JP2021157360A - 最適化装置及び最適化方法 - Google Patents
最適化装置及び最適化方法 Download PDFInfo
- Publication number
- JP2021157360A JP2021157360A JP2020055372A JP2020055372A JP2021157360A JP 2021157360 A JP2021157360 A JP 2021157360A JP 2020055372 A JP2020055372 A JP 2020055372A JP 2020055372 A JP2020055372 A JP 2020055372A JP 2021157360 A JP2021157360 A JP 2021157360A
- Authority
- JP
- Japan
- Prior art keywords
- state variables
- columns
- group
- coefficient group
- state
- 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
- 238000000034 method Methods 0.000 title claims description 89
- 238000005457 optimization Methods 0.000 title claims description 45
- 230000008859 change Effects 0.000 claims abstract description 60
- 230000008569 process Effects 0.000 claims description 47
- 230000005366 Ising model Effects 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 4
- 230000000630 rising effect Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 19
- 238000003384 imaging method Methods 0.000 abstract 1
- 230000000452 restraining effect Effects 0.000 abstract 1
- 239000011159 matrix material Substances 0.000 description 18
- 238000000137 annealing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000007704 transition Effects 0.000 description 4
- 238000000342 Monte Carlo simulation Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000005283 ground state Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000000696 magnetic material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06E—OPTICAL COMPUTING DEVICES; COMPUTING DEVICES USING OTHER RADIATIONS WITH SIMILAR PROPERTIES
- G06E1/00—Devices for processing exclusively digital data
- G06E1/02—Devices for processing exclusively digital data operating upon the order or content of the data handled
- G06E1/04—Devices for processing exclusively digital data operating upon the order or content of the data handled for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation
- G06E1/045—Matrix or vector computation
-
- 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
- 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
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- 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
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Artificial Intelligence (AREA)
- Pure & Applied Mathematics (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Complex Calculations (AREA)
Abstract
Description
(第1の実施の形態)
図1は、第1の実施の形態の最適化装置の一例を示す図である。
イジングモデルのエネルギーは、たとえば、以下の式(1)に示すような評価関数(E(x))で定義される。
第1の実施の形態の最適化装置10は、記憶部11、複数(p個)の記憶部12a1,12a2,…,12ap、探索部13、制御部14を有する。
記憶部12a1〜12apの一例として、SRAMなどを用いることができる。なお、記憶部12a1〜12apは、1つの記憶装置(SRAMなど)の複数の記憶領域であってもよい。
探索部13は、1−Way 1−hot制約、または2−Way 1−hot制約を満たしつつ、状態変数を更新する更新処理を繰り返すことで、イジングモデルのエネルギーを最小化する最適解を探索し、探索結果を出力する処理をレプリカごとに行う。
図2の例では、それぞれ1−Way 1−hot制約をもつM個のグループが設けられている。各グループは、q個の状態変数を有する。たとえば、制御部14によって、グループインデックス=kのグループが指定された場合、探索部13は、全レプリカに対してグループインデックス=kのグループについての更新処理を行う。図2の例では、グループインデックス=kのグループ内のx<ki>が1であり、その他の状態変数(たとえば、x<kj>)が0となっている。iやjは、グループ内での状態変数のインデックスを示し、<ki>=(k−1)q+iである。なお、同じグループの状態変数であっても、どの状態変数が1または0であるかは、レプリカごとに独立である。
以上のことから、図2の例において、x<ki>が1から0、x<kj>が0から1に変化するときのエネルギー変化をΔEkと表記すると、式(4)からΔEkは以下の式(5)で表せる。
一方、2−Way 1−hot制約を満たしつつ更新処理が行われる場合、探索部13には、制御部14によって、全レプリカに共通の2列または2行が指定される。そして、探索部13は、記憶部11及び記憶部12a1〜12apに記憶されている重み係数群に基づいて、指定された2列または2行に含まれる状態変数の値を2列の間または2行の間で入れ替えを行うか否かの判定を行う。2−Way 1−hot制約が満たされている場合、各列、各行に含まれる複数の状態変数のうちの1つの値が1である。そのため2列または2行に含まれる状態変数の値を入れ替えても制約が満たされる。
図3の例では、2−Way 1−hot制約をもつN行N列(Nは2以上の整数)に配列された状態変数が示されている。たとえば、制御部14によって、列kと列k’が指定された場合、探索部13は、いずれのレプリカについても列kと列k’に含まれる状態変数について、更新処理を行う。
探索部13は、計算したエネルギー変化に基づいて、疑似焼き鈍し法やレプリカ交換法などを用いて、そのエネルギー変化を生じさせる状態変数の変化を受け入れるか否か(入れ替えを行うか否か)を判定する。探索部13は、式(1)のE(x)が小さくなる状態変数の変化を優先的に受け入れるが、E(x)が大きくなる変化についても確率的に許容する。つまり、ΔEkk’が正の値になる場合も、確率的に列kと列k’に含まれる状態変数の値の入れ替えを許容する。
また、探索部13は、値を0から1に更新した状態変数に関する重み係数群を記憶部11から読み出し、記憶部12a1〜12apに記憶させる。
探索部13は、たとえば、式(5)〜式(8)を計算する、加減算回路やセレクタなどを含むASIC(Application Specific Integrated Circuit)やFPGA(Field Programmable Gate Array)などの特定用途の電子回路にて実現できる。
制御部14は、たとえば、ASICやFPGAなどの特定用途の電子回路により実現できる。ただしこれに限定されず、制御部14は、CPU(Central Processing Unit)やGPU(Graphics Processing Unit)などのプロセッサであってもよい。
図4は、2−Way 1−hot制約をもつ問題に対する処理例を示す図である。
読み出し方1は、たとえば、64列の状態変数を16列ずつ選択してその16列の状態変数に関する重み係数群を記憶装置20から読み出していく方法である。読み出し方2は、たとえば、64行の状態変数を16行ずつ選択してその16行の状態変数に関する重み係数群を記憶装置20から読み出していく方法である。読み出し方3は、たとえば、64列の状態変数を4列ずつ選択してその4列の状態変数に関する重み係数群を記憶装置20から読み出していく方法である。読み出し方4は、たとえば、64行の状態変数を4行ずつ選択してその4行の状態変数に関する重み係数群を記憶装置20から読み出していく方法である。読み出し方5は、たとえば、64列の状態変数を8列ずつ選択してその8列の状態変数に関する重み係数群を記憶装置20から読み出していく方法である。読み出し方6は、たとえば、64行の状態変数を8行ずつ選択してその8行の状態変数に関する重み係数群を記憶装置20から読み出していく方法である。
図6は、第1の実施の形態の最適化装置の処理の一例の流れを示すフローチャートである。
制御部14は、記憶装置20に記憶されている複数の重み係数の一部である重み係数群を読み出して、記憶部11に記憶させる(ステップS3)。2回目以降のステップS3の処理では、記憶部11に記憶される重み係数群が入れ替えられる。ステップS3の処理後、制御部14は、更新処理の対象のグループまたは2列(2行でもよい。以下同じ)を探索部13に指定する(ステップS4)。
温度変更回数が所定回数N2に達していない場合、制御部14は、温度パラメータ(図6ではTと表記されている)を変更する(温度を下げる)(ステップS12)。所定回数N1,N2、T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S12の処理後、ステップS2からの処理が繰り返される。
また、上記では、各レプリカに対して同じ温度パラメータの値が割り当てられるが、レプリカ交換法が行われる場合、各レプリカに異なる温度パラメータの値が割り当てられる。そして、所定の更新処理回数ごとに、各レプリカのエネルギーや温度パラメータの値に基づく所定の交換確率で、レプリカ間で設定される温度パラメータの値または、状態変数の値が交換される。
変形例の最適化装置10aの記憶部11aは、2つの記憶部11a1,11a2を有している。記憶部11a1,11a2のそれぞれとして、たとえば、SRAMなどを用いることができる。
(第2の実施の形態)
図8は、第2の実施の形態の最適化装置の一例を示す図である。
重み係数行列には、2−Way 1−hot制約を受ける状態変数(以下2W1H変数)と、1−Way 1−hot制約を受ける状態変数(以下1W1H変数)と、1−hot制約を受けない状態変数(以下1bit変数)に関する重み係数が含まれる。図8の例では、計算対象の問題のサイズが6kで、2W1H変数が4k(64×64)個、1W1H変数が1k(64グループ、各グループは16変数)個、1bit変数が1k個である場合の、重み係数行列の例が示されている。
制御部34は、探索部33に処理させるグループ、2列または2行を指定する。制御部34は、処理させるグループ、2列または2行を所定の順序で指定する。
制御部34は、たとえば、ASICやFPGAなどの特定用途の電子回路により実現できる。ただしこれに限定されず、制御部34は、CPUやGPUなどのプロセッサであってもよい。
また、上記第1の実施の形態の最適化装置10と第2の実施の形態の最適化装置30の記憶部11,31と記憶部12a1〜12ap,32a1〜32apと探索部13の組は、複数組設けられていてもよい。
11,12a1〜12ap 記憶部
13 探索部
14 制御部
20 記憶装置
Claims (7)
- イジングモデルのエネルギーを表す評価関数に含まれる複数の状態変数のそれぞれの間の相互作用の大きさを示す複数の重み係数の少なくとも一部である、第1の重み係数群を記憶する第1の記憶部と、
前記複数の重み係数のうち、前記複数の状態変数をそれぞれ含む複数の状態変数群の何れかにおいての、値が1である状態変数に関する第2の重み係数群をそれぞれ記憶する複数の第2の記憶部と、
前記複数の状態変数のうちN(Nは2以上の整数)の2乗個の第1の状態変数をN行N列に並べたときに、指定された2列または2行に含まれる前記第1の状態変数の値を前記2列の間または前記2行の間で入れ替えを行うか否かを、前記第1の重み係数群及び前記第2の重み係数群を用いて計算される前記イジングモデルの前記エネルギーの変化量に基づいて判定し、各行と各列に含まれる前記第1の状態変数の値の和が1である第1の制約を満たしつつ、前記入れ替えによる更新を行う、または、前記複数の状態変数のうち指定されたグループに含まれる複数の第2の状態変数の値の何れか2つの値の更新を行うか否かを、前記エネルギーの前記変化量に基づいて判定し、前記グループに含まれる前記複数の第2の状態変数の和が1である第2の制約を満たしつつ、前記2つの値の更新を行う、更新処理を繰り返すことで前記エネルギーを最小化する最適解を探索し、探索結果を出力する処理を、前記複数の状態変数群のそれぞれについて行う探索部と、
前記複数の状態変数群に対して共通の、前記2列、前記2行、または前記グループを指定する制御部と、
を有する最適化装置。 - 前記制御部は、記憶装置に記憶されている前記複数の重み係数のうち、前記第1の重み係数群として読み出して前記第1の記憶部に記憶させる対象を、所定回数の前記更新処理ごとに入れ替える、請求項1に記載の最適化装置。
- 前記制御部は、前記記憶装置からの前記第1の重み係数群の読み出しを、複数の読み出し方を組み合わせて行う、請求項2に記載の最適化装置。
- 前記第1の記憶部は、第3の記憶部と第4の記憶部を有し、
前記制御部は、前記第1の重み係数群として前記第1の記憶部に記憶される第1の対象が前記第3の記憶部に記憶されており、前記第1の対象を用いて前記更新処理が行われているときに、前記第1の重み係数群として前記第1の記憶部に記憶される第2の対象を前記記憶装置から読み出して、前記第4の記憶部に記憶させる、
請求項2または3に記載の最適化装置。 - 前記複数の状態変数は、前記第1の制約を受ける前記Nの2乗個の前記第1の状態変数と、前記第2の制約を受ける前記複数の第2の状態変数と、前記第1の制約及び前記第2の制約を受けない第3の状態変数とを有し、
前記探索部は、前記第1の重み係数群または前記第2の重み係数群に基づいて、前記入れ替えによる更新、前記2つの値の更新、または1つの前記第3の状態変数の値の更新の何れかを行う、
請求項1乃至4の何れか一項に記載の最適化装置。 - 前記探索部は、前記更新処理の結果に基づいて、前記第1の重み係数群を用いて前記第2の重み係数群を更新する、
請求項1乃至5の何れか一項に記載の最適化装置。 - 第1の記憶部が、イジングモデルのエネルギーを表す評価関数に含まれる複数の状態変数のそれぞれの間の相互作用の大きさを示す複数の重み係数の少なくとも一部である、第1の重み係数群を記憶し、
複数の第2の記憶部のそれぞれが、前記複数の重み係数のうち、前記複数の状態変数をそれぞれ含む複数の状態変数群の何れかにおいての、値が1である状態変数に関する第2の重み係数群を記憶し、
探索部が、前記複数の状態変数のうちN(Nは2以上の整数)の2乗個の第1の状態変数をN行N列に並べたときに、指定された2列または2行に含まれる前記第1の状態変数の値を前記2列の間または前記2行の間で入れ替えを行うか否かを、前記第1の重み係数群及び前記第2の重み係数群を用いて計算される前記イジングモデルの前記エネルギーの変化量に基づいて判定し、各行と各列に含まれる前記第1の状態変数の値の和が1である第1の制約を満たしつつ、前記入れ替えによる更新を行う、または、前記複数の状態変数のうち指定されたグループに含まれる複数の第2の状態変数の値の何れか2つの値の更新を行うか否かを、前記エネルギーの前記変化量に基づいて判定し、前記グループに含まれる前記複数の第2の状態変数の和が1である第2の制約を満たしつつ、前記2つの値の更新を行う、更新処理を繰り返すことで前記エネルギーを最小化する最適解を探索し、探索結果を出力する処理を、前記複数の状態変数群のそれぞれについて行い、
制御部が、前記複数の状態変数群に対して共通の、前記2列、前記2行、または前記グループを指定する、
最適化方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020055372A JP7410394B2 (ja) | 2020-03-26 | 2020-03-26 | 最適化装置及び最適化方法 |
EP21158649.0A EP3886002A1 (en) | 2020-03-26 | 2021-02-23 | Optimization apparatus and optimization method |
US17/183,408 US20210303754A1 (en) | 2020-03-26 | 2021-02-24 | Optimization apparatus and optimization method |
CN202110264219.2A CN113448378B (zh) | 2020-03-26 | 2021-03-11 | 优化装置和优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020055372A JP7410394B2 (ja) | 2020-03-26 | 2020-03-26 | 最適化装置及び最適化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021157360A true JP2021157360A (ja) | 2021-10-07 |
JP7410394B2 JP7410394B2 (ja) | 2024-01-10 |
Family
ID=74701429
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020055372A Active JP7410394B2 (ja) | 2020-03-26 | 2020-03-26 | 最適化装置及び最適化方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20210303754A1 (ja) |
EP (1) | EP3886002A1 (ja) |
JP (1) | JP7410394B2 (ja) |
CN (1) | CN113448378B (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2024049202A (ja) * | 2022-09-28 | 2024-04-09 | 富士通株式会社 | データ処理装置、プログラム及びデータ処理方法 |
JP2024062514A (ja) * | 2022-10-25 | 2024-05-10 | 富士通株式会社 | データ処理装置、データ処理方法およびプログラム |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10572807B2 (en) * | 2013-04-26 | 2020-02-25 | Disney Enterprises, Inc. | Method and device for three-weight message-passing optimization scheme using splines |
JP5864684B1 (ja) | 2014-08-29 | 2016-02-17 | 株式会社日立製作所 | 半導体装置 |
JP6773970B2 (ja) | 2016-09-09 | 2020-10-21 | 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 |
JP6935356B2 (ja) | 2018-03-30 | 2021-09-15 | 株式会社日立製作所 | 半導体装置、情報処理システム、および情報処理方法 |
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 |
JP7139805B2 (ja) * | 2018-09-11 | 2022-09-21 | 富士通株式会社 | 化合物探索装置、化合物探索方法、及び化合物探索プログラム |
CA3109735A1 (en) | 2018-09-14 | 2020-03-19 | Fujitsu Limited | Optimization device, optimization device control method, and optimization device control program |
CN109934351B (zh) * | 2019-03-06 | 2023-06-27 | 南京航空航天大学 | 一种量子教与学算法以及基于量子教与学算法的模糊滑模控制方法 |
-
2020
- 2020-03-26 JP JP2020055372A patent/JP7410394B2/ja active Active
-
2021
- 2021-02-23 EP EP21158649.0A patent/EP3886002A1/en active Pending
- 2021-02-24 US US17/183,408 patent/US20210303754A1/en active Pending
- 2021-03-11 CN CN202110264219.2A patent/CN113448378B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
EP3886002A1 (en) | 2021-09-29 |
US20210303754A1 (en) | 2021-09-30 |
CN113448378B (zh) | 2024-04-05 |
JP7410394B2 (ja) | 2024-01-10 |
CN113448378A (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7410394B2 (ja) | 最適化装置及び最適化方法 | |
US11748645B2 (en) | Optimization apparatus and control method thereof | |
JP7410395B2 (ja) | 最適化装置及び最適化方法 | |
CN105320608A (zh) | 用于控制存储器设备处理访问请求的存储器控制器和方法 | |
JP2020173661A (ja) | 最適化装置及び最適化装置の制御方法 | |
US11443090B2 (en) | Optimization device and method of controlling optimization device | |
JP2020140631A (ja) | 最適化装置及び最適化装置の制御方法 | |
JP7417074B2 (ja) | 最適化装置、最適化方法及び最適化装置の制御プログラム | |
CN111078621B (zh) | 优化装置及优化装置的控制方法 | |
CN114168898A (zh) | 信息处理系统、信息处理方法和程序 | |
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 | |
US11886780B2 (en) | Optimization device, optimization device control method, and computer-readable recording medium recording optimization device control program | |
US20190155330A1 (en) | Information processing system | |
JP7239521B2 (ja) | 情報処理装置および情報処理方法 | |
EP4361898A2 (en) | Data processing device, data processing method, and data processing program | |
EP4148628A1 (en) | Data processing apparatus, data processing method, and data processing program | |
US11188344B2 (en) | Apparatus and method for generating intermediate layer values in parallel | |
EP4116886A1 (en) | Data processing apparatus, program of processing data, and method of processing data | |
JP2022087691A (ja) | 最適化装置及び最適化方法 | |
Dong et al. | Computationally efficient approximations using adaptive weighting coefficients for solving structural optimization problems | |
US20220343202A1 (en) | Arithmetic circuit, arithmetic device, information processing apparatus, and method for searching for ground state of ising model | |
Smaili | A hybrid genetic-simulated annealing algorithm for multiple traveling salesman problems | |
JP2021131723A (ja) | 情報処理方法、情報処理装置及びプログラム | |
CN115202435A (zh) | 优化程序、优化方法和优化设备 | |
CN116644808A (zh) | 计算机可读记录介质、数据处理装置和数据处理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221208 |
|
TRDD | Decision of grant or rejection written | ||
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231115 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231121 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231204 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7410394 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |