置と前記表示装置と前記通信ポートと前記メモリ装置とを相互接続するためのデータバスとを含む、デジタルコンピュータ。
離散的最適化を伴う問題についての指示を取得するステップと、
前記離散的最適化を伴う問題を、前記最適化オラクルの所定の最適化オラクルアーキテクチャに適した問題に変換するステップと、
所定回数たるM回にわたって前記所定の最適化オラクルアーキテクチャに適した前記問題を前記最適化オラクルに提供するステップと、
前記最適化オラクルから、前記問題の提供毎に複数のコンフィギュレーションを取得するステップであって、各コンフィギュレーションは前記最適化オラクルに対してのコールによって生成される、ステップと、
変数選択基準を取得するステップであって、前記変数選択基準は複数の生成済みコンフィギュレーションの固定されるべき少なくとも1つの変数を決定するためのものである、ステップと、
前記変数選択基準に合致する少なくとも1つの変数と各変数についての対応する値とを決定するステップと、
前記離散的最適化を伴う問題に関して前記少なくとも1つの決定された変数を前記対応する値に固定して、それによって前記問題を前処理して、少なくとも1つの下位問題を生成するステップと、
前記少なくとも1つの生成済み下位問題についての指示と前記少なくとも1つの固定済み変数についての指示とを提供するステップとを含む、非一時的コンピュータ可読記憶媒体。
Claims (20)
- 複数の変数にわたっての離散的最適化を伴う問題について前処理を行うための方法であって、該方法は、
デジタルコンピュータを用いて、離散的最適化を伴う問題についての指示を、取得するステップと、
前記デジタルコンピュータを用いて、前記離散的最適化を伴う問題を、最適化オラクルの所定の最適化オラクルアーキテクチャに適した問題に変換するステップと、
前記デジタルコンピュータを用いて、所定回数たるM回にわたって前記所定の最適化オラクルアーキテクチャに適した前記問題を前記最適化オラクルに提供するステップと、
前記問題の提供毎に、前記最適化オラクルを用いて、前記最適化オラクルに対しての所定個数たるK個のコールを行うステップであって、前記最適化オラクルに対しての各コールは所定のコンフィギュレーションを生成する、ステップと、
前記デジタルコンピュータを用いて、変数選択基準を取得するステップであって、前記変数選択基準は複数の生成済みコンフィギュレーションの固定されるべき少なくとも1つの変数を決定するためのものである、ステップと、
前記デジタルコンピュータを用いて、前記変数選択基準に合致する少なくとも1つの変数と各変数についての対応する値とを決定するステップと、
前記デジタルコンピュータを用いて、前記離散的最適化を伴う問題に関して前記少なくとも1つの決定された変数を前記対応する値に固定して、それによって前記問題を前処理して、少なくとも1つの下位問題を生成するステップと、
前記デジタルコンピュータを用いて、前記少なくとも1つの生成済み下位問題についての指示と前記少なくとも1つの固定済み変数についての指示とを提供するステップとを含む、方法。 - 請求項1に記載の方法において、前記離散的最適化を伴う問題は2次無制約2値最適化問題及びイジング問題の1つを含む、方法。
- 請求項1に記載の方法において、前記最適化オラクルは量子アニーラを含む、方法。
- 請求項1〜3のいずれか1つに記載の方法において、前記所定回数たるM回にわたって前記所定の最適化オラクルアーキテクチャに適した前記問題を前記最適化オラクルに提供するステップは、並列的に行われる、方法。
- 請求項3に記載の方法において、前記最適化オラクルに対しての所定個数たるK個のコールを行うステップは、ランダムなゲージを用いて行われる、方法。
- 請求項1〜5のいずれか1つに記載の方法において、前記複数の生成済みコンフィギュレーションの所定変数が前記変数選択基準を満たすのは、前記所定変数についての対応する値が前記複数の生成済みコンフィギュレーションの丁度全てにおいて変化しないこととなる場合とされる、方法。
- 請求項1〜5のいずれか1つに記載の方法において、前記複数の生成済みコンフィギュレーションの所定変数が前記変数選択基準を満たすのは、前記所定変数についての対応する値が前記複数の生成済みコンフィギュレーションの絶対的多数において変化しないこととなる場合とされる、方法。
- 請求項7に記載の方法において、前記複数の生成済みコンフィギュレーションの前記絶対的多数は、ユーザによって定義される、方法。
- 複数の変数にわたっての離散的最適化を伴う問題を解くための方法であって、該方法は、
デジタルコンピュータを用いて、複数の変数にわたっての離散的最適化を伴う問題についての指示を、受信するステップと、
終了基準が充足されるまでは:
複数の変数にわたっての離散的最適化を伴う問題を、請求項1〜8のいずれか1つに記載の方法を用いて、再帰的に前処理して、複数の下位問題を生成するステップと、
複数の対応する解を提供するために前記複数の生成済み下位問題の各々を解くステップと、
前記デジタルコンピュータを用いて、前記複数の対応する解を提供するステップとを含む、方法。 - 請求項9に記載の複数の変数にわたっての離散的最適化を伴う問題を解くための方法において、前記終了基準が満たされるのは、前記複数の生成済み下位問題の変数個数が所定変数個数よりも小さい場合とされる、方法。
- 請求項9に記載の複数の変数にわたっての離散的最適化を伴う問題を解くための方法において、前記終了基準が満たされるのは、所定量のサイズ削減が前記離散的最適化を伴う問題について達成された場合とされる、方法。
- 請求項9に記載の複数の変数にわたっての離散的最適化を伴う問題を解くための方法において、前記終了基準が満たされるのは、効率的最適化問題ソルバを用いて前記複数の生成済み下位問題を解くことが可能となっている場合とされる、方法。
- 請求項9〜11のいずれか1つに記載の複数の変数にわたっての離散的最適化を伴う問題を解くための方法において、前記複数の生成済み下位問題の各々について行う解決は、前記最適化オラクルを用いて行われる、方法。
- 請求項9〜12のいずれか1つに記載の複数の変数にわたっての離散的最適化を伴う問題を解くための方法において、前記複数の生成済み下位問題の各々について行う解決は、前記デジタルコンピュータを用いて行われる、方法。
- 請求項9〜14のいずれか1つに記載の複数の変数にわたっての離散的最適化を伴う問題を解くための方法において、前記複数の対応する解は、前記デジタルコンピュータと対話しているユーザに対して提供される、方法。
- 請求項9〜14のいずれか1つに記載の複数の変数にわたっての離散的最適化を伴う問題を解くための方法において、前記複数の対応する解を提供するステップは、前記デジタルコンピュータと動作可能に接続された別のコンピュータに前記複数の対応する解を提供することを含む、方法。
- 請求項9〜11のいずれか1つに記載の複数の変数にわたっての離散的最適化を伴う問題を解くための方法において、前記複数の下位問題の各々を解くステップは:
前記デジタルコンピュータを用いて、少なくとも1つの下位問題の第1群を前記最適化オラクルに提供するステップと、
前記デジタルコンピュータを用いて、前記最適化オラクルから、前記第1群の下位問題の各々についての解を取得するステップと、
前記デジタルコンピュータを用いて、少なくとも1つの下位問題の第2群を古典型ソルバに提供するステップと、
前記デジタルコンピュータを用いて、前記古典型ソルバから、前記第2群の前記下位問題の各々について少なくとも1つの対応する解を取得するステップとを含む、方法。 - 請求項17に記載の複数の変数にわたっての離散的最適化を伴う問題を解くための方法において、少なくとも1つの下位問題の前記第1群及び少なくとも1つの下位問題の前記第2群は、前記複数の下位問題のサイズに基づいて決定される、方法。
- デジタルコンピュータであって、
中央処理装置と、
表示装置と、
前記デジタルコンピュータを最適化オラクルと動作可能に接続するための通信ポートと、
複数の変数にわたっての離散的最適化を伴う問題を前処理するためのアプリケーションを含むメモリ装置であって、該アプリケーションは:
離散的最適化を伴う問題についての指示を取得するための命令と、
前記離散的最適化を伴う問題を、前記最適化オラクルの所定の最適化オラクルアーキテクチャに適した問題に変換するための命令と、
所定回数たるM回にわたって前記所定の最適化オラクルアーキテクチャに適した前記問題を前記最適化オラクルに提供するための命令と、
前記最適化オラクルから、前記問題の提供毎に複数のコンフィギュレーションを取得するための命令であって、各コンフィギュレーションは前記最適化オラクルに対してのコールによって生成される、命令と、
変数選択基準を取得するための命令であって、前記変数選択基準は複数の生成済みコンフィギュレーションの固定されるべき少なくとも1つの変数を決定するためのものである、命令と、
前記変数選択基準に合致する少なくとも1つの変数と各変数についての対応する値とを決定するための命令と、
前記離散的最適化を伴う問題に関して前記少なくとも1つの決定された変数を前記対応する値に固定して、それによって前記問題を前処理して、少なくとも1つの下位問題を生成するための命令と、
前記少なくとも1つの生成済み下位問題についての指示と前記少なくとも1つの固定済み変数についての指示とを提供するための命令とを含む、メモリ装置と、
前記中央処理装置と前記表示装置と前記通信ポートと前記メモリ装置とを相互接続するためのデータバスとを含む、デジタルコンピュータ。 - コンピュータ実行可能命令を格納するための非一時的コンピュータ可読記憶媒体であって、該命令が実行されると複数の変数にわたっての離散的最適化を伴う問題について前処理を行うための方法をデジタルコンピュータに行わせることになり、該方法は、
離散的最適化を伴う問題についての指示を取得するステップと、
前記離散的最適化を伴う問題を、前記最適化オラクルの所定の最適化オラクルアーキテクチャに適した問題に変換するステップと、
所定回数たるM回にわたって前記所定の最適化オラクルアーキテクチャに適した前記問題を前記最適化オラクルに提供するステップと、
前記最適化オラクルから、前記問題の提供毎に複数のコンフィギュレーションを取得するステップであって、各コンフィギュレーションは前記最適化オラクルに対してのコールによって生成される、ステップと、
変数選択基準を取得するステップであって、前記変数選択基準は複数の生成済みコンフィギュレーションの固定されるべき少なくとも1つの変数を決定するためのものである、ステップと、
前記変数選択基準に合致する少なくとも1つの変数と各変数についての対応する値とを決定するステップと、
前記離散的最適化を伴う問題に関して前記少なくとも1つの決定された変数を前記対応する値に固定して、それによって前記問題を前処理して、少なくとも1つの下位問題を生成するステップと、
前記少なくとも1つの生成済み下位問題についての指示と前記少なくとも1つの固定済み変数についての指示とを提供するステップとを含む、非一時的コンピュータ可読記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662302437P | 2016-03-02 | 2016-03-02 | |
US62/302,437 | 2016-03-02 | ||
PCT/IB2017/051224 WO2017149491A1 (en) | 2016-03-02 | 2017-03-02 | Method and system for decomposing a problem involving discrete optimization into a plurality of smaller subproblems and use of the method for solving the problem |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019512779A true JP2019512779A (ja) | 2019-05-16 |
JP6612469B2 JP6612469B2 (ja) | 2019-11-27 |
Family
ID=59724184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018545982A Active JP6612469B2 (ja) | 2016-03-02 | 2017-03-02 | 離散的最適化を伴う問題を複数のより小さな下位問題に分解する方法及びシステム並びに問題を解くためのそれらの使用 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10152454B2 (ja) |
EP (1) | EP3423952A4 (ja) |
JP (1) | JP6612469B2 (ja) |
CA (1) | CA3015034C (ja) |
WO (1) | WO2017149491A1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021047533A (ja) * | 2019-09-17 | 2021-03-25 | 株式会社豊田中央研究所 | 演算装置、演算システム、演算方法、およびコンピュータプログラム |
JP2023524236A (ja) * | 2020-05-01 | 2023-06-09 | 富士通株式会社 | サロゲート二値最適化 |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11797641B2 (en) | 2015-02-03 | 2023-10-24 | 1Qb Information Technologies Inc. | Method and system for solving the lagrangian dual of a constrained binary quadratic programming problem using a quantum annealer |
CA2881033C (en) | 2015-02-03 | 2016-03-15 | 1Qb Information Technologies Inc. | Method and system for solving lagrangian dual of a constrained binary quadratic programming problem |
JP6966177B2 (ja) | 2016-03-11 | 2021-11-10 | ワンキュービー インフォメーション テクノロジーズ インク. | 量子計算のための方法及びシステム |
US9870273B2 (en) | 2016-06-13 | 2018-01-16 | 1Qb Information Technologies Inc. | Methods and systems for quantum ready and quantum enabled computations |
US10044638B2 (en) | 2016-05-26 | 2018-08-07 | 1Qb Information Technologies Inc. | Methods and systems for quantum computing |
US10884721B2 (en) * | 2018-05-08 | 2021-01-05 | Autodesk, Inc. | Branch objects for dependent optimization problems |
US20190391807A1 (en) * | 2018-06-20 | 2019-12-26 | Fujitsu Limited | Computer-readable recording medium storing optimization problem computing program and optimization problem computing system |
US11574030B1 (en) * | 2018-10-29 | 2023-02-07 | Rigetti & Co, Llc | Solving optimization problems using a hybrid computer system |
US11669763B2 (en) * | 2018-12-19 | 2023-06-06 | Microsoft Technology Licensing, Llc | Quantum procedures for approximate optimization by quenching |
US11182688B2 (en) | 2019-01-30 | 2021-11-23 | International Business Machines Corporation | Producing a formulation based on prior distributions of a number of ingredients used in the formulation |
CA3126553A1 (en) | 2019-06-19 | 2020-12-24 | 1Qb Information Technologies Inc. | Method and system for mapping a dataset from a hilbert space of a given dimension to a hilbert space of a different dimension |
EP3754564A1 (en) * | 2019-06-21 | 2020-12-23 | Fujitsu Limited | Ising machine data input apparatus and method of inputting data into an ising machine |
JP2021131611A (ja) * | 2020-02-18 | 2021-09-09 | 富士通株式会社 | 情報処理装置、プログラム、情報処理方法および情報処理システム |
US11386348B2 (en) | 2020-06-02 | 2022-07-12 | International Business Machines Corporation | Dynamic quantum data output post-processing |
US11526336B2 (en) | 2021-03-15 | 2022-12-13 | Fujitsu Limited | Community-oriented, cloud-based digital annealing platform |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8977576B2 (en) * | 2010-11-19 | 2015-03-10 | D-Wave Systems Inc. | Methods for solving computational problems using a quantum processor |
US9875215B2 (en) * | 2012-12-18 | 2018-01-23 | D-Wave Systems Inc. | Systems and methods that formulate problems for solving by a quantum processor using hardware graph decomposition |
CN108256651B (zh) * | 2013-06-28 | 2022-09-06 | D-波系统公司 | 用于对数据进行量子处理的方法 |
WO2015060915A2 (en) * | 2013-07-29 | 2015-04-30 | President And Fellows Of Harvard College | Quantum processor problem compilation |
US10275422B2 (en) * | 2013-11-19 | 2019-04-30 | D-Wave Systems, Inc. | Systems and methods for finding quantum binary optimization problems |
CN107077642B (zh) * | 2014-08-22 | 2021-04-06 | D-波系统公司 | 可用于量子计算的用于求解问题的系统和方法 |
CA2881033C (en) * | 2015-02-03 | 2016-03-15 | 1Qb Information Technologies Inc. | Method and system for solving lagrangian dual of a constrained binary quadratic programming problem |
US9870273B2 (en) * | 2016-06-13 | 2018-01-16 | 1Qb Information Technologies Inc. | Methods and systems for quantum ready and quantum enabled computations |
-
2017
- 2017-03-02 EP EP17759358.9A patent/EP3423952A4/en active Pending
- 2017-03-02 JP JP2018545982A patent/JP6612469B2/ja active Active
- 2017-03-02 WO PCT/IB2017/051224 patent/WO2017149491A1/en active Application Filing
- 2017-03-02 US US15/447,879 patent/US10152454B2/en active Active
- 2017-03-02 CA CA3015034A patent/CA3015034C/en active Active
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021047533A (ja) * | 2019-09-17 | 2021-03-25 | 株式会社豊田中央研究所 | 演算装置、演算システム、演算方法、およびコンピュータプログラム |
JP7040505B2 (ja) | 2019-09-17 | 2022-03-23 | 株式会社豊田中央研究所 | 演算装置、演算システム、演算方法、およびコンピュータプログラム |
JP2023524236A (ja) * | 2020-05-01 | 2023-06-09 | 富士通株式会社 | サロゲート二値最適化 |
JP7435826B2 (ja) | 2020-05-01 | 2024-02-21 | 富士通株式会社 | サロゲート二値最適化 |
Also Published As
Publication number | Publication date |
---|---|
JP6612469B2 (ja) | 2019-11-27 |
EP3423952A1 (en) | 2019-01-09 |
CA3015034A1 (en) | 2017-09-08 |
US20170255592A1 (en) | 2017-09-07 |
EP3423952A4 (en) | 2019-10-30 |
WO2017149491A1 (en) | 2017-09-08 |
CA3015034C (en) | 2022-06-21 |
US10152454B2 (en) | 2018-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6612469B2 (ja) | 離散的最適化を伴う問題を複数のより小さな下位問題に分解する方法及びシステム並びに問題を解くためのそれらの使用 | |
US20210374499A1 (en) | Iterative deep graph learning for graph neural networks | |
US10628212B2 (en) | Incremental parallel processing of data | |
US10902183B2 (en) | Automated tagging of text | |
US9934260B2 (en) | Streamlined analytic model training and scoring system | |
US9495207B1 (en) | Cataloging data sets for reuse in pipeline applications | |
Guo et al. | Community discovery by propagating local and global information based on the MapReduce model | |
CN111427971B (zh) | 用于计算机系统的业务建模方法、装置、系统和介质 | |
CN109983456A (zh) | 存储器内密钥范围搜索技术 | |
AU2020393787B2 (en) | Method and system for generating synthethic data using a regression model while preserving statistical properties of underlying data | |
US20130151519A1 (en) | Ranking Programs in a Marketplace System | |
Wang et al. | GP-based approach to comprehensive quality-aware automated semantic web service composition | |
EP3516540A1 (en) | Techniques for in-memory data searching | |
Qiu et al. | Cost minimization for heterogeneous systems with Gaussian distribution execution time | |
Kastrati et al. | An improved concept vector space model for ontology based classification | |
Zhu et al. | Scalable inference in max-margin topic models | |
US11640379B2 (en) | Metadata decomposition for graph transformation | |
Bante et al. | Big data analytics using hadoop map reduce framework and data migration process | |
Li et al. | Synthesis of Deutsch-Jozsa circuits and verification by IBM Q | |
Meddah et al. | Parallel Mining Small Patterns from Business Process Traces | |
Jefferson et al. | A Resource-optimized and Accelerated Sentiment Analysis Method using Serverless Computing | |
Dong et al. | An inexact penalty decomposition method for sparse optimization | |
Harsh et al. | Big Data hysteria, cognizance and scope | |
Abdulkadium et al. | Raid Abd Alreda Shekan | |
Shanmugam et al. | A novel approach to predictive graphs using big data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181015 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20191004 |
|
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: 20191015 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191030 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6612469 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |