JP6445246B2 - 情報処理装置及び情報処理方法 - Google Patents
情報処理装置及び情報処理方法 Download PDFInfo
- Publication number
- JP6445246B2 JP6445246B2 JP2014066874A JP2014066874A JP6445246B2 JP 6445246 B2 JP6445246 B2 JP 6445246B2 JP 2014066874 A JP2014066874 A JP 2014066874A JP 2014066874 A JP2014066874 A JP 2014066874A JP 6445246 B2 JP6445246 B2 JP 6445246B2
- Authority
- JP
- Japan
- Prior art keywords
- sub
- coefficient
- solution
- value
- ising model
- 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
- 230000010365 information processing Effects 0.000 title claims description 57
- 238000003672 processing method Methods 0.000 title claims description 14
- 230000005366 Ising model Effects 0.000 claims description 151
- 230000005283 ground state Effects 0.000 claims description 138
- 239000000243 solution Substances 0.000 description 179
- 230000003993 interaction Effects 0.000 description 154
- 238000000034 method Methods 0.000 description 45
- 238000012545 processing Methods 0.000 description 38
- 230000008569 process Effects 0.000 description 21
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 239000000696 magnetic material Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
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
- 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
- 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
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Complex Calculations (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
Description
(1−1)有向グラフに拡張したイジングモデル
本実施の形態ではイジングモデルを拡張した、以下の式で示されるモデルを、これ以降イジングモデルと称する。
図1は、本発明によるイジングモデルの基底状態探索を行う処理の流れを示す。本発明は、任意のイジングモデルである原問題110の基底状態となるスピン配列である解170を得ることを目的としている。その際に、入力可能な係数の値の種類に制限のあるk個(1個以上)の制限付基底状態探索140−1〜140−kを用いて解170を得る。制限付基底状態探索140−1〜140−kは後述する情報処理装置200ないしは情報処理装置2500上で実現されるが、同時にk個の制限付基底状態探索を並行的に実行しても良いし、単一の制限付基底状態探査を繰り返しk回実行しても良い。
図3に、情報処理装置200上でイジングモデルを表現するデータ構造の例を示す。イジングモデルは、問題定義300で定義され、相互作用係数を定義する相互作用定義部310と、外部磁場係数を定義する外部磁場係数部320とから構成される。
図5は、解170を示す解データ268及び解候補150−1〜150−kを示す解候補データ267−1〜267−kを情報処理装置200上で表現するデータ構造の例と、そのHDD260上での書式の例とを示す。イジングモデルの解はスピン配列であることから、そのデータ構造は解500のようにスピンの識別子と、そのスピンの値とを一組にして並べたものになる。そして、全てのスピンについて省略無く値を書き出すという前提の元にスピンの識別子を省略して、解データ550のようにスピンの値だけを列挙したテキストファイルとしてHDD260上に解データ268や、解候補データ267−1〜267−kを保持することが出来る。
図6に副問題生成120の処理の一例をフローチャートとして示す。
図19に、ステップS701で示した正規化後の原問題の相互作用係数から、副問題の相互作用係数を生成する処理のフローチャートを示す。
図20を用いて、原問題の相互作用係数のうち、正の係数のものを+1/0で模擬し、負の係数のものを−1/0で模擬するように副問題の係数を生成するステップS1907(図19)の処理の詳細を説明する。
図23を用いて、原問題の非零の相互作用係数は全て+1/−1で模擬するように副問題の係数を生成するステップS1907の処理の詳細を説明する。
図21に、ステップS702で示した正規化後の原問題の外部磁場係数から、副問題の外部磁場係数を生成する処理のフローチャートを示す。
図22を用いて、原問題の外部磁場係数のうち、正の係数のものを+1/0で模擬し、負の係数のものを−1/0で模擬するように副問題の外部磁場係数を生成するステップS2103の処理の詳細を説明する。
図24を用いて、原問題の非零の外部磁場係数は全て+1/−1で模擬するように副問題の係数を生成するステップS2103の処理の詳細を説明する。
図8に解生成160の処理の一例をフローチャートとして示す。図8の解生成160は解候補150−1〜kのうち、原問題110でのエネルギーが最も低くなる解を解170として出力するものである。
以上に述べた本発明の基底状態探索によって、具体的な問題を解く例を示す。
図9にグラフの最大カット問題を示す。図9のグラフG=(V、E)は、頂点の集合V={v0,v1,v2,v3,v4,v5}と、辺の集合E={e01,e02,e12,e13,e14,e24,e34,e35,e45}から構成される。なお、e01という辺は、頂点v0と頂点v1の間を接続する辺という意味である。各辺は重み係数を持っており、w(e01)=5,w(e02)=4,w(e12)=1,w(e13)=3,w(e14)=2,w(e24)=3,w(e34)=4,w(e35)=5,w(e45)=1となる。
図9のグラフの最大カット問題を、イジングモデルの基底状態探索で解けることを、図12を用いて説明する。図12のイジングモデルは、図9のグラフの辺の重み係数の符号を全て反転させたものを、相互作用係数にしたものである。このイジングモデルは6個のスピンを持っており、それぞれが+1と−1の2状態を持つので、2^6個(64個)の実行可能解がある。この実行可能解が持つエネルギーは図12に示すように、−36〜56の範囲内に16種類のエネルギーがある。
図12のイジングモデルの基底状態探索を、本実施の形態に記載した方法ないしは装置を用いて行った例を説明する。図1に示した本発明の流れに沿って説明する。
本実施の形態で説明したイジングモデルの基底状態探索装置、ないしは、方法の性能について、実験結果を図26及び図27に示す。
本実施の形態でイジングモデルの基底状態を探索する手段として用いているハードウェアであるイジングチップ280−1,280−2について、その構造の詳細と、その構造上生じる係数の制約について、図34〜図38を参照して説明する。
以上のように、本実施の形態においては、図1について上述したように、原問題110から制限付基底状態探索140−1〜140−kが受付け得る相互作用係数Ji,j及び外部磁場係数hiのみからなる複数の副問題130−1〜130−kを生成し、これらの副問題130−1〜130−kの解を解候補150−1〜150−kとして、これら解候補150−1〜150−kに基づいて原問題110の解を生成するようにしているため、ハードウェアやソフトウェア上の制約により、基底状態を探索可能なイジングモデルの係数の値の種類が制限されている場合においても、その種類以外の係数からなるイジングモデルの原問題110の解を求めることができる。かくするにつき、本実施の形態によれば、ハードウェアやソフトウェア上の制約に係わりなく、任意の値の係数を持つイジングモデルの基底状態探索を行うことができる。
本実施の形態では、本発明の課題である、係数の値の種類が限られているイジングモデルの基底状態探索を行う装置ないしは方法を用いて、任意の値の係数を持つイジングモデルの基底状態探索を実現する装置及び方法の他の一例を説明する。
なお上述の第1及び第2の実施の形態においては、ハードウェアやソフトウェア上の制約により、基底状態を探索可能なイジングモデルの係数が制限される場合について述べたが、本発明はこれに限らず、ハードウェアやソフトウェア上の制約により、基底状態を探索可能なイジングモデルの係数の種類が制限される場合についても同様に対応することができる。
Claims (15)
- 所定の複数の種類の係数の値を持つイジングモデルである原問題のエネルギーを最少とするスピン配列である基底状態又は当該基底状態の近似解を前記原問題の解として算出する情報処理装置において、
前記原問題から1個以上の前記イジングモデルである副問題を生成する副問題生成部と、
前記副問題生成部により生成された各前記副問題の前記基底状態をそれぞれ探索する基底状態探索部と、
前記基底状態探索部の探索により得られた各前記副問題の解に基づいて前記原問題の解を生成する解生成部と
を備え、
前記副問題生成部は、
前記原問題の前記イジングモデルの1個以上の係数の値に基づいて、前記複数の種類から選択された1個以上の係数の値を持つ前記イジングモデルの前記副問題を生成する
ことを特徴とする情報処理装置。 - 前記副問題生成部は、
前記原問題のイジングモデルの前記係数の値をそれぞれ所定範囲内に正規化し、
当該所定範囲内の乱数を発生させ、
正規化した前記原問題のイジングモデルの前記係数の値をそれぞれ前記乱数と比較し、
比較結果に基づいて前記複数の種類から選択した係数の値を、正規化した前記各係数の値に対応する前記副問題のイジングモデルの係数の値として決定する
ことを特徴とする請求項1に記載の情報処理装置。 - 前記副問題生成部は、
前記原問題のイジングモデルの前記係数の値をそれぞれ所定範囲内に正規化し、
前記副問題の係数の値の期待値が正規化した前記原問題の係数の値になるように定めた確率を算出し、
当該所定範囲内の乱数を発生させ、
正規化した前記原問題のイジングモデルの前記確率をそれぞれ前記乱数と比較し、
比較結果に基づいて前記複数の種類から選択した係数の値を、正規化した前記各係数の値に対応する前記副問題のイジングモデルの係数の値として決定する
ことを特徴とする請求項1に記載の情報処理装置。 - 前記副問題生成部は、
前記原問題のイジングモデルの前記係数の値をそれぞれ所定範囲内に正規化し、
正規化した前記原問題のイジングモデルの前記係数の値を、予め設定された少なくとも1つ以上の閾値と比較し、
比較結果に基づいて前記複数の種類から選択した係数の値を、正規化した前記各係数の値に対応する前記副問題のイジングモデルの係数の値として決定する
ことを特徴とする請求項1に記載の情報処理装置。 - 前記副問題生成部は、
前記副問題ごとに異なる前記閾値を用いる
ことを特徴とする請求項4に記載の情報処理装置。 - 前記解生成部は、
各前記副問題の解をそれぞれ前記原問題のエネルギー関数で評価し、
最もエネルギーの小さい前記副問題の解を前記原問題の解とする
ことを特徴とする請求項1に記載の情報処理装置。 - 前記解生成部は、
前記副問題の解のスピン毎の統計量を前記原問題の解とする
ことを特徴とする請求項1に記載の情報処理装置。 - 前記解生成部は、
各前記副問題の解の対応するスピン配列の最頻値を取って前記原問題の解を生成する
ことを特徴とする請求項1に記載の情報処理装置。 - 所定の複数の種類の係数の値を持つイジングモデルである原問題のエネルギーを最少とするスピン配列である基底状態又は当該基底状態の近似解を前記原問題の解として算出する情報処理装置において実行される情報処理方法であって、
前記情報処理装置が、前記原問題から1個以上の前記イジングモデルである副問題を生成する第1のステップと、
前記情報処理装置が、生成した各前記副問題の前記基底状態をそれぞれ探索する第2のステップと、
前記情報処理装置が、探索により得られた各前記副問題の解に基づいて前記原問題の解を生成する第3のステップと
を備え、
前記第1のステップでは、
前記原問題の前記イジングモデルの1個以上の係数の値に基づいて、前記複数の種類から選択された1個以上の係数の値からなる前記イジングモデルの前記副問題を生成する
ことを特徴とする情報処理方法。 - 前記第1のステップでは、
前記原問題のイジングモデルの前記係数の値をそれぞれ所定範囲内に正規化し、
当該所定範囲内の乱数を発生させ、
正規化した前記原問題のイジングモデルの前記係数の値をそれぞれ前記乱数と比較し、
比較結果に基づいて前記複数の種類から選択した係数の値を、正規化した前記各係数の値に対応する前記副問題のイジングモデルの係数の値として決定する
ことを特徴とする請求項9に記載の情報処理方法。 - 前記第1のステップでは、
前記原問題のイジングモデルの前記係数をそれぞれ所定範囲内に正規化し、
前記副問題の係数の値の期待値が正規化された前記原問題の係数の値になるように定めた確率を算出し、
当該所定範囲内の乱数を発生させ、
正規化した前記原問題のイジングモデルの前記確率をそれぞれ前記乱数と比較し、
比較結果に基づいて前記複数の種類から選択した係数の値を、正規化した前記各係数の値に対応する前記副問題のイジングモデルの係数の値として決定する
ことを特徴とする請求項9に記載の情報処理方法。 - 前記第1のステップでは、
前記原問題のイジングモデルの前記係数をそれぞれ所定範囲内に正規化し、
正規化した前記原問題のイジングモデルの前記係数を、予め設定された少なくとも1つ以上の閾値と比較し、
比較結果に基づいて前記複数の種類から選択した係数の値を、正規化した前記係数の各値に対応する前記副問題のイジングモデルの係数の値として決定する
ことを特徴とする請求項9に記載の情報処理方法。 - 前記第1のステップでは、
前記副問題ごとに異なる前記閾値を用いる
ことを特徴とする請求項12に記載の情報処理方法。 - 前記第3のステップでは、
各前記副問題の解をそれぞれ前記原問題のエネルギー関数で評価し、
最もエネルギーの小さい前記副問題の解を前記原問題の解とする
ことを特徴とする請求項9に記載の情報処理方法。 - 前記第3のステップでは、
前記副問題の解のスピン毎の統計量を前記原問題の解とする
ことを特徴とする請求項9に記載の情報処理方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014066874A JP6445246B2 (ja) | 2014-03-27 | 2014-03-27 | 情報処理装置及び情報処理方法 |
US14/645,815 US10089421B2 (en) | 2014-03-27 | 2015-03-12 | Information processing apparatus and information processing method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014066874A JP6445246B2 (ja) | 2014-03-27 | 2014-03-27 | 情報処理装置及び情報処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015191340A JP2015191340A (ja) | 2015-11-02 |
JP6445246B2 true JP6445246B2 (ja) | 2018-12-26 |
Family
ID=54190744
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014066874A Active JP6445246B2 (ja) | 2014-03-27 | 2014-03-27 | 情報処理装置及び情報処理方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10089421B2 (ja) |
JP (1) | JP6445246B2 (ja) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6021864B2 (ja) * | 2014-08-29 | 2016-11-09 | 株式会社日立製作所 | 半導体装置および情報処理装置 |
JP6291129B2 (ja) * | 2015-03-27 | 2018-03-14 | 株式会社日立製作所 | 計算機、及び演算プログラム |
JP6820875B2 (ja) | 2018-03-09 | 2021-01-27 | 株式会社東芝 | 計算装置 |
JP6570698B1 (ja) * | 2018-05-18 | 2019-09-04 | 株式会社リクルートコミュニケーションズ | 設定装置、設定方法及び設定プログラム |
US20190391807A1 (en) * | 2018-06-20 | 2019-12-26 | Fujitsu Limited | Computer-readable recording medium storing optimization problem computing program and optimization problem computing system |
JP7063211B2 (ja) * | 2018-09-19 | 2022-05-09 | 富士通株式会社 | 最適化問題演算プログラム、最適化問題演算方法および最適化問題演算装置 |
JP7196489B2 (ja) * | 2018-09-19 | 2022-12-27 | 富士通株式会社 | 最適化問題演算プログラム、最適化問題演算方法および最適化問題演算装置 |
JP7087871B2 (ja) * | 2018-09-19 | 2022-06-21 | 富士通株式会社 | 最適化問題演算プログラム、最適化問題演算方法および最適化問題演算装置 |
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 |
JP7187972B2 (ja) * | 2018-10-24 | 2022-12-13 | 富士通株式会社 | 装置、方法およびプログラム |
JP7219402B2 (ja) | 2019-06-27 | 2023-02-08 | 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 |
JP7339539B2 (ja) * | 2020-01-15 | 2023-09-06 | 富士通株式会社 | 最適化装置、最適化装置の温度設定方法及び最適化装置の温度設定プログラム |
JP2021125172A (ja) * | 2020-02-10 | 2021-08-30 | 富士通株式会社 | 最適化装置、最適化プログラム、及び最適化方法 |
JP7417078B2 (ja) * | 2020-02-27 | 2024-01-18 | 富士通株式会社 | 情報処理装置、情報処理方法およびプログラム |
JP2021149796A (ja) | 2020-03-23 | 2021-09-27 | 富士通株式会社 | 情報処理装置、特定方法および特定プログラム |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09300180A (ja) | 1996-05-20 | 1997-11-25 | Sumitomo Metal Ind Ltd | 組合わせ方法及び組合わせ装置 |
JP2004133802A (ja) | 2002-10-11 | 2004-04-30 | Osaka Industrial Promotion Organization | 問題分割方法、最適化方法、問題分割装置、最適化装置、及びコンピュータプログラム |
WO2008028290A1 (en) * | 2006-09-06 | 2008-03-13 | D-Wave Systems Inc. | Method and system for solving integer programming and discrete optimization problems using analog processors |
JP5354233B2 (ja) | 2011-03-01 | 2013-11-27 | 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 |
JP2012217518A (ja) * | 2011-04-05 | 2012-11-12 | Hitachi Ltd | 人間行動分析システム及び方法 |
-
2014
- 2014-03-27 JP JP2014066874A patent/JP6445246B2/ja active Active
-
2015
- 2015-03-12 US US14/645,815 patent/US10089421B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US10089421B2 (en) | 2018-10-02 |
US20150278408A1 (en) | 2015-10-01 |
JP2015191340A (ja) | 2015-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6445246B2 (ja) | 情報処理装置及び情報処理方法 | |
Sarwar et al. | Incremental learning in deep convolutional neural networks using partial network sharing | |
Salamat et al. | F5-hd: Fast flexible fpga-based framework for refreshing hyperdimensional computing | |
Sanders et al. | Benchmarking for graph clustering and partitioning | |
Judd et al. | Reduced-precision strategies for bounded memory in deep neural nets | |
JP5864684B1 (ja) | 半導体装置 | |
JP6295325B2 (ja) | 半導体装置及び情報処理システム | |
WO2016025357A2 (en) | Distributed stage-wise parallel machine learning | |
JP2016051314A (ja) | 半導体装置 | |
US9466346B2 (en) | Semiconductor device and information processing device | |
US20200090051A1 (en) | Optimization problem operation method and apparatus | |
Říha et al. | Massively parallel hybrid total FETI (HTFETI) solver | |
JP6568222B2 (ja) | 半導体システムおよび計算方法 | |
Date et al. | Collaborative (cpu+ gpu) algorithms for triangle counting and truss decomposition on the minsky architecture: Static graph challenge: Subgraph isomorphism | |
JP2011028504A (ja) | 多目的最適化設計支援装置、方法、及びプログラム | |
Sekanina et al. | Approximate Circuits in Low-Power Image and Video Processing: The Approximate Median Filter. | |
JP2011253279A (ja) | モデル式生成方法、装置及びプログラム | |
He et al. | A power and area optimization approach of mixed polarity Reed-Muller expression for incompletely specified Boolean functions | |
Goodrich | Simulating parallel algorithms in the MapReduce framework with applications to parallel computational geometry | |
Gao et al. | DPACS: hardware accelerated dynamic neural network pruning through algorithm-architecture co-design | |
Mittal et al. | Design exploration and implementation of simplex algorithm over reconfigurable computing platforms | |
Guo et al. | Boolnet: minimizing the energy consumption of binary neural networks | |
Li et al. | An application-oblivious memory scheduling system for DNN accelerators | |
Choudhury et al. | Classification of cellular automata rules based on their properties | |
Taniguchi et al. | Explicit moving particle simulation method on gpu clusters |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170306 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20170306 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180410 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180530 |
|
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: 20181030 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181129 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6445246 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 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |