JP2020027426A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- JP2020027426A JP2020027426A JP2018151808A JP2018151808A JP2020027426A JP 2020027426 A JP2020027426 A JP 2020027426A JP 2018151808 A JP2018151808 A JP 2018151808A JP 2018151808 A JP2018151808 A JP 2018151808A JP 2020027426 A JP2020027426 A JP 2020027426A
- Authority
- JP
- Japan
- Prior art keywords
- bits
- bit
- update
- value
- selection circuit
- 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
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- 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
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- 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
- G06N3/047—Probabilistic or stochastic networks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Neurology (AREA)
- Probability & Statistics with Applications (AREA)
- Complex Calculations (AREA)
- Feedback Control In General (AREA)
Abstract
Description
以下に示す最適化システムは、計算対象の問題を変換したイジングモデルに含まれる複数のスピンに対応する複数のビットのそれぞれの値の組み合わせ(状態)のうち、エネルギー関数が最小値となるときの各ビットの値(基底状態)を探索するものである。
また、変数xiの値が変化して1−xiとなると、変数xiの増加分は、Δxi=(1−xi)−xi=1−2xiと表せる。スピン反転(値の変化)に伴うエネルギー変化ΔEiは、以下の式(2)で表される。
図1は、第1の実施の形態の最適化システムの一例を示す図である。
第1の実施の形態の最適化システム10は、最適化装置11a1〜11an、制御部12、制御装置13を有する。
全ビット数=Nの場合、重み係数の総数はN2である。1つのチップ当たりに記憶できる重み係数の数の上限をWとした場合、チップ数(最適化装置の数)=nは、n≧N2/Wとなる。ただ、各チップのリソースを効率よく利用するために、nは、n≧N2/Wを満たす最小値とすればよい。たとえば、N=4000、W=4×106の場合、N2/W=4となるため、n=4とすればよい。その場合、1つ目のチップが識別情報(index)=1〜1000のビットに関する重み係数群を記憶し、2つ目のチップがindex=1001〜2000のビットに関する重み係数群を記憶する。そして、3つ目のチップがindex=2001〜3000のビットに関する重み係数群を記憶し、4つ目のチップがindex=2001〜4000のビットに関する重み係数群を記憶すればよい。なお、各チップは、互いに異なる数のビットに関する重み係数群を記憶してもよい。
記憶部11b1は、イジングモデルに含まれる全スピンに対応する全ビットの間の相互作用の大きさを示す重み係数W11〜WNNのうち、m(mは2以上の整数)個のビット(index=1〜mのビット)に関する重み係数群を保持している。重み係数W11,W12,…,W1Nは、index=1のビットに関する重み係数群、重み係数W21,W22,…,W2Nは、index=2のビットに関する重み係数群、重み係数Wm1,Wm2,…,WmNは、index=mのビットに関する重み係数群である。
ビット値演算回路部11c1は、記憶部11b1に記憶された重み係数群を取得し、制御部12から、全ビットのうち更新された更新ビットの値と、更新ビットを識別するindexとを受ける。そして、ビット値演算回路部11c1は、それらに基づいて、m個のビットの何れか1つが変化することによるイジングモデルのエネルギー変化をm個のビットのそれぞれについて算出する。さらに、ビット値演算回路部11c1は、熱励起エネルギーと、m個のビットのそれぞれについて算出したエネルギー変化との大小関係に基づいて、更新を許容するか否かを判定する。そして、ビット値演算回路部11c1は、m個のビットのそれぞれについての更新を許容するか否かの判定結果を示すフラグ情報と、m個のビットのうち更新が許容されたビット(許容ビット)の更新後の値と、を出力する。
図1の例では、ビット値演算回路部11c1は、m個のビット値演算回路11c11,11c12,…,11c1mを有する。
選択回路部11d1は、フラグ情報に基づいて、1つの許容ビットを選択し、選択した許容ビットについてのフラグ情報、更新後の値及び、その許容ビットを識別する識別情報を含む状態信号を出力する。選択回路部11d1の例については後述する。
選択回路部12aは、選択回路部11d1〜11dnがそれぞれ出力する状態信号を受け、状態信号に含まれるフラグ情報に基づいて更新ビットを決定し、更新ビットの値と、更新ビットのindexとを、最適化装置11a1〜11anのそれぞれに供給する。図1の例では、選択回路部12aは、index=iのビットの値(変数xi)及びindex=iの他に、フラグ情報(flgi)についてもビット値演算回路部11c1〜11cnに供給している。
制御部12は、たとえば、ASIC(Application Specific Integrated Circuit)やFPGAなどの特定用途の電子回路にて実現できる。なお、制御部12は、CPU(Central Processing Unit)やDSP(Digital Signal Processor)などのプロセッサを含んでいてもよい。その場合、プロセッサは、図示しないメモリに記憶されたプログラムを実行することで、上記のような重み係数の記憶制御や温度パラメータTの制御を行う。また、重み係数を設定する機能や温度パラメータTを制御する機能は、制御装置13に含まれていてもよい。
図2は、ビット値演算回路の一例を示す図である。図2では、図1に示したビット値演算回路11c11の例が示されている。図1に示した他のビット値演算回路についても同様の回路により実現できる。
ΔE計算部20は、選択回路20a,20b、乗算器20c、加算器20d、レジスタ20e、乗算器20f、選択回路20gを有する。
選択回路20bは、式(3)のΔxiの演算を実現するものである。前述のように、変数xiが1から0に変化するとき、Δxiは−1となり、変数xiが0から1に変化するとき、Δxiは1となる。選択回路20bは、選択回路部12aから供給される変数xi(index=iのビットの値の更新値)が0のときには、−1を選択して出力し、変数xiが1のときには、1を選択して出力する。
加算器20dは、乗算器20cが出力する値と、レジスタ20eに格納されている値とを加算して出力する。
選択回路20gは、Δx1の演算を実現するものである。選択回路20gは、変数x1a(index=1のビットが変化した場合の値)が0のときは、1を出力し、変数x1aが1のときは−1を出力する。
符号反転部21aは、エネルギー変化ΔE1に−1を掛けて符号を反転させる。
選択法則適用部21dは、シミュレーテッド・アニーリングを行うための選択法則(メトロポリス法またはギブス法)に基づいた値を出力する。
式(4)で表される許容確率A(ΔE,T)を用いた場合、十分な反復後に定常状態に達したとすると、各状態の占有確率は熱力学における熱平衡状態に対するボルツマン分布にしたがう。そして、高い温度から徐々に下げていくとエネルギーの低い状態の占有確率が増加するため、十分温度が下がるとエネルギーの低い状態が得られるはずである。この様子が材料を焼き鈍したときの状態変化とよく似ているため、この方法はシミュレーテッド・アニーリングと呼ばれるのである。このとき、エネルギーが上がる状態遷移が確率的に起こることは、物理学における熱励起に相当する。
比較回路21fは、オフセット加算部21bによる加算結果と、T・f−1(r)とを比較し、加算結果が、T・f−1(r)より大きい場合、flg1=1を出力し、T・f−1(r)より小さい場合、flg1=0を出力する。
選択回路22aは、flg1=0のときは、変数x1(index=1のビットの現在の値)を選択して出力し、flg1=1のときはインバータ回路22cの出力値(前述の変数x1aに相当する)を選択して出力する。変数x1として、たとえば、図1に示した状態保持部12bに保持されている値が用いられる。
(選択回路部の一例)
図3は、選択回路部の一例を示す図である。
乱数ビット発生回路30a1〜30apのそれぞれは、1ビットの乱数を出力する。
また、選択回路部12aも選択回路部11d1と同様の回路構成であり、それぞれ1ビットの乱数を出力する乱数ビット発生回路32a1〜32asと、複数段にわたってツリー状に接続された複数の選択回路を有する。
選択回路31b1は、OR(論理和)回路40、NAND(否定論理積)回路41、選択回路42,43,44を有する。
選択回路42は、NAND回路41の出力が0のときは、乱数ビット発生回路30a2が出力する乱数(0または1)を選択して出力し、NAND回路41の出力が1のときは、flgbの値を選択して出力する。
図3に示した選択回路部11d1の初段の選択回路31a1〜31aqも、図4に示した選択回路31b1の回路構成とほぼ同様の回路構成で実現できるが、選択回路43はない。
図5は、第1の実施の形態の最適化システムの動作の一例の流れを示すフローチャートである。
そして、ビット値演算回路11c11〜11cnmのそれぞれと、選択回路部11d1〜11dn,12aによる前述の処理により、更新ビットの選択が行われる(ステップS6)。
制御部12は、ステップS3〜S8の更新処理が所定回数N1、繰り返されたか否かを判定する(ステップS9)。更新処理が所定回数N1、繰り返されていない場合には、ステップS3〜S8の更新処理が繰り返される。
温度変更回数が所定回数N2に達していない場合、制御部12は、温度パラメータを変更する(温度を下げる)(ステップS11)。所定回数N1,N2、温度パラメータの値の変更の仕方(一度に値をどのくらい小さくするかなど)は、アニーリング条件に基づいて決定される。ステップS11の処理後、ステップS3からの処理が繰り返される。
図6は、第2の実施の形態の最適化システムの一例を示す図である。図6において、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。
第2の実施の形態の最適化システム50では、選択回路部51b1〜51bnと、選択回路部52a内に設けられたパスを用いて、変数xi、index=i、flgiがビット値演算回路部11c1〜11cnに供給される。これにより、第1の実施の形態の最適化システム10のように、選択回路部12aが、変数xi、index=i、flgiを、ビット値演算回路部11c1〜11cnにブロードキャストするよりも、配線リソースの増加を抑制できる。
ところで、上記の第1及び第2の実施の形態の最適化システム10,50において制御部12,52の重み係数の記憶制御や温度パラメータTの制御を行う機能は、たとえば、PCなどの制御装置内のプロセッサが制御プログラムを実行することで実現してもよい。
制御装置60は、CPU61、RAM62、HDD(Hard Disk Drive)63、画像信号処理部64、入力信号処理部65、媒体リーダ66、通信インタフェース67及びインタフェース68を有する。上記ユニットは、バスに接続されている。
制御装置60は、全重み係数を、前述のようにn(n≧N2/W)個の重み係数群に分割して、最適化装置68a1〜68anのそれぞれの記憶部に記憶する(ステップS20)。
その後、制御装置60は、たとえば、最適化装置68a1〜68anが前述の更新処理を行うたびに送信する信号を受信し、更新処理が所定回数N1、繰り返されたか否かを判定する(ステップS22)。更新処理が所定回数N1、繰り返されていない場合には、ステップS22の処理が繰り返される。
なお、前述のように、上記の制御装置60の処理内容は、コンピュータにプログラムを実行させることで実現できる。
11a1〜11an 最適化装置
11b1〜11bn 記憶部
11c1〜11cn ビット値演算回路部
11c11〜11cnm ビット値演算回路
11d1〜11dn,12a 選択回路部
12 制御部
12b 状態保持部
13 制御装置
Claims (5)
- 計算対象の問題を変換したイジングモデルに含まれる全スピンに対応する全ビットの間の相互作用の大きさを示す複数の重み係数を、2つ以上のビットに関する重み係数をそれぞれ含むように分割した、n(nは2以上の整数)個の重み係数群のうちの1つの重み係数群を記憶する記憶部と、
前記1つの重み係数群と、前記全ビットのうち更新された更新ビットの値と、前記更新ビットを識別する第1の識別情報に基づいて、前記2つ以上のビットの何れか1つが変化することによる前記イジングモデルのエネルギー変化を前記2つ以上のビットのそれぞれについて算出し、乱数と温度パラメータとに基づいて決定される熱励起エネルギーと、前記エネルギー変化との大小関係に基づいて、前記2つ以上のビットのそれぞれについて更新を許容するか否かを判定し、更新を許容するか否かの判定結果を示すフラグ情報と、前記2つ以上のビットのうち更新が許容された許容ビットの更新後の値を出力するビット値演算回路部と、
前記フラグ情報に基づいて、1つの前記許容ビットを選択し、選択した前記許容ビットについての前記フラグ情報、前記更新後の値及び、選択した前記許容ビットを識別する第2の識別情報と、を含む状態信号を出力する第1の選択回路部と、
をそれぞれが有し、互いに異なる前記1つの重み係数群に基づいて、前記状態信号をそれぞれ出力するn個の最適化装置と、
前記n個の最適化装置の前記第1の選択回路部がそれぞれ出力する前記状態信号に含まれる前記フラグ情報に基づいて前記更新ビットを決定し、前記更新ビットの値と、前記更新ビットを識別する前記第1の識別情報を、前記n個の最適化装置のそれぞれに供給する第2の選択回路部と、
を有する最適化システム。 - 前記nは、前記全ビットの数の二乗を、前記n個の最適化装置の前記記憶部がそれぞれ記憶可能な前記重み係数の数の上限で割った値以上であり、
前記n個の最適化装置の前記記憶部は、前記全ビットの数を前記nで割った数のビットに関する前記重み係数を含む前記1つの重み係数群をそれぞれ記憶する、
請求項1に記載の最適化システム。 - 前記第2の選択回路部は、前記更新ビットの値と前記第1の識別情報を、前記第2の選択回路部に設けられた第1のパスを介して、前記n個の最適化装置のそれぞれの前記第1の選択回路部に供給し、
前記n個の最適化装置のそれぞれの前記第1の選択回路部は、前記第2の選択回路部から供給された前記更新ビットの値と前記第1の識別情報を、前記第1の選択回路部に設けられた第2のパスを介して、自身と同じ最適化装置に含まれる前記ビット値演算回路部に供給する、
請求項1または2に記載の最適化システム。 - 計算対象の問題を変換したイジングモデルに含まれる全スピンに対応する全ビットの間の相互作用の大きさを示す複数の重み係数を、2つ以上のビットに関する重み係数をそれぞれ含むように分割した、n(nは2以上の整数)個の重み係数群のうちの1つの重み係数群を記憶する記憶部と、前記1つの重み係数群と、前記全ビットのうち更新された更新ビットの値と、前記更新ビットを識別する第1の識別情報に基づいて、前記2つ以上のビットの何れか1つが変化することによる前記イジングモデルのエネルギー変化を前記2つ以上のビットのそれぞれについて算出し、乱数と温度パラメータとに基づいて決定される熱励起エネルギーと、前記エネルギー変化との大小関係に基づいて、前記2つ以上のビットのそれぞれについて更新を許容するか否かを判定し、更新を許容するか否かの判定結果を示すフラグ情報と、前記2つ以上のビットのうち更新が許容された許容ビットの更新後の値を出力するビット値演算回路部と、前記フラグ情報に基づいて、1つの前記許容ビットを選択し、選択した前記許容ビットについての前記フラグ情報、前記更新後の値及び、選択した前記許容ビットを識別する第2の識別情報と、を含む状態信号を出力する第1の選択回路部と、をそれぞれが有し、互いに異なる前記1つの重み係数群に基づいて、前記状態信号をそれぞれ出力するn個の最適化装置と、
前記n個の最適化装置の前記第1の選択回路部がそれぞれ出力する前記状態信号に含まれる前記フラグ情報に基づいて前記更新ビットを決定し、前記更新ビットの値と、前記更新ビットを識別する前記第1の識別情報を、前記n個の最適化装置のそれぞれに供給する第2の選択回路部と、
を有する最適化システムに対して、
制御装置が、前記複数の重み係数を前記n個の重み係数群に分割し、分割した前記n個の重み係数群のそれぞれを、前記n個の最適化装置のうち、互いに異なる最適化装置の前記記憶部に記憶し、
前記制御装置が、前記温度パラメータの大きさを制御する、
最適化システムの制御方法。 - 計算対象の問題を変換したイジングモデルに含まれる全スピンに対応する全ビットの間の相互作用の大きさを示す複数の重み係数を、2つ以上のビットに関する重み係数をそれぞれ含むように分割した、n(nは2以上の整数)個の重み係数群のうちの1つの重み係数群を記憶する記憶部と、前記1つの重み係数群と、前記全ビットのうち更新された更新ビットの値と、前記更新ビットを識別する第1の識別情報に基づいて、前記2つ以上のビットの何れか1つが変化することによる前記イジングモデルのエネルギー変化を前記2つ以上のビットのそれぞれについて算出し、乱数と温度パラメータとに基づいて決定される熱励起エネルギーと、前記エネルギー変化との大小関係に基づいて、前記2つ以上のビットのそれぞれについて更新を許容するか否かを判定し、更新を許容するか否かの判定結果を示すフラグ情報と、前記2つ以上のビットのうち更新が許容された許容ビットの更新後の値を出力するビット値演算回路部と、前記フラグ情報に基づいて、1つの前記許容ビットを選択し、選択した前記許容ビットについての前記フラグ情報、前記更新後の値及び、選択した前記許容ビットを識別する第2の識別情報と、を含む状態信号を出力する第1の選択回路部と、をそれぞれが有し、互いに異なる前記1つの重み係数群に基づいて、前記状態信号をそれぞれ出力するn個の最適化装置と、
前記n個の最適化装置の前記第1の選択回路部がそれぞれ出力する前記状態信号に含まれる前記フラグ情報に基づいて前記更新ビットを決定し、前記更新ビットの値と、前記更新ビットを識別する前記第1の識別情報を、前記n個の最適化装置のそれぞれに供給する第2の選択回路部と、
を有する最適化システムに対して、
前記複数の重み係数を前記n個の重み係数群に分割し、分割した前記n個の重み係数群のそれぞれを、前記n個の最適化装置のうち、互いに異なる最適化装置の前記記憶部に記憶し、
前記温度パラメータの大きさを制御する、
処理をコンピュータに実行させる最適化システムの制御プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018151808A JP7100254B2 (ja) | 2018-08-10 | 2018-08-10 | 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 |
US16/518,103 US11468287B2 (en) | 2018-08-10 | 2019-07-22 | Information processing system, information processing apparatus, and information processing method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018151808A JP7100254B2 (ja) | 2018-08-10 | 2018-08-10 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020027426A true JP2020027426A (ja) | 2020-02-20 |
JP7100254B2 JP7100254B2 (ja) | 2022-07-13 |
Family
ID=69406102
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018151808A Active JP7100254B2 (ja) | 2018-08-10 | 2018-08-10 | 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 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11468287B2 (ja) |
JP (1) | JP7100254B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6788117B2 (ja) * | 2016-12-05 | 2020-11-18 | 1キュービー インフォメーション テクノロジーズ インコーポレイテッド1Qb Information Technologies Inc. | 横磁場量子イジング模型の熱力学的特性を推定するための方法 |
JP7206476B2 (ja) * | 2018-09-14 | 2023-01-18 | 富士通株式会社 | 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 |
JP7137064B2 (ja) * | 2018-10-19 | 2022-09-14 | 富士通株式会社 | 最適化装置及び最適化装置の制御方法 |
JP7174244B2 (ja) * | 2018-12-26 | 2022-11-17 | 富士通株式会社 | 最適化装置及び最適化装置の制御方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07200517A (ja) * | 1993-12-29 | 1995-08-04 | Toshiba Corp | 並列型確率的最適化法 |
JP2017219948A (ja) * | 2016-06-06 | 2017-12-14 | 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 |
JP2018041351A (ja) * | 2016-09-09 | 2018-03-15 | 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 |
JP2018063626A (ja) * | 2016-10-14 | 2018-04-19 | 富士通株式会社 | 最適化装置及び最適化装置の制御方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5243599A (en) | 1991-06-05 | 1993-09-07 | International Business Machines Corporation | Tree-type multiplexers and methods for configuring the same |
-
2018
- 2018-08-10 JP JP2018151808A patent/JP7100254B2/ja active Active
-
2019
- 2019-07-22 US US16/518,103 patent/US11468287B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07200517A (ja) * | 1993-12-29 | 1995-08-04 | Toshiba Corp | 並列型確率的最適化法 |
JP2017219948A (ja) * | 2016-06-06 | 2017-12-14 | 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 |
JP2018041351A (ja) * | 2016-09-09 | 2018-03-15 | 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 |
JP2018063626A (ja) * | 2016-10-14 | 2018-04-19 | 富士通株式会社 | 最適化装置及び最適化装置の制御方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7100254B2 (ja) | 2022-07-13 |
US20200050921A1 (en) | 2020-02-13 |
US11468287B2 (en) | 2022-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7206476B2 (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 | |
JP7100254B2 (ja) | 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 | |
JP7071638B2 (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 | |
JP7093009B2 (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 | |
JP7007585B2 (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 | |
JP7185140B2 (ja) | 最適化装置及び最適化装置の制御方法 | |
JP7100257B2 (ja) | 最適化装置及び最適化装置の制御方法 | |
JP2014199545A (ja) | プログラム、並列演算方法および情報処理装置 | |
EP3885999A1 (en) | Optimization apparatus, optimization method, and program | |
JP7137064B2 (ja) | 最適化装置及び最適化装置の制御方法 | |
JP2020204928A (ja) | 最適化装置および最適化方法 | |
JPWO2020202312A1 (ja) | 情報処理装置、演算装置、及び情報処理方法 | |
WO2021220445A1 (ja) | 演算システム、情報処理装置、および最適解探索処理方法 | |
JP7201911B2 (ja) | 最適化装置および最適化装置の制御方法 | |
JP7111966B2 (ja) | 最適化装置及び最適化装置の制御方法 | |
JP7181454B2 (ja) | 最適化装置、最適化装置の制御方法および最適化装置の制御プログラム | |
JP7219402B2 (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 | |
JPWO2020054062A1 (ja) | 最適化装置および最適化装置の制御方法 | |
US20210173978A1 (en) | Optimization device, optimization device control method, and computer-readable recording medium recording optimization device control program | |
US20240111833A1 (en) | Data processing apparatus and data processing method | |
JP2023028347A (ja) | プログラム、データ処理方法及びデータ処理装置 | |
JP2021131723A (ja) | 情報処理方法、情報処理装置及びプログラム | |
JP2023024085A (ja) | プログラム、データ処理方法及びデータ処理装置 | |
JP2023001644A (ja) | データ処理装置、プログラム及びデータ処理方法 | |
JP2022158585A (ja) | 最適化プログラム、最適化方法及び最適化装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210513 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20210524 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20210524 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220523 |
|
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: 20220531 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220613 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7100254 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |