JP6691297B2 - 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 - Google Patents
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 Download PDFInfo
- Publication number
- JP6691297B2 JP6691297B2 JP2016138671A JP2016138671A JP6691297B2 JP 6691297 B2 JP6691297 B2 JP 6691297B2 JP 2016138671 A JP2016138671 A JP 2016138671A JP 2016138671 A JP2016138671 A JP 2016138671A JP 6691297 B2 JP6691297 B2 JP 6691297B2
- Authority
- JP
- Japan
- Prior art keywords
- connection destination
- ising
- neuron
- value
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
- G06F7/38—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation
- G06F7/48—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation using non-contact-making devices, e.g. tube, solid state device; using unspecified devices
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
- G06F7/38—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation
- G06F7/48—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation using non-contact-making devices, e.g. tube, solid state device; using unspecified devices
- G06F7/52—Multiplying; Dividing
- G06F7/523—Multiplying only
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2207/00—Indexing scheme relating to methods or arrangements for processing data by operating upon the order or content of the data handled
- G06F2207/38—Indexing scheme relating to groups G06F7/38 - G06F7/575
- G06F2207/48—Indexing scheme relating to groups G06F7/48 - G06F7/575
- G06F2207/4802—Special implementations
- G06F2207/4818—Threshold devices
- G06F2207/4824—Neural networks
-
- 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
Description
(第1の実施の形態)
図1は、第1の実施の形態の情報処理装置の一例を示す図である。
たとえば、イジング装置2a1〜2amのそれぞれは、1つの半導体集積回路(チップ)で実現される。イジング装置2a1〜2amは、共通のバス4に接続されている。図1の例では、バス4はデータバス4a、アドレスバス4b、コントロールバス4cを含む。データバス4aではデータが伝搬され、アドレスバス4bでは後述するニューロン回路を識別するアドレス情報が伝搬される。また、コントロールバス4cでは、イジング装置2a1〜2amのうち、出力信号の変化が許容されたニューロン回路を含むイジング装置を識別するアドレス情報が伝搬される。
イジング装置2akは、複数(n個)のニューロン回路10a1,10a2,…,10ai,…,10an、メモリ11、ルータ12、ノイズ発生回路13、ランダム信号生成回路14を有している。
このようなイジング型のエネルギー関数において、あるニューロン回路の出力信号を変化させたときのエネルギー値の変化は、そのニューロン回路と他のニューロン回路との間の重み値と、各ニューロン回路の出力値から決めることができる。
ルータ12は、複数の接続先ニューロン回路のうち、自身以外(イジング装置2ak以外)のイジング装置に含まれる1つの接続先ニューロン回路の状態の変化時に、アドレスバス4bを介してその接続先ニューロン回路の内部アドレスを受信する。また、ルータ12は、データバス4aを介してその接続先ニューロン回路の状態を受信する。
ノイズ発生回路13は、制御装置3の制御のもと、シミュレーテッド・アニーリングを行うためにノイズ値を出力する。また、ノイズ発生回路13は、たとえば、増幅回路を有している。制御装置3が増幅回路の増幅率を変化させることで、ノイズ値の振幅(ノイズ幅)が制御可能である。なお、ノイズ発生回路13として、たとえば、LFSR(Linear Feedback Shift Registers)などを用いることができる。
以下、制御装置3によって制御される情報処理装置1の動作の一例を説明する。
制御装置3は、イジング装置2a1〜2amに含まれる全ニューロン回路に対して、計算対象の問題に応じて、重み値とバイアス値の設定を行う。たとえば、イジング装置2a1〜2amのそれぞれの内部では、n個のニューロン回路(たとえば、ニューロン回路10a1〜10an)が相互接続可能なように、重み値が設定される。
また、制御装置3は、全ニューロン回路の状態の初期値を設定する。たとえば、制御装置3は、重み値の書き込み処理と同様に、各ニューロン回路に含まれる、ニューロン回路の状態を保持するレジスタの値に初期値を書き込む。
イジング装置2akのルータ12は、イジング装置2a1のチップアドレスを受信すると、モードレジスタ12aにチップアドレスを記憶する。そして、イジング装置2a1内の1つのニューロン回路の状態が更新されたとき、ルータ12は、イジング装置2a1により出力され、アドレスバス4bを伝搬するそのニューロン回路の内部アドレスを受信する。
以上のように、本実施の形態の情報処理装置1によれば、イジング装置2a1〜2amのそれぞれが、接続先情報に基づいて、受信した他のイジング装置のニューロン回路の状態の変化を、自身のニューロン回路に反映可能となる。これによって、ニューロン回路間の接続数を増やすことができ、大規模な演算が可能となる。
図2の例では、8つのニューロン(たとえば、ニューロン16a)が互いに接続されている6つのニューロン部(たとえば、ニューロン部16)が、相互接続されているニューラルネットワークが示されている。
問題のマッピング時(重み値の設定=プログラミング)時にニューロン部間の接続数が制約となるが、たとえば、ニューロン数をn=1024とすると、ニューロン部内での接続数の1/10程度の接続があれば多くの場合問題なくプログラミングが可能である。
図3は、第2の実施の形態の情報処理装置の一例を示す図である。図3において、第1の実施の形態の情報処理装置1と同一の要素については同一符号が付されている。
たとえば、イジング装置2b1〜2bmのそれぞれは、1つの半導体集積回路(チップ)で実現される。イジング装置2b1〜2bmは、共通のバス4に接続されている。バス4はデータバス4a、アドレスバス4b、コントロールバス4cを含む。
イジング装置2bkは、複数(n個)のニューロン回路10b1,…,10bi,…,10bn、ノイズ発生回路13、ランダム信号生成回路14、ルータ30を有している。
選択回路21biは、レジスタ20biに記憶されている重み値Wi1〜WiNを出力する。
なお、状態x1〜xNのうち、状態x1〜xnは、イジング装置2bk内のニューロン回路10b1〜10bnの状態を示す。また、状態x1〜xNのうち、状態xn+1〜xNは、イジング装置2b1〜2bmのうち、イジング装置2bk以外のイジング装置に含まれるN−n個のニューロン回路の状態を示す。状態xn+1〜xNは、後述するルータ30の機能によって取得できる。
レジスタ24biは、バイアス値biを記憶する。バイアス値biは、予め制御装置3によって、レジスタ24biに書き込まれる。
フリップフロップ27biは、比較回路26biでの比較結果を、クロック信号clkに同期して取り込み、状態xiとして出力する。なお、クロック信号clkは、たとえば、図示しないクロック信号発生回路から供給される。クロック信号clkは、イジング装置2b1〜2bmで共通のものである。
図4は、ルータの一例を示す図である。
ルータ30は、I/F(インターフェース)回路31、モードレジスタ32、メモリ33、選択回路部34、チップアドレスレジスタ35を有している。
メモリ33は、接続先情報33a1,…,33ai,…,33anを記憶する。接続先情報33a1〜33anのそれぞれは、ニューロン回路10b1〜10bnのそれぞれに対応して記憶されている。
選択回路部34は、イジング装置2bkのモードがリスンモードのとき以下の動作を行う。選択回路部34は、I/F回路31がアドレスバス4bを介して受信した内部アドレスが、メモリ33から読み出された内部アドレスと一致した場合には、I/F回路31がデータバス4aを介して受信した接続先ニューロン回路の状態を取り込む。そして、選択回路部34は、その状態の変化に基づき、状態xn+1〜xNを更新する。
図5は、選択回路部及び接続先情報の一例を示す図である。
選択回路部34は、選択回路40a1,…,40ai,…,40an、選択回路&FF回路部41を有している。
選択回路&FF回路部41は、選択回路50,51、フリップフロップ52n+1,…,52n+j,…,52Nを有している。このような要素が、ニューロン回路10b1〜10bnのそれぞれに対応して設けられる。以下では、選択回路50,51、フリップフロップ52n+1〜52Nが、ニューロン回路10b1に対応して設けられた要素であるものとして説明する。
たとえば、選択回路40a1が出力するニューロンインデックスがn+jのとき、選択回路50は、フリップフロップ52n+jにクロック信号clkを供給し、選択回路51は、ニューロン状態をフリップフロップ52n+jに供給する。これにより、クロック信号clkに同期して、フリップフロップ52n+jの出力である状態xn+jが更新される。
以下、制御装置3によって制御される情報処理装置1aの動作(アニール動作)の一例を説明する。
まず、制御装置3は、チップアドレスを、イジング装置2b1〜2bmのそれぞれのレジスタ(たとえば、図4に示したチップアドレスレジスタ35)に設定する(ステップS1)。チップアドレスの設定は、たとえば、スキャンチェーンを用いて実現できる。その場合、チップアドレスレジスタ35は、チップアドレスのビット数に対応した数のスキャンフリップフロップを有する。
イジング装置2bkのニューロン回路10b1〜10bnのレジスタ20b1〜20bnに重み値を書き込む場合、制御装置3は、重み値とイジング装置2bkのチップアドレスとをデータバス4aとアドレスバス4bに供給する。また、制御装置3は、コントロールバス4cで伝搬させるウェイト・ライト・イネーブル信号の論理レベルをHレベルに立ち上げる。
他のイジング装置のニューロン回路にあるレジスタ(またはメモリ)にも同様にして重み値及びバイアス値が書き込まれる。
以下では、ステップS4の処理にて、イジング装置2bkが選択されたものとして説明する。ステップS5の処理では、図3に示したランダム信号生成回路14が出力する乱数値rnにより、ニューロン回路10b1〜10bnの選択回路21b1〜21bnの何れか1つが重み値を出力する。
なお、式(4)に示すような確率Pi(hi)を得るために生成されるノイズ値nsの確率密度関数p(ns)は、以下の式(5)のようになる。
縦軸はエネルギーEであり、横軸は全ニューロンの出力値の組み合わせqkを示している。組み合わせqkは、“000…0”から“111…1”まである。図9では、ノイズ幅がW1、W2、W3と小さくなっていくときの、解の収束の様子が示されている。ノイズ幅を小さくしていくことは、式(5)の実効温度Tを小さくしていくことに相当する。
図10は、第3の実施の形態の情報処理装置の一例を示す図である。図10において、第2の実施の形態の情報処理装置1aと同一の要素については同一符号が付されている。
図10では、ニューロン回路10c1〜10cnのうち、ニューロン回路10c1,10ci,10cnの一例が示されている。ニューロン回路10c1〜10cnのうちニューロン回路10c1,10ci,10cn以外のニューロン回路も同様の回路構成となっている。
選択回路21c1は、ルータ30aから供給される重み値の選択信号udnに基づき、レジスタ20c1に保持されている重み値W11〜W1Nのうち1つを選択して出力する。選択回路21ciは、ルータ30aから供給される選択信号udnに基づき、レジスタ20ciに保持されている重み値Wi1〜WiNのうち1つを選択して出力する。選択回路21cnは、ルータ30aから供給される選択信号udnに基づき、レジスタ20cnに保持されている重み値Wn1〜WnNのうち1つを選択して出力する。
加算回路26c1は、レジスタ25c1が出力する値に、ノイズ発生回路13が出力するノイズ値を加算して出力する。加算回路26ciは、レジスタ25ciが出力する値に、ノイズ発生回路13が出力するノイズ値を加算して出力する。加算回路26cnは、レジスタ25cnが出力する値に、ノイズ発生回路13が出力するノイズ値を加算して出力する。
このような1−2xjの演算は、図10に示した、選択回路22ciで実現される。また、乗算回路23ciが、選択回路22ciが出力する値に、重み値Wijを掛けることで、ローカルフィールド値hiの変化分Δhiが算出される。
図11は、ルータの一例を示す図である。図11において、図4に示した第2の実施の形態のルータ30と同一の要素については同一符号が付されている。
選択回路部34aは、イジング装置2ck内のニューロン回路10c1〜10cnから、状態xi〜xnを受けるとともに、アップデート信号ud1〜udnを受ける。モードレジスタ32に、イジング装置2ckのチップアドレスが設定されているとき(トークモードのとき)、アップデート信号ud1〜udnの何れか1つが1となる可能性がある。選択回路部34aは、ニューロン回路10c1〜10cnのうち、アップデート信号ud1〜udnが1となるニューロン回路の内部アドレスを、選択信号udnとして出力し、そのニューロン回路の状態をアップデート状態udsとして出力する。
図12には、リスンモードの際に機能する選択回路部34aの回路部分の一例が示されている。図12において、図5に示した選択回路部34と同一の要素については同一符号が付されている。
選択回路&FF回路部41aは、選択回路40a1〜40anが出力した接続先ニューロン回路の状態をアップデート状態uds、選択回路40a1〜40anが出力した接続先ニューロン回路のニューロンインデックスを、選択信号udnとして出力する。
以上のような第3の実施の形態の情報処理装置1bでも、第2の実施の形態の情報処理装置1aと同様の効果が得られる。
2a1〜2am イジング装置
3 制御装置
4 バス
4a データバス
4b アドレスバス
4c コントロールバス
10a1〜10an ニューロン回路
11 メモリ
11a1〜11an 接続先情報
12 ルータ
12a モードレジスタ
13 ノイズ発生回路
14 ランダム信号生成回路
Claims (7)
- 共通のバスに接続された複数のイジング装置と、
前記複数のイジング装置のそれぞれに設けられ、複数の接続先ニューロン回路の出力信号に前記複数の接続先ニューロン回路との接続の強さをそれぞれ示す複数の重み値を掛けた値の総和に基づく第1の値を算出し、前記第1の値にノイズ値を加算した第2の値と閾値との比較結果に基づき、0または1を出力するとともに、前記出力信号の変化時に更新信号を受けると、前記更新信号に基づいて前記第1の値を更新する複数のニューロン回路と、
前記複数のイジング装置のそれぞれに設けられ、前記複数の接続先ニューロン回路のそれぞれを識別する第1のアドレス情報と、前記複数のイジング装置のうち前記複数の接続先ニューロン回路のうち1つまたは複数を有する第1のイジング装置を識別する第2のアドレス情報とが対応付けられた接続先情報を、前記複数のニューロン回路のそれぞれに対応して記憶するメモリと、
前記複数のイジング装置のそれぞれに設けられ、前記複数の接続先ニューロン回路のうち、前記第1のイジング装置に含まれる第1の接続先ニューロン回路の第1の出力信号の変化時に、前記バスを介して前記第1の接続先ニューロン回路を識別する前記第1のアドレス情報を受信した場合、受信した前記第1のアドレス情報と、予め指定される前記第1のイジング装置を識別する前記第2のアドレス情報と前記接続先情報とに基づき、前記バスを介して伝搬される前記第1の出力信号の変化後の値に基づく前記更新信号を前記複数のニューロン回路の何れかに供給するルータと、
前記第1の出力信号の変化を許容する前記第1の接続先ニューロン回路を含む前記第1のイジング装置を識別する前記第2のアドレス情報を指定する制御装置と、
を有することを特徴とする情報処理装置。 - 前記第1のイジング装置に含まれるルータは、前記第1の接続先ニューロン回路の前記第1の出力信号の変化時に、前記第1の出力信号の変化後の値と、前記第1の接続先ニューロン回路を識別する第1のアドレス情報とを、前記バスに供給することを特徴とする請求項1に記載の情報処理装置。
- 前記複数のイジング装置はさらに、前記制御装置によって指定される同一の前記第2のアドレス情報を記憶する記憶部を有することを特徴とする請求項1または2に記載の情報処理装置。
- 前記複数のイジング装置のうち、第2のイジング装置に設けられるメモリに記憶された前記接続先情報において、前記第1のイジング装置に含まれる第1の接続先ニューロン回路の第1のアドレス情報は、前記第2のイジング装置の内部で用いられる識別情報と対応付けられることを特徴とする請求項1乃至3の何れか一項に記載の情報処理装置。
- 前記複数のイジング装置のうち、第3のイジング装置に設けられる複数のニューロン回路に対する複数の接続先ニューロン回路は、前記第3のイジング装置に設けられる複数のニューロン回路のうちの何れかである複数の第2の接続先ニューロン回路と、前記複数のイジング装置のうち、1または複数の第4のイジング装置に設けられる複数の第3の接続先ニューロン回路とを含み、
前記複数の第2の接続先ニューロン回路の数よりも、前記複数の第3の接続先ニューロン回路の数が少ない、
ことを特徴とする請求項1乃至4の何れか一項に記載の情報処理装置。 - 複数の接続先ニューロン回路の出力信号に前記複数の接続先ニューロン回路との接続の強さをそれぞれ示す複数の重み値を掛けた値の総和に基づく第1の値を算出し、前記第1の値にノイズ値を加算した第2の値と閾値との比較結果に基づき、0または1を出力するとともに、前記出力信号の変化時に更新信号を受けると、前記更新信号に基づいて前記第1の値を更新する複数のニューロン回路と、
前記複数の接続先ニューロン回路のそれぞれを識別する第1のアドレス情報と、共通のバスに接続された複数のイジング装置のうち前記複数の接続先ニューロン回路のうち1つまたは複数を有する第1のイジング装置を識別する第2のアドレス情報とが対応付けられた接続先情報を、前記複数のニューロン回路のそれぞれに対応して記憶するメモリと、
前記複数の接続先ニューロン回路のうち、前記第1のイジング装置に含まれる第1の接続先ニューロン回路の第1の出力信号の変化時に、前記バスを介して前記第1の接続先ニューロン回路を識別する前記第1のアドレス情報を受信した場合、受信した前記第1のアドレス情報と、予め指定される前記第1のイジング装置を識別する前記第2のアドレス情報と前記接続先情報とに基づき、前記バスを介して伝搬される前記第1の出力信号の変化後の値に基づく前記更新信号を前記複数のニューロン回路の何れかに供給するルータと、
を有することを特徴とするイジング装置。 - 複数の接続先ニューロン回路の出力信号に前記複数の接続先ニューロン回路との接続の強さをそれぞれ示す複数の重み値を掛けた値の総和に基づく第1の値を算出し、前記第1の値にノイズ値を加算した第2の値と閾値との比較結果に基づき、0または1を出力するとともに、前記出力信号の変化時に更新信号を受けると、前記更新信号に基づいて前記第1の値を更新する複数のニューロン回路と、
前記複数の接続先ニューロン回路のそれぞれを識別する第1のアドレス情報と、共通のバスに接続された複数のイジング装置のうち前記複数の接続先ニューロン回路のうち1つまたは複数を有する第1のイジング装置を識別する第2のアドレス情報とが対応付けられた接続先情報を、前記複数のニューロン回路のそれぞれに対応して記憶するメモリと、
前記複数の接続先ニューロン回路のうち、前記第1のイジング装置に含まれる第1の接続先ニューロン回路の第1の出力信号の変化時に、前記バスを介して前記第1の接続先ニューロン回路を識別する前記第1のアドレス情報を受信した場合、受信した前記第1のアドレス情報と、予め指定される前記第1のイジング装置を識別する前記第2のアドレス情報と前記接続先情報とに基づき、前記バスを介して伝搬される前記第1の出力信号の変化後の値に基づく前記更新信号を前記複数のニューロン回路の何れかに供給するルータと、
をそれぞれが有する前記複数のイジング装置に対して、
制御装置が、前記第1の出力信号の変化を許容する前記第1の接続先ニューロン回路を含む前記第1のイジング装置を識別する前記第2のアドレス情報を指定する、
ことを特徴とする情報処理装置の制御方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016138671A JP6691297B2 (ja) | 2016-07-13 | 2016-07-13 | 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 |
US15/609,767 US11275995B2 (en) | 2016-07-13 | 2017-05-31 | Information processing apparatus, ising device, and control method for information processing apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016138671A JP6691297B2 (ja) | 2016-07-13 | 2016-07-13 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018010474A JP2018010474A (ja) | 2018-01-18 |
JP6691297B2 true JP6691297B2 (ja) | 2020-04-28 |
Family
ID=60941216
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016138671A Active JP6691297B2 (ja) | 2016-07-13 | 2016-07-13 | 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 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11275995B2 (ja) |
JP (1) | JP6691297B2 (ja) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7068575B2 (ja) * | 2018-02-06 | 2022-05-17 | 富士通株式会社 | 最適化システム、最適化装置及び最適化システムの制御方法 |
JP7014963B2 (ja) * | 2018-03-15 | 2022-02-02 | 富士通株式会社 | 最適化装置及び最適化装置の制御方法 |
JP7093009B2 (ja) * | 2018-08-30 | 2022-06-29 | 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 |
JP6964056B2 (ja) | 2018-09-18 | 2021-11-10 | 株式会社東芝 | 計算装置 |
US11531922B2 (en) | 2018-09-27 | 2022-12-20 | Intel Corporation | Apparatus and method for scalable qubit addressing |
JP7108186B2 (ja) * | 2018-11-27 | 2022-07-28 | 富士通株式会社 | 最適化装置及び最適化装置の制御方法 |
JP7208529B2 (ja) | 2019-05-29 | 2023-01-19 | 富士通株式会社 | 最適化装置及び最適化方法 |
JP7051771B2 (ja) | 2019-09-09 | 2022-04-11 | 株式会社東芝 | 計算装置、計算方法およびプログラム |
JP7314014B2 (ja) | 2019-10-08 | 2023-07-25 | 株式会社東芝 | 探索装置、探索方法、プログラム、探索システムおよび裁定取引システム |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE68927474T2 (de) | 1988-12-29 | 1997-05-22 | Sharp Kk | Neuro-Rechner |
JPH0782482B2 (ja) | 1989-05-19 | 1995-09-06 | シャープ株式会社 | ニューロコンピュータの負荷配分方法 |
JPH05250346A (ja) | 1992-03-04 | 1993-09-28 | Nec Corp | ニューラルネットワークシミュレーション装置 |
JP4088398B2 (ja) | 2000-03-08 | 2008-05-21 | 独立行政法人科学技術振興機構 | 時間符号化装置 |
JP5922203B2 (ja) * | 2014-08-29 | 2016-05-24 | 株式会社日立製作所 | 半導体装置 |
JP6503072B2 (ja) * | 2015-09-02 | 2019-04-17 | 株式会社日立製作所 | 半導体システムおよび計算方法 |
JP6659957B2 (ja) * | 2016-06-06 | 2020-03-04 | 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 |
-
2016
- 2016-07-13 JP JP2016138671A patent/JP6691297B2/ja active Active
-
2017
- 2017-05-31 US US15/609,767 patent/US11275995B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018010474A (ja) | 2018-01-18 |
US20180018563A1 (en) | 2018-01-18 |
US11275995B2 (en) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6691297B2 (ja) | 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 | |
JP6659957B2 (ja) | 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 | |
US9785886B1 (en) | Cooperative execution of a genetic algorithm with an efficient training algorithm for data-driven model creation | |
US20200210847A1 (en) | Ensembling of neural network models | |
JP6468254B2 (ja) | 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 | |
US11853893B2 (en) | Execution of a genetic algorithm having variable epoch size with selective execution of a training algorithm | |
KR102486030B1 (ko) | 완전연결층 신경망 정방향 연산 실행용 장치와 방법 | |
JP5864684B1 (ja) | 半導体装置 | |
Liu et al. | Data-flow graph mapping optimization for CGRA with deep reinforcement learning | |
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 | |
JP7068575B2 (ja) | 最適化システム、最適化装置及び最適化システムの制御方法 | |
JP6935356B2 (ja) | 半導体装置、情報処理システム、および情報処理方法 | |
JP2018173843A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
JP2008310700A (ja) | 演算処理装置及び方法 | |
JP6841722B2 (ja) | 情報処理装置 | |
CN106547515A (zh) | 用于执行算术运算的方法和处理设备 | |
US20180247691A1 (en) | Semiconductor device and information processing device | |
JP2017182320A (ja) | 機械学習装置 | |
JP6643905B2 (ja) | 機械学習方法および機械学習装置 | |
JP2021157361A (ja) | 最適化装置及び最適化方法 | |
JP2019071119A (ja) | 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 | |
JP7256378B2 (ja) | 最適化システムおよび最適化システムの制御方法 | |
JPH0844550A (ja) | プログラム作成装置及びプログラム作成方法 | |
US10795404B2 (en) | Information processing acceleration control system | |
JP7193708B2 (ja) | 最適化装置及び最適化装置の制御方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190409 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20190416 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20190416 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200219 |
|
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: 20200310 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200323 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6691297 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |