JP6377023B2 - 最適化装置、最適化方法および最適化プログラム - Google Patents
最適化装置、最適化方法および最適化プログラム Download PDFInfo
- Publication number
- JP6377023B2 JP6377023B2 JP2015143474A JP2015143474A JP6377023B2 JP 6377023 B2 JP6377023 B2 JP 6377023B2 JP 2015143474 A JP2015143474 A JP 2015143474A JP 2015143474 A JP2015143474 A JP 2015143474A JP 6377023 B2 JP6377023 B2 JP 6377023B2
- Authority
- JP
- Japan
- Prior art keywords
- lattice
- value
- optimization
- model
- grid
- 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.)
- Active
Links
- 238000005457 optimization Methods 0.000 title claims description 183
- 238000000034 method Methods 0.000 title claims description 24
- 230000005366 Ising model Effects 0.000 claims description 63
- 238000004215 lattice model Methods 0.000 claims description 44
- 230000005283 ground state Effects 0.000 claims description 42
- 230000006870 function Effects 0.000 claims description 33
- 230000009471 action Effects 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 11
- 230000035807 sensation Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 description 29
- 230000003993 interaction Effects 0.000 description 19
- 238000004364 calculation method Methods 0.000 description 17
- 239000002096 quantum dot Substances 0.000 description 16
- 238000013507 mapping Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000000875 corresponding effect Effects 0.000 description 8
- 238000000137 annealing Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000005040 ion trap Methods 0.000 description 1
- 230000005389 magnetism Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004962 physiological condition Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000005359 quantum Heisenberg model Effects 0.000 description 1
- 230000005610 quantum mechanics Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000035900 sweating Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- User Interface Of Digital Computer (AREA)
Description
まず、図1を用いて、実施形態に係る最適化処理の一例について説明する。図1は、実施形態に係る最適化処理の一例を示す図である。図1では、センサが取得したデータ(以下、「センサデータ」と記載する)に基づいて、利用者に対するサービスの提供や、利用者が使用する装置の制御を行う制御システム1を例に挙げ、サービスの提供や装置の制御を行うためにセンサデータを最適化する最適化処理の一例について説明する。
次に、最適化装置10がセンサデータと、出力するデータの条件とに基づいて、格子モデルの格子点を連結する係数を設定する処理の具体例について説明する。
例えば、義肢ロボットや義手ロボット等のロボットは、部品同士の連結点である関節部分にモーター等の可動部が備えられ、各可動部を動作することで、手や腕等の動きを再現している。しかしながら、義手ロボットの指等は、ある部分を稼働させる可動部が他の可動部によって動く部品上に設置されている場合がある。このため、手や腕の動きを適切に再現するためには、可動部同士の連結関係、すなわち、関節のつながりを考慮する必要がある。
また、最適化装置10は、制御装置200に、ユーザが心地よいと判断する行動の組み合わせを最適化結果として出力してもよい。例えば、最適化装置10は、歩く、走る、止まる、店舗に立ち寄る等といった各種の行動を行うか否かを格子モデルの各格子点にマッピングする。例えば、最適化装置10は、ある格子点の値が「1」である場合は、かかる格子点と対応する行動を行い、かかる格子点の値が「−1」である場合は、かかる格子点と対応する行動を行なわない旨の出力データを出力するものとする。
また、最適化装置10は、制御装置200に、ユーザが心地よいと判断する感覚の組み合わせを最適化結果として出力してもよい。例えば、最適化装置10は、利用者が好む音源の組み合わせを最適化結果として出力してもよい。
また、最適化装置10は、制御装置200に、予測される利用者の操作内容を最適化結果として出力してもよい。例えば、最適化装置10は、リモコンのボタン等、利用者が操作対象とする各操作対象を操作するか否か(例えば「1」であるならボタンを押す、「−1」であるならボタンを押さない等)を各格子点にマッピングする。また、最適化装置10は、各操作対象の操作順序にルールが存在する場合には、かかるルールに基づいて、各格子点を連結する。
また、最適化装置10は、制御装置200に、利用者が閲覧すると予測されるコンテンツを最適化結果として出力してもよい。例えば、最適化装置10は、広告、動画、音楽、ウェブページ等、各コンテンツを閲覧するか否か(例えば「1」であるならそのコンテンツを利用者が閲覧し、「−1」であるなら閲覧しない等)を各格子点にマッピングする。そして、最適化装置10は、利用者が各コンテンツを閲覧した順序や種別に応じて、各格子点間を連結する重みの値を設定する。このような処理を行った場合は、最適化装置10は、利用者が閲覧すると予測されるコンテンツを最適化結果として出力することができる。
また、最適化装置10は、制御装置200に、利用者が最も消費行動を起こしてくれるであろう生理的状況のパターンを最適化結果として出力してもよい。例えば、最適化装置10は、利用者の感情や、発汗、発熱等の利用者の身体的な状況等が発生しているか否か(例えば、「1」であるなら対応する生理的状況が発生しており、「−1」であれば発生していない等)を各格子点にマッピングする。そして、最適化装置10は、利用者が商品の購入や店舗へ向かった際に取得された生体情報に基づいて、各格子点間を連結する重みの値を設定する。このような処理を行った場合は、最適化装置10は、利用者が消費行動を起こしやすい生理的な状況を最適化結果として出力することができる。
次に、図2を用いて、実施形態に係る最適化装置10の構成について説明する。図2は、実施形態に係る最適化装置が有する機能構成の一例を示す図である。図2に示すように、最適化装置10は、取得部11、生成部12、量子計算装置13、出力部17を有する。また、量子計算装置13は、状態再現部14、操作部15、観測部16を有する。また、状態再現部14は、複数の量子ビット14a〜14dを有する。
次に、図5を用いて、実施形態に係る最適化装置10が実行する処理の流れについて説明する。図5は、実施形態に係る最適化装置が実行する処理の一例を説明するための図である。まず、最適化装置10は、センサ100〜102からセンサデータを取得する(ステップS101)。また、最適化装置10は、出力データを出力するデータの条件とに基づいて、センサデータの最適化問題をマッピングしたイジングモデルを生成する(ステップS102)。より具体的には、最適化装置10は、その出力を格子モデルの格子点にあてはめ、センサデータと、出力するデータの条件とに基づいて、格子モデルの格子点を連結する重みの値を入力値とした格子モデルの特性関数を生成する。
上述した実施形態に係る最適化装置10は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、上記の最適化装置10の他の実施形態について説明する。
なお、上述した最適化装置10は、イジングモデルの各格子点に出力データをマッピングし、センサデータに基づいて各格子点間を連結する重みの値を設定した。しかしながら、実施形態は、これに限定されるものではない。例えば、最適化装置10は、イジングモデル以外のモデルに出力データをマッピングし、センサデータに基づいて出力データ同士を連結する重みの値を設定してもよい。このような処理を実行した場合は、最適化装置10は、「+1」や「−1」といった2値の値ではなく、連続値を求めることができる。
上述した最適化装置10は、ハミルトニアンが示すイジングモデルの基底状態を検索する量子計算装置13を有していた。しかしながら、実施形態は、これに限定されるものではない。例えば、最適化装置10は、取得部11、生成部12、出力部17のみを有し、外部に設置された量子計算装置13に基底状態を検索させてもよい。
このように、最適化装置10は、最適化装置10は、その出力を格子モデルの格子点にあてはめ、センサデータと、出力するデータの条件とに基づいて、格子モデルの格子点を連結する重みの値を入力値とした格子モデルの特性関数を生成する。そして、最適化装置10は、量子揺らぎを用いて特性関数の値が最小値となる格子モデルの基底状態を求める量子計算装置に、生成された特性関数の基底状態における格子点の値を算出させ、かかる値を出力する。このため、最適化装置10は、センサデータの最適化に複雑な条件が設定される場合にも、量子計算を用いてセンサデータの最適化を行うことができる。
10 最適化装置
11 取得部
12 生成部
13 量子計算装置
14 状態再現部
14a〜14d 量子ビット
15 操作部
16 観測部
17 出力部
100〜102 センサ
Claims (10)
- 各種装置に出力する最適な物理量を算出するための装置であって、
出力データの各ビットを格子モデルの各格子点にあてはめ、格子モデルの格子点を連結する重みの値であって、センサ信号として取得した取得済みデータの値と、各格子点にあてはめた出力データの各ビットの値との関係性に基づいて設定され、かつ、当該各ビットの値の関係性の強さに応じた値に基づいた格子モデルの特性関数を生成し、
量子揺らぎを用いて特性関数の値が最小値となる格子モデルの基底状態を求める量子計算装置に、前記生成された特性関数の基底状態における格子点の値を算出させ、
前記格子点の値を出力する
ことを特徴とする最適化装置。 - 前記最適化装置は、
制御対象となる装置が有する複数の連結点のそれぞれを動作させるか否かを前記格子モデルの各格子点にあてはめ、前記連結点の接続関係に応じて各格子点を連結し、所定の装置を操作する利用者に応じて各格子点を連結する重みの値を設定した前記格子モデルの特性関数を生成する
ことを特徴とする請求項1に記載の最適化装置。 - 前記最適化装置は、
利用者が各種別の行動を行うか否かを前記格子モデルの各格子点にあてはめ、各行動間の関連性に応じて各格子点を連結し、前記利用者の生体情報に応じて各格子点を連結する重みの値を設定した前記格子モデルの特性関数を生成する
ことを特徴とする請求項1に記載の最適化装置。 - 前記最適化装置は、
各種別の感覚を利用者が所望するか否かを前記格子モデルの各格子点にあてはめ、各感覚の関連性に応じて各格子点を連結し、前記利用者が所望する各感覚の強度に応じて各格子点を連結する重みの値を設定した前記格子モデルの特性関数を生成する
ことを特徴とする請求項1に記載の最適化装置。 - 前記最適化装置は、
利用者がボタンを操作するか否かを前記格子モデルの各格子点にあてはめ、前記利用者が過去に行ったボタン操作の履歴に応じて各格子点を連結する重みの値を設定した前記格子モデルの特性関数を生成する
ことを特徴とする請求項1に記載の最適化装置。 - 前記最適化装置は、
複数のコンテンツのそれぞれを利用者が閲覧するか否かを前記格子モデルの各格子点にあてはめ、閲覧されたコンテンツの履歴に応じて各格子点を連結する重みの値を設定した前記格子モデルの特性関数を生成する
ことを特徴とする請求項1に記載の最適化装置。 - 前記最適化装置は、
利用者に所定の生理的状況が起きているか否かを前記格子モデルの各格子点にあてはめ、所定の行動を起こしやすい生理的情報の関連性に応じて各格子点を連結する重みの値を設定した前記格子モデルの特性関数を生成する
ことを特徴とする請求項1に記載の最適化装置。 - 前記最適化装置は、
任意の次元数で各格子点を接続した格子モデルのうち、イジングモデル以外の格子モデルの特定関数を生成する
ことを特徴とする請求項1〜7のうちいずれか1つに記載の最適化装置。 - 各種装置に出力する最適な物理量を算出するための装置が、
出力データの各ビットを格子モデルの各格子点にあてはめ、格子モデルの格子点を連結する重みの値であって、センサ信号として取得した取得済みデータの値と、各格子点にあてはめた出力データの各ビットの値との関係性に基づいて設定され、かつ、当該各ビットの値の関係性の強さに応じた値に基づいた格子モデルの特性関数を生成し、
量子揺らぎを用いて特性関数の値が最小値となる格子モデルの基底状態を求める量子計算装置に、前記生成された特性関数の基底状態における格子点の値を算出させ、
前記格子点の値を出力する
ことを特徴とする最適化方法。 - 各種装置に出力する最適な物理量を算出するための装置が有するコンピュータに、
出力データの各ビットを格子モデルの各格子点にあてはめ、格子モデルの格子点を連結する重みの値であって、センサ信号として取得した取得済みデータの値と、各格子点にあてはめた出力データの各ビットの値との関係性に基づいて設定され、かつ、当該各ビットの値の関係性の強さに応じた値に基づいた格子モデルの特性関数を生成し、
量子揺らぎを用いて特性関数の値が最小値となる格子モデルの基底状態を求める量子計算装置に、前記生成された特性関数の基底状態における格子点の値を算出させ、
前記格子点の値を出力する
処理を実行させることを特徴とする最適化プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015143474A JP6377023B2 (ja) | 2015-07-17 | 2015-07-17 | 最適化装置、最適化方法および最適化プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015143474A JP6377023B2 (ja) | 2015-07-17 | 2015-07-17 | 最適化装置、最適化方法および最適化プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017027261A JP2017027261A (ja) | 2017-02-02 |
JP6377023B2 true JP6377023B2 (ja) | 2018-08-22 |
Family
ID=57949801
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015143474A Active JP6377023B2 (ja) | 2015-07-17 | 2015-07-17 | 最適化装置、最適化方法および最適化プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6377023B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7112312B2 (ja) * | 2018-10-26 | 2022-08-03 | 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 |
JP6606265B1 (ja) * | 2018-12-25 | 2019-11-13 | 株式会社メルカリ | 探索装置、探索方法及び探索プログラム |
WO2023139746A1 (ja) * | 2022-01-21 | 2023-07-27 | 日本電気株式会社 | センサ制御システム、方法およびプログラム |
JP2024058946A (ja) * | 2022-10-17 | 2024-04-30 | キヤノン株式会社 | 量子駆動制御部を備えたアクチュエータ |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012217518A (ja) * | 2011-04-05 | 2012-11-12 | Hitachi Ltd | 人間行動分析システム及び方法 |
JP6143325B2 (ja) * | 2013-01-11 | 2017-06-07 | 大学共同利用機関法人情報・システム研究機構 | イジングモデルの量子計算装置及びイジングモデルの量子計算方法 |
-
2015
- 2015-07-17 JP JP2015143474A patent/JP6377023B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2017027261A (ja) | 2017-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6377023B2 (ja) | 最適化装置、最適化方法および最適化プログラム | |
CN111260774B (zh) | 生成3d关节点回归模型的方法和装置 | |
US20210325343A1 (en) | Information processing apparatus, information processing method, learned model generation method, and program | |
Wang et al. | Assessing the impact of hand motion on virtual character personality | |
US20220092456A1 (en) | Controlling an agent to explore an environment using observation likelihoods | |
Hutter | A complete theory of everything (will be subjective) | |
JP6680659B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
JP2017059071A (ja) | 最適化装置、最適化方法および最適化プログラム | |
MacRitchie et al. | Efficient tracking of pianists’ finger movements | |
Sivakumar et al. | Virtual vision architecture for VIP in ubiquitous computing | |
Hamidi et al. | Human activity recognition: A dynamic inductive bias selection perspective | |
Fowdur et al. | A real-time collaborative machine learning based weather forecasting system with multiple predictor locations | |
JP6971181B2 (ja) | 予測装置、予測方法、およびプログラム | |
JP6630874B2 (ja) | 検索ニーズの評価装置、評価システム、評価方法、及び評価モジュール生産方法 | |
De Pretis et al. | EA3: A softmax algorithm for evidence appraisal aggregation | |
Reybrouck | Music cognition and the bodily approach: Musical instruments as tools for musical semantics | |
Yoshimura et al. | Preliminary investigation of visualizing human activity recognition neural network | |
WO2020233228A1 (zh) | 用于推送信息的方法和装置 | |
Asare et al. | Bodysim: A multi-domain modeling and simulation framework for body sensor networks research and design | |
Nymoen | Methods and technologies for analysing links between musical sound and body motion | |
Chen et al. | A2C: attention-augmented contrastive learning for state representation extraction | |
Köse et al. | Dynamic predictive modeling approach of user behavior in virtual reality based application | |
US20220164680A1 (en) | Environment augmentation based on individualized knowledge graphs | |
JP7224315B2 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
Ponce et al. | Development of fast and reliable nature-inspired computing for supervised learning in high-dimensional data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170315 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180214 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180306 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180501 |
|
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: 20180626 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180724 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6377023 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |