JP7134949B2 - サンプリングサーバからサンプリングするためのシステム、方法、及び装置 - Google Patents
サンプリングサーバからサンプリングするためのシステム、方法、及び装置 Download PDFInfo
- Publication number
- JP7134949B2 JP7134949B2 JP2019516164A JP2019516164A JP7134949B2 JP 7134949 B2 JP7134949 B2 JP 7134949B2 JP 2019516164 A JP2019516164 A JP 2019516164A JP 2019516164 A JP2019516164 A JP 2019516164A JP 7134949 B2 JP7134949 B2 JP 7134949B2
- Authority
- JP
- Japan
- Prior art keywords
- samples
- machine learning
- sampling
- sampling server
- digital processor
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F15/00—Digital computers in general; Data processing equipment in general
- G06F15/16—Combinations of two or more digital computers each having at least an arithmetic unit, a program unit and a register, e.g. for a simultaneous processing of several programs
- G06F15/163—Interprocessor communication
- G06F15/173—Interprocessor communication using an interconnection network, e.g. matrix, shuffle, pyramid, star, snowflake
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/30—Arrangements for executing machine instructions, e.g. instruction decode
-
- 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
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/08—Computing arrangements based on specific mathematical models using chaos models or non-linear system models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
Description
機械学習は、データから学習し、データに基づいて予測を行うことができる方法及び回路に関する。静的プログラム命令に従う方法又は回路とは対照的に、機械学習方法及び回路は、例示的な入力(訓練事例など)からモデルを導出することと、次いでデータ駆動型予測を作成することとを含み得る。
量子プロセッサは、非量子デバイスに利用できない量子物理現象(重畳、もつれ、及び量子トンネリングなど)を活用し得るコンピューティングデバイスである。量子プロセッサは、超伝導量子プロセッサの形態をとることができる。超伝導量子プロセッサは、複数の量子ビットと、例えば2以上の超伝導量子ビットからなる結合された局所バイアスデバイスとを含み得る。量子ビットの一例は、フラックス量子ビットである。超伝導量子プロセッサはまた、量子ビット間の通信結合を提供する結合デバイス(すなわち、「カプラ」)を用いることができる。本システム及びデバイスと併せて使用され得る例示的な量子プロセッサの更なる詳細及び実施形態は、例えば、米国特許第7,533,068号、同第8,008,942号、同第8,195,596号、同第8,190,548号、及び同第8,421,053号に記載されている。
断熱量子計算は、典型的には、ハミルトニアンを徐々に変化させることによって、既知の初期ハミルトニアン(ハミルトニアンは、固有値がシステムの許容エネルギーである演算子である)から最終ハミルトニアンにシステムを進化させることを伴う。断熱進化の単純な例は、初期ハミルトニアンと最終ハミルトニアンとの間の線形補間である。一例は、以下のとおりである。
量子アニーリングは、システムの低エネルギー状態、典型的には好ましくは、接地状態を求めるために使用され得る計算方法である。古典的なシミュレーテッドアニーリングの概念と同様に、本方法は、低エネルギー状態がより安定しているため、自然システムがより低いエネルギー状態に向かう傾向があるという基本原理に依存する。古典的なアニーリングが古典的な熱変動を使用してシステムを低エネルギー状態及び理想的にはその最小のグローバルエネルギーに導く一方、量子アニーリングは、古典的なアニーリングよりも、より正確にかつ/又はより迅速に最小のグローバルエネルギーを達成するために、不規則性のソース(source of disordering)として、量子トンネリングなどの量子効果を使用することができる。量子アニーリングでは、アニーリングに熱効果及び他のノイズが存在することがある。最終的な低エネルギー状態は、最小のグローバルエネルギーではない場合がある。断熱量子計算は、理想的には、システムが接地状態で開始し、断熱進化を通じて接地状態に留まる量子アニーリングの特殊な場合とみなされ得る。それ故、当業者は、量子アニーリングシステム及び方法が、一般に断熱量子コンピュータに実装され得ることを理解するであろう。本明細書及び添付特許請求の範囲の全体にわたって、量子アニーリングに対するいずれの言及も、文脈上別段の解釈が要求されない限り、断熱量子計算を包含することを意図する。
式中、A(t)及びB(t)は、時間依存的な包絡線関数である。例えば、A(t)は、進化中に大きな値から実質的にゼロに変化することができ、HEは、上の断熱量子計算の文脈に記載されるHeと同様の進化ハミルトニアンと考えることができる。不規則は、HDを除去することによって(すなわち、A(t)を減少させることによって)緩徐に除去される。
Claims (35)
- 機械学習で使用するための計算システムであって、前記計算システムが、
少なくとも1つのデジタルプロセッサコアと、
前記少なくとも1つのデジタルプロセッサコアに通信可能に結合可能であり、かつ前記少なくとも1つのデジタルプロセッサコアによって実行されると、前記少なくとも1つのデジタルプロセッサコアにサンプリングサーバを実装させるプロセッサ実行可能命令の少なくとも1つを記憶する、少なくとも1つの非一時的なプロセッサ可読媒体と、を備え、前記サンプリングサーバが、
前記サンプリングサーバが実装された前記少なくとも1つのデジタルプロセッサコアとは別個の少なくとも1つのデジタルプロセッサコア上で前記サンプリングサーバと並行して実行されている機械学習プロセスの反復に関するパラメータの初期セットを受信し、
前記機械学習プロセスの実行と一時的に並行して、サンプルの第1のセットを前記パラメータの初期セットに基づいて生成し、
前記機械学習プロセスの更なる反復で使用するために、前記少なくとも1つのデジタルプロセッサコアによって実装されたときに、サンプリングサーバによって生成された前記サンプルの第1のセットを提供し、
前記サンプリングサーバが実装される前記少なくとも1つのデジタルプロセッサコアは、少なくとも1つの量子プロセッサに更に通信可能に結合可能であり、プロセッサ実行可能命令又はデータの実行は、前記サンプリングサーバが実装される前記少なくとも1つのデジタルプロセッサコアに、
前記サンプリングサーバから前記少なくとも1つの量子プロセッサに、パラメータの現在のセットを提供させ、
前記少なくとも1つの量子プロセッサから量子プロセッサ生成サンプルのセットを受信させ、
前記量子プロセッサは、前記サンプリングサーバによって提供された前記パラメータの現在のセットに少なくとも部分的に基づいて、分布からサンプルを抽出する、計算システム。 - 前記プロセッサ実行可能命令又の実行が、前記少なくとも1つのデジタルプロセッサコアに、サンプリングサーバによって生成された前記サンプルの第1のセットと共に関数の第1のセットを提供させ、前記関数の第1のセットが、前記サンプルの第1のセットの平均スピン及びスピン-スピン相関を含み、前記機械学習プロセスに、前記サンプルの第1のセットの平均スピン及びスピン-スピン相関を用いて、生成モデルの対数尤度を最大化させる、請求項1に記載の計算システム。
- 前記プロセッサ実行可能命令の実行が、前記少なくとも1つのデジタルプロセッサコアにボルツマン分布からサンプルを抽出させる、請求項1に記載の計算システム。
- 前記プロセッサ実行可能命令の実行が、前記少なくとも1つのデジタルプロセッサコアに、単一温度のギブスサンプリングのマルコフ連鎖、シミュレーテッド焼き戻し、並列焼き戻し、ポピュレーションアニーリング、及びアニールされた重要度サンプリングのうちの少なくとも1つを介してサンプルを抽出させる、請求項1に記載の計算システム。
- 前記機械学習プロセスが、生成モデルの対数尤度を最大化する、請求項1に記載の計算システム。
- 前記プロセッサ実行可能命令の実行が、前記サンプリングサーバが実装された前記少なくとも1つのデジタルプロセッサコアに更に、
前記量子プロセッサから受信した前記サンプルに対して後処理を実施させる、請求項1に記載の計算システム。 - 前記量子プロセッサが、前記サンプリングサーバによって提供された前記パラメータの現在のセットに少なくとも部分的に基づいて分布からサンプルを抽出する、請求項1に記載の計算システム。
- 前記量子プロセッサが、サンプルを抽出する前に連鎖埋め込みを実施する、請求項7に記載の計算システム。
- 前記サンプリングサーバが、前記機械学習プロセスが実行される前記少なくとも1つの別個のデジタルプロセッサコアに、サンプル、サンプルの関数、及び対数分配関数に対する近似値を送信し、
前記プロセッサ実行可能命令の実行が、前記機械学習プロセスに、前記サンプルの関数及び前記対数分配関数に対する近似値を用いて、生成モデルの対数尤度を最大化させる、請求項1に記載の計算システム。 - 前記サンプリングサーバが実装された前記少なくとも1つのデジタルプロセッサコアが、メモリ容量を有するグラフィックプロセッサユニットの第1のプロセッサコアであり、前記機械学習プロセスを実行する前記別個の少なくとも1つのデジタルプロセッサコアが、前記グラフィックプロセッサユニットの第2のプロセッサコアであり、前記グラフィックプロセッサユニットの前記第1のプロセッサコアと前記メモリ容量を共有する、請求項1に記載の計算システム。
- 前記サンプリングサーバが実装された前記少なくとも1つのデジタルプロセッサコアが、第1のグラフィックプロセッサユニットのプロセッサコアであり、前記機械学習プロセスを実行する前記別個の少なくとも1つのデジタルプロセッサコアが、第2のグラフィックプロセッサユニットのプロセッサコアであり、前記第2のグラフィックプロセッサユニットが、前記第1のグラフィックプロセッサユニットとは別個の異なるものである、請求項1に記載の計算システム。
- 前記第1のグラフィックプロセッサユニットが、第1のコンピュータの一部であり、前記第2のグラフィックプロセッサユニットが、第2のコンピュータの一部であり、前記第2のコンピュータが、前記第1のコンピュータとは別個の異なるものである、請求項11に記載の計算システム。
- 前記サンプリングサーバが実装された前記少なくとも1つのデジタルプロセッサコアが、互いに別個の異なるものである複数のプロセッサの複数のデジタルプロセッサコアを含み、前記複数のプロセッサが、複数のコンピュータの構成要素であり、前記コンピュータが、ネットワークインフラストラクチャを介して通信可能に結合されたマシンのクラスタを形成する、請求項12に記載の計算システム。
- 前記プロセッサ実行可能命令の実行が、前記少なくとも1つのデジタルプロセッサコアに更に、
前記サンプリングサーバが実装された前記少なくとも1つのデジタルプロセッサコアとは別個の前記少なくとも1つのデジタルプロセッサコア上で前記サンプリングサーバと並行して実行されている前記機械学習プロセスのいくつかの反復の各々に関するパラメータの追加セットを反復して受信させ、
前記機械学習プロセスの実行と一時的に並行して、サンプルの追加セットを、前記パラメータの追加セットのうちのそれぞれのパラメータに基づいて、反復して生成させ、
前記機械学習プロセスの前記反復で使用するために、前記少なくとも1つのデジタルプロセッサコアによって実装されたときに、サンプリングサーバによって生成された前記サンプルの追加セットを反復して提供させる、請求項1に記載の計算システム。 - 前記サンプリングサーバが、前記機械学習プロセスと共に、その少なくとも一部と重複して実行される、請求項1に記載の計算システム。
- 前記サンプリングサーバが、前記機械学習プロセスと同時に実行される、請求項1に記載の計算システム。
- 機械学習で使用するための計算システムの動作の方法であって、前記方法が、
サンプリングサーバを実装する少なくとも1つのデジタルプロセッサコアによって、前記サンプリングサーバが実装された前記少なくとも1つのデジタルプロセッサコアとは別個の少なくとも1つのデジタルプロセッサコア上で前記サンプリングサーバと並行して実行されている機械学習プロセスの反復に関するパラメータの初期セットを受信することと、
サンプリングサーバを実装する少なくとも1つのデジタルプロセッサコアによって、前記機械学習プロセスの実行と一時的に並行して、サンプルの第1のセットを前記パラメータの初期セットに基づいて生成することと、
サンプリングサーバを実装する少なくとも1つのデジタルプロセッサコアによって、前記機械学習プロセスの更なる反復で使用するために、前記少なくとも1つのデジタルプロセッサコアによって実装されたときに、サンプリングサーバによって生成された前記サンプルの第1のセットを提供することと、
前記サンプリングサーバから少なくとも1つの量子プロセッサに、パラメータの現在のセットを提供することと、
前記サンプリングサーバにより提供される前記パラメータの現在のセットに少なくとも部分的に基づいて、前記サンプリングサーバによって、前記少なくとも1つの量子プロセッサから、量子プロセッサ生成サンプルの第2のセットを受信することと、
を含む、方法。 - サンプリングサーバを実装する少なくとも1つのデジタルプロセッサコアによって、サンプリングサーバによって生成された前記サンプルの第1のセットと共に関数の第1のセットを提供することを更に含み、前記関数の第1のセットが、前記サンプルの第1のセットの平均スピン及びスピン-スピン相関を含み、
前記機械学習プロセスにより、前記サンプルの第1のセットの平均スピン及びスピン-スピン相関を用いて、生成モデルの対数尤度を最大化させる、請求項17に記載の方法。 - サンプリングサーバを実装する前記少なくとも1つのデジタルプロセッサコアによって、ボルツマン分布からサンプルを抽出することを更に含む、請求項17に記載の方法。
- サンプリングサーバを実装する前記少なくとも1つのデジタルプロセッサコアによって、単一温度のギブスサンプリングのマルコフ連鎖、シミュレーテッド焼き戻し、並列焼き戻し、ポピュレーションアニーリング、及びアニールされた重要度サンプリングのうちの少なくとも1つを介してサンプルを抽出することを更に含む、請求項17に記載の方法。
- 前記サンプリングサーバによって、前記機械学習プロセスが実行される前記少なくとも1つの別個のデジタルプロセッサコアにサンプルの関数及び対数分配関数に対する近似値を送信することと、
前記機械学習プロセスにより、前記サンプルの関数及び前記対数分配関数に対する近似値を用いて、生成モデルの対数尤度を最大化させること、
を更に含む、請求項17に記載の方法。 - 前記サンプリングサーバによって、前記サンプルの現在のセットを更新する前に前記サンプルの第2のセットに対して後処理を実施して、前記サンプルの第2のセットに少なくとも部分的に基づいてサンプルの第3のセットを生成することを更に含む、請求項19に記載の方法。
- 前記量子プロセッサによって、前記サンプリングサーバによって提供された前記パラメータの現在のセットに少なくとも部分的に基づいて分布からサンプルを抽出することを更に含む、請求項19に記載の方法。
- 前記量子プロセッサによってサンプルを抽出する前に、前記量子プロセッサによって連鎖埋め込みを実施することを更に含む、請求項23に記載の方法。
- 前記サンプリングサーバが実装された前記少なくとも1つのデジタルプロセッサコアとは別個の前記少なくとも1つのデジタルプロセッサコア上で前記サンプリングサーバと並行して実行されている前記機械学習プロセスのいくつかの反復の各々に関するパラメータの追加セットを反復して受信することと、
前記機械学習プロセスの実行と一時的に並行して、サンプルの追加セットを、前記パラメータの追加セットのうちのそれぞれのパラメータに基づいて、反復して生成することと、
前記機械学習プロセスの前記反復で使用するために、前記少なくとも1つのデジタルプロセッサコアによって実装されたときに、サンプリングサーバによって生成された前記サンプルの追加セットを反復して提供することと、を更に含む、請求項17に記載の方法。 - 前記サンプリングサーバが、前記機械学習プロセスと共に、その少なくとも一部と重複して実行される、請求項17に記載の方法。
- 前記サンプリングサーバが、前記機械学習プロセスと同時に実行される、請求項17に記載の方法。
- 機械学習で使用するための方法であって、前記方法が、
第1の問題に対する機械学習プロセスの実行の一部として、前記第1の問題に対する前記機械学習プロセスを実行するデジタルプロセッサによってパラメータの初期セットを初期化することと、
前記第1の問題に対する前記機械学習プロセスの実行の一部として、前記機械学習プロセスを実行する前記デジタルプロセッサによって、前記パラメータの初期セットを、前記機械学習プロセスと並行して実行されているサンプリングサーバに送信することと、
前記第1の問題に対する前記機械学習プロセスの実行の一部として、前記サンプリングサーバによる分布からのサンプルの抽出と並行して、前記機械学習プロセスを実行する前記デジタルプロセッサによって生成モデルの対数尤度を最大化することであって、生成モデルの対数尤度を最大化することが、前記パラメータの初期セット及び前記サンプルの関数に基づく、ことと、
前記第1の問題に対する前記機械学習プロセスの実行の一部として、前記機械学習プロセスを実行する前記デジタルプロセッサによって、前記サンプルを前記サンプリングサーバから受信することと、
前記第1の問題に対する前記機械学習プロセスの実行の一部として、前記機械学習プロセスを実行する前記デジタルプロセッサによって前記生成モデルの前記対数尤度を最大化することによって、前記受信されたサンプルを使用して前記分布を学習することと、
を含み、
前記サンプリングサーバが実装される前記デジタルプロセッサは、少なくとも1つの量子プロセッサに更に通信可能に結合可能であり、
前記第1の問題に対する機械学習プロセスの実行の一部として、前記少なくとも1つの量子プロセッサにパラメータの現在のセットを、前記サンプリングサーバにより、随時、送信することと、前記量子プロセッサから返却されるサンプルを前記サンプリングサーバにより、随時、受信することと、
を含む、方法。 - 前記サンプリングサーバによって、分布から前記サンプルを抽出することと、
前記サンプルの前記関数を、前記サンプリングサーバによって、計算することであって、前記サンプルの前記関数は、前記サンプルの第1のセットの平均スピン及びスピン-スピン相関を含む、ことと、
を更に含む、請求項28に記載の方法。 - 前記サンプリングサーバによって、ボルツマン分布から前記サンプルを抽出することを更に含む、請求項28に記載の方法。
- 前記サンプリングサーバによって、単一温度のギブスサンプリングのマルコフ連鎖、シミュレーテッド焼き戻し、並列焼き戻し、ポピュレーションアニーリング、及びアニールされた重要度サンプリングのうちの少なくとも1つを介して前記サンプルを抽出することを更に含む、請求項28に記載の方法。
- 機械学習で使用するための方法であって、前記方法が、
第1の問題に対する機械学習プロセスの実行の一部として、
前記第1の問題に対する前記機械学習プロセスを実行するデジタルプロセッサによって、学習される分布に対応する初期パラメータのセットをサンプリングサーバに送信することと、
前記初期パラメータに少なくとも部分的に基づいて、サンプリングサーバによって前記分布からサンプルの第1のセットを抽出することと、
前記第1の問題に対する前記機械学習プロセスを実行する前記デジタルプロセッサによって、前記サンプルの第1のセット及び前記サンプルの関数を受信することと、
前記第1の問題に対する前記機械学習プロセスを実行するデジタルプロセッサによって、受信された前記サンプルの第1のセットに基づいて、更新されたパラメータのセットを生成することと、
随時、前記サンプリングサーバによって、前記更新されたパラメータを量子プロセッサに送信することであって、前記サンプリングサーバが実装される前記デジタルプロセッサは、前記量子プロセッサに通信可能に結合可能である、ことと、
随時、前記サンプリングサーバによって、前記量子プロセッサから返却されたサンプルの第2のセットを受信することと、
前記サンプリングサーバによって、前記サンプルの第1のセットを更新して、前記サンプルの第2のセットに少なくとも部分的に基づいて、前記更新されたパラメータ及び前記サンプルの第2のセットに対応するサンプルの第3のセットを生成することと、
前記第1の問題に対する前記機械学習プロセスを実行する前記デジタルプロセッサによって、前記サンプルの第3のセットを受信することと、
前記第1の問題に対する前記機械学習プロセスを実行する前記デジタルプロセッサによって、前記サンプルの第3のセット及び前記サンプルの関数を使用して、生成モデルの対数尤度を最大化することと、を含む、方法。 - 量子ハードウェアを介して、前記量子プロセッサよって、前記更新されたパラメータに対応する前記サンプルの第2のセットを抽出することを更に含む、請求項32に記載の方法。
- 前記サンプリングサーバによって前記サンプルの第1のセットを抽出することと、
前記サンプリングサーバによって、前記サンプルの第1のセットの前記サンプルの前記関数を計算することであって、前記サンプルの関数は、前記サンプルの第1のセットの平均スピン及びスピン-スピン相関を含む、ことと、
を更に含む、請求項32に記載の方法。 - サンプルを抽出する前に、前記量子プロセッサによって連鎖埋め込みを実施することを更に含む、請求項34に記載の方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662399683P | 2016-09-26 | 2016-09-26 | |
US62/399,683 | 2016-09-26 | ||
PCT/US2017/053303 WO2018058061A1 (en) | 2016-09-26 | 2017-09-25 | Systems, methods and apparatus for sampling from a sampling server |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019533241A JP2019533241A (ja) | 2019-11-14 |
JP7134949B2 true JP7134949B2 (ja) | 2022-09-12 |
Family
ID=61690663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019516164A Active JP7134949B2 (ja) | 2016-09-26 | 2017-09-25 | サンプリングサーバからサンプリングするためのシステム、方法、及び装置 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11481669B2 (ja) |
EP (1) | EP3516599A4 (ja) |
JP (1) | JP7134949B2 (ja) |
KR (1) | KR102593690B1 (ja) |
CN (1) | CN109983481B (ja) |
WO (1) | WO2018058061A1 (ja) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11100416B2 (en) | 2015-10-27 | 2021-08-24 | D-Wave Systems Inc. | Systems and methods for degeneracy mitigation in a quantum processor |
WO2018165021A1 (en) * | 2017-03-10 | 2018-09-13 | Rigetti & Co., Inc. | Modular control in a quantum computing system |
EP3718026B1 (en) * | 2017-12-01 | 2023-11-29 | 1QB Information Technologies Inc. | Systems and methods for stochastic optimization of a robust inference problem |
US11176478B2 (en) | 2019-02-21 | 2021-11-16 | International Business Machines Corporation | Method for estimating a quantum phase |
WO2020255076A1 (en) | 2019-06-19 | 2020-12-24 | 1Qb Information Technologies Inc. | Method and system for mapping a dataset from a hilbert space of a given dimension to a hilbert space of a different dimension |
CN113110931A (zh) * | 2020-01-10 | 2021-07-13 | 北京小米松果电子有限公司 | 内核运算优化方法、装置及系统 |
US20230214700A1 (en) * | 2020-04-09 | 2023-07-06 | Socpra Sciences Et Genie S.E.C. | Method of performing a quantum computation |
CN111601490B (zh) * | 2020-05-26 | 2022-08-02 | 内蒙古工业大学 | 数据中心主动通风地板的强化学习控制方法 |
CN111768007B (zh) * | 2020-06-28 | 2023-08-08 | 北京百度网讯科技有限公司 | 用于挖掘数据的方法和装置 |
US11809426B2 (en) | 2022-02-03 | 2023-11-07 | Bank Of America Corporation | System for implementing a data driven channel for query executions using quantum computing |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150317558A1 (en) | 2014-05-01 | 2015-11-05 | Lockheed Martin Corporation | Quantum-assisted training of neural networks |
WO2015193531A1 (en) | 2014-06-16 | 2015-12-23 | Nokia Technologies Oy | Data processing |
US20160042294A1 (en) | 2011-07-06 | 2016-02-11 | D-Wave Systems Inc. | Quantum processor based systems and methods that minimize an objective function |
Family Cites Families (106)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3470828A (en) | 1967-11-21 | 1969-10-07 | James R Powell Jr | Electromagnetic inductive suspension and stabilization system for a ground vehicle |
US5249122A (en) | 1990-03-15 | 1993-09-28 | Mount Sinai School Of Medicine Of The City University Of New York | Method and apparatus for forming images using orthogonal polynomials for temporal deconvolution |
US6671661B1 (en) | 1999-05-19 | 2003-12-30 | Microsoft Corporation | Bayesian principal component analysis |
JP3266586B2 (ja) | 1999-07-07 | 2002-03-18 | インターナショナル・ビジネス・マシーンズ・コーポレーション | データ分析システム |
MXPA02009001A (es) | 2000-03-16 | 2004-10-15 | Yuan Yan Chen | Aparato y metodo para analisis confuso de evidencia. |
US20030030575A1 (en) | 2001-05-07 | 2003-02-13 | Harmonic Data Systems Ltd. | Lossless data compression |
US7636651B2 (en) | 2003-11-28 | 2009-12-22 | Microsoft Corporation | Robust Bayesian mixture modeling |
US7418283B2 (en) | 2004-03-29 | 2008-08-26 | D-Wave Systems Inc. | Adiabatic quantum computation with superconducting qubits |
US7299171B2 (en) | 2004-08-17 | 2007-11-20 | Contentguard Holdings, Inc. | Method and system for processing grammar-based legality expressions |
US7212949B2 (en) | 2004-08-31 | 2007-05-01 | Intelligent Automation, Inc. | Automated system and method for tool mark analysis |
US7565627B2 (en) | 2004-09-30 | 2009-07-21 | Microsoft Corporation | Query graphs indicating related queries |
US20060115145A1 (en) | 2004-11-30 | 2006-06-01 | Microsoft Corporation | Bayesian conditional random fields |
US7533068B2 (en) | 2004-12-23 | 2009-05-12 | D-Wave Systems, Inc. | Analog processor comprising quantum devices |
US7401305B2 (en) | 2005-07-11 | 2008-07-15 | International Business Machines Corporation | Adaptive application of SAT solving techniques |
WO2010148120A2 (en) | 2009-06-17 | 2010-12-23 | D-Wave Systems Inc. | Systems and methods for solving computational problems |
US8560282B2 (en) | 2005-07-11 | 2013-10-15 | D-Wave Systems Inc. | Quantum processor-based systems, methods and apparatus for solving problems as logic circuits |
US7467118B2 (en) | 2006-01-12 | 2008-12-16 | Entelos Inc. | Adjusted sparse linear programming method for classifying multi-dimensional biological data |
CN101473346B (zh) | 2006-04-12 | 2012-06-20 | 法国卓然 | 鲁棒的超分辨率视频缩放的方法及装置 |
US8195726B2 (en) | 2006-06-20 | 2012-06-05 | D-Wave Systems Inc. | Systems, devices, and methods for solving computational problems |
US8271043B2 (en) | 2006-08-21 | 2012-09-18 | Qualcomm Incorporated | Approach to a unified SU-MIMO/MU-MIMO operation |
US7729531B2 (en) | 2006-09-19 | 2010-06-01 | Microsoft Corporation | Identifying repeated-structure elements in images |
US7792353B2 (en) * | 2006-10-31 | 2010-09-07 | Hewlett-Packard Development Company, L.P. | Retraining a machine-learning classifier using re-labeled training samples |
US20090077001A1 (en) | 2006-11-02 | 2009-03-19 | William Macready | Integrating optimization directly into databases |
EP2126800A4 (en) | 2006-12-05 | 2012-07-11 | Dwave Sys Inc | SYSTEMS, METHODS AND DEVICES FOR LOCAL PROGRAMMING OF QUANTUM PROCESSOR ELEMENTS |
CN1973756A (zh) | 2006-12-20 | 2007-06-06 | 复旦大学附属中山医院 | 氧化还原纳米药物量子点构成室温超导量子比特网络的方法 |
US8195596B2 (en) | 2007-01-12 | 2012-06-05 | D-Wave Systems Inc. | Systems, devices, and methods for interconnected processor topology |
US8275635B2 (en) | 2007-02-16 | 2012-09-25 | Bodymedia, Inc. | Integration of lifeotypes with devices and systems |
WO2008128338A1 (en) | 2007-04-19 | 2008-10-30 | D-Wave Systems Inc. | Systems, methods, and apparatus for automatic image recognition |
US20080313430A1 (en) | 2007-06-12 | 2008-12-18 | Bunyk Paul I | Method and system for increasing quantum computer processing speed using digital co-processor |
US8244650B2 (en) * | 2007-06-12 | 2012-08-14 | D-Wave Systems Inc. | Systems, methods, and apparatus for recursive quantum computing algorithms |
US8103671B2 (en) | 2007-10-11 | 2012-01-24 | Honda Motor Co., Ltd. | Text categorization with knowledge transfer from heterogeneous datasets |
US8190548B2 (en) | 2007-11-08 | 2012-05-29 | D-Wave Systems Inc. | Systems, devices, and methods for analog processing |
US8832165B2 (en) | 2007-12-12 | 2014-09-09 | Lockheed Martin Corporation | Computer systems and methods for quantum verification and validation |
JP5296189B2 (ja) | 2008-03-24 | 2013-09-25 | ディー−ウェイブ システムズ,インコーポレイテッド | アナログ処理用のシステム、装置、および方法 |
US8131660B2 (en) | 2008-04-08 | 2012-03-06 | Microsoft Corporation | Reconfigurable hardware accelerator for boolean satisfiability solver |
EP2283373B1 (en) | 2008-04-28 | 2021-03-10 | Cornell University | Accurate quantification of magnetic susceptibility in molecular mri |
CA2724617C (en) | 2008-05-20 | 2017-02-21 | D-Wave Systems, Inc. | Systems, methods, and apparatus for calibrating, controlling, and operating a quantum processor |
WO2009152180A2 (en) | 2008-06-10 | 2009-12-17 | D-Wave Systems Inc. | Parameter learning system for solvers |
US8081209B2 (en) | 2008-06-26 | 2011-12-20 | Toyota Motor Engineering & Manufacturing North America, Inc. | Method and system of sparse code based object classification with sensor fusion |
US8145334B2 (en) | 2008-07-10 | 2012-03-27 | Palo Alto Research Center Incorporated | Methods and systems for active diagnosis through logic-based planning |
US20100169243A1 (en) | 2008-12-27 | 2010-07-01 | Kibboko, Inc. | Method and system for hybrid text classification |
US8095345B2 (en) | 2009-01-20 | 2012-01-10 | Chevron U.S.A. Inc | Stochastic inversion of geophysical data for estimating earth model parameters |
US8239336B2 (en) * | 2009-03-09 | 2012-08-07 | Microsoft Corporation | Data processing using restricted boltzmann machines |
US20100332423A1 (en) | 2009-06-24 | 2010-12-30 | Microsoft Corporation | Generalized active learning |
JP5254893B2 (ja) | 2009-06-26 | 2013-08-07 | キヤノン株式会社 | 画像変換方法及び装置並びにパターン識別方法及び装置 |
US10223632B2 (en) | 2009-07-27 | 2019-03-05 | International Business Machines Corporation | Modeling states of an entity |
US20110142335A1 (en) | 2009-12-11 | 2011-06-16 | Bernard Ghanem | Image Comparison System and Method |
US20110295845A1 (en) | 2010-05-27 | 2011-12-01 | Microsoft Corporation | Semi-Supervised Page Importance Ranking |
US10592757B2 (en) | 2010-06-07 | 2020-03-17 | Affectiva, Inc. | Vehicular cognitive data collection using multiple devices |
US8566260B2 (en) | 2010-09-30 | 2013-10-22 | Nippon Telegraph And Telephone Corporation | Structured prediction model learning apparatus, method, program, and recording medium |
US8242799B2 (en) | 2010-11-16 | 2012-08-14 | Northrop Grumman Systems Corporation | System and method for phase error reduction in quantum systems |
US8977576B2 (en) | 2010-11-19 | 2015-03-10 | D-Wave Systems Inc. | Methods for solving computational problems using a quantum processor |
US8589319B2 (en) | 2010-12-02 | 2013-11-19 | At&T Intellectual Property I, L.P. | Adaptive pairwise preferences in recommenders |
CN102364497B (zh) | 2011-05-06 | 2013-06-05 | 北京师范大学 | 一种应用于电子导盲系统的图像语义提取方法 |
KR101318812B1 (ko) | 2011-07-18 | 2013-10-17 | 한양대학교 산학협력단 | 에지의 방향 성분을 검출하는 영상 필터링 방법 및 이를 이용한 영상 인식 방법 |
CN102324047B (zh) | 2011-09-05 | 2013-06-12 | 西安电子科技大学 | 基于稀疏核编码skr的高光谱图像地物识别方法 |
US20130097103A1 (en) | 2011-10-14 | 2013-04-18 | International Business Machines Corporation | Techniques for Generating Balanced and Class-Independent Training Data From Unlabeled Data Set |
US9700276B2 (en) | 2012-02-28 | 2017-07-11 | Siemens Healthcare Gmbh | Robust multi-object tracking using sparse appearance representation and online sparse appearance dictionary update |
US8958632B2 (en) | 2012-03-12 | 2015-02-17 | Mitsubishi Electric Research Laboratories, Inc. | Learning dictionaries with clustered atoms |
CN102651073B (zh) | 2012-04-07 | 2013-11-20 | 西安电子科技大学 | 基于稀疏动态集成选择的sar图像地物分类方法 |
CN102831402B (zh) | 2012-08-09 | 2015-04-08 | 西北工业大学 | 基于稀疏编码和视觉显著性的红外遥感图像检测机场的方法 |
US11082490B2 (en) * | 2012-11-28 | 2021-08-03 | Nvidia Corporation | Method and apparatus for execution of applications in a cloud system |
US9241102B2 (en) | 2012-12-05 | 2016-01-19 | Xerox Corporation | Video capture of multi-faceted documents |
US9378733B1 (en) | 2012-12-19 | 2016-06-28 | Google Inc. | Keyword detection without decoding |
US20140201208A1 (en) | 2013-01-15 | 2014-07-17 | Corporation Symantec | Classifying Samples Using Clustering |
US9944520B2 (en) | 2013-01-15 | 2018-04-17 | Alcatel Lucent | Syndrome of degraded quantum redundancy coded states |
US20140214835A1 (en) * | 2013-01-29 | 2014-07-31 | Richard Thomas Oehrle | System and method for automatically classifying documents |
EP2951720B1 (en) | 2013-01-31 | 2018-05-02 | Betazi, LLC | Production analysis and/or forecasting methods, apparatus, and systems |
US9111230B2 (en) | 2013-03-14 | 2015-08-18 | International Business Machines Corporation | Frequency arrangement for surface code on a superconducting lattice |
WO2014174087A1 (en) | 2013-04-25 | 2014-10-30 | Thomson Licensing | Method and device for performing super-resolution on an input image |
CN105531725B (zh) * | 2013-06-28 | 2018-03-13 | D-波系统公司 | 用于对数据进行量子处理的系统和方法 |
US10318881B2 (en) | 2013-06-28 | 2019-06-11 | D-Wave Systems Inc. | Systems and methods for quantum processing of data |
US8863044B1 (en) | 2013-09-06 | 2014-10-14 | International Business Machines Corporation | Layout assessment method and system |
US10339466B1 (en) | 2013-09-11 | 2019-07-02 | Google Llc | Probabilistic inference in machine learning using a quantum oracle |
WO2015061631A1 (en) | 2013-10-23 | 2015-04-30 | Rutgers, The State University Of New Jersey | Color standardization for digitized histological images |
US9588940B2 (en) * | 2013-12-05 | 2017-03-07 | D-Wave Systems Inc. | Sampling from a set of spins with clamping |
US20150161524A1 (en) | 2013-12-05 | 2015-06-11 | D-Wave Systems Inc. | Sampling from a set spins with clamping |
US10282465B2 (en) | 2014-02-25 | 2019-05-07 | Intel Corporation | Systems, apparatuses, and methods for deep learning of feature detectors with sparse coding |
US9158971B2 (en) | 2014-03-03 | 2015-10-13 | Xerox Corporation | Self-learning object detectors for unlabeled videos using multi-task learning |
US11256982B2 (en) | 2014-07-18 | 2022-02-22 | University Of Southern California | Noise-enhanced convolutional neural networks |
CN107077642B (zh) | 2014-08-22 | 2021-04-06 | D-波系统公司 | 可用于量子计算的用于求解问题的系统和方法 |
US20160110657A1 (en) * | 2014-10-14 | 2016-04-21 | Skytree, Inc. | Configurable Machine Learning Method Selection and Parameter Optimization System and Method |
WO2016089711A1 (en) * | 2014-12-05 | 2016-06-09 | Microsoft Technology Licensing, Llc | Quantum deep learning |
US11238364B2 (en) | 2015-02-13 | 2022-02-01 | National Ict Australia Limited | Learning from distributed data |
USD795416S1 (en) | 2015-02-27 | 2017-08-22 | 3M Innovative Properties Company | Respirator mask |
CN104766167A (zh) | 2015-03-31 | 2015-07-08 | 浪潮集团有限公司 | 一种使用受限玻尔兹曼机的税务大数据分析方法 |
US20180137422A1 (en) | 2015-06-04 | 2018-05-17 | Microsoft Technology Licensing, Llc | Fast low-memory methods for bayesian inference, gibbs sampling and deep learning |
GB2555002A (en) | 2015-06-11 | 2018-04-18 | L Foster Kenneth | Tip-proof feeding bowl for house pets |
US9801313B2 (en) | 2015-06-26 | 2017-10-24 | Microsoft Technology Licensing, Llc | Underwater container cooling via integrated heat exchanger |
CN108351987A (zh) | 2015-08-19 | 2018-07-31 | D-波系统公司 | 用于使用绝热量子计算机进行机器学习的系统和方法 |
US11157817B2 (en) | 2015-08-19 | 2021-10-26 | D-Wave Systems Inc. | Discrete variational auto-encoder systems and methods for machine learning using adiabatic quantum computers |
US10255628B2 (en) | 2015-11-06 | 2019-04-09 | Adobe Inc. | Item recommendations via deep collaborative filtering |
US10296846B2 (en) | 2015-11-24 | 2019-05-21 | Xerox Corporation | Adapted domain specific class means classifier |
CN108701263B (zh) | 2015-12-30 | 2022-06-24 | 谷歌有限责任公司 | 用于耦合量子比特的设备以及用于训练量子处理器以解决机器学习推断问题的方法 |
US20190018933A1 (en) | 2016-01-15 | 2019-01-17 | Preferred Networks, Inc. | Systems and methods for multimodal generative machine learning |
WO2017124299A1 (zh) | 2016-01-19 | 2017-07-27 | 深圳大学 | 基于序贯贝叶斯滤波的多目标跟踪方法及跟踪系统 |
CN108780525A (zh) | 2016-01-29 | 2018-11-09 | D-波系统公司 | 用于生成学习的系统和方法 |
US10817796B2 (en) | 2016-03-07 | 2020-10-27 | D-Wave Systems Inc. | Systems and methods for machine learning |
US10789540B2 (en) | 2016-04-18 | 2020-09-29 | D-Wave Systems Inc. | Systems and methods for embedding problems into an analog processor |
US10180688B2 (en) | 2016-06-13 | 2019-01-15 | International Business Machines Corporation | Optimization through use of conductive threads and biometric data |
US10853695B2 (en) | 2016-06-30 | 2020-12-01 | Konica Minolta Laboratory U.S.A., Inc. | Method and system for cell annotation with adaptive incremental learning |
US20180025291A1 (en) | 2016-07-20 | 2018-01-25 | Carnegie Mellon University | Data Processing System for Generating Data Structures |
CN109996437A (zh) | 2016-09-08 | 2019-07-09 | 沃尔玛阿波罗有限责任公司 | 用于经由无人载具来对作物授粉的系统和方法 |
CN106569601A (zh) | 2016-10-28 | 2017-04-19 | 华南理工大学 | 一种基于p300脑电的虚拟驾驶系统控制方法 |
US11157828B2 (en) | 2016-12-08 | 2021-10-26 | Microsoft Technology Licensing, Llc | Tomography and generative data modeling via quantum boltzmann training |
US11205103B2 (en) | 2016-12-09 | 2021-12-21 | The Research Foundation for the State University | Semisupervised autoencoder for sentiment analysis |
-
2017
- 2017-09-25 WO PCT/US2017/053303 patent/WO2018058061A1/en active Application Filing
- 2017-09-25 KR KR1020197012141A patent/KR102593690B1/ko active IP Right Grant
- 2017-09-25 JP JP2019516164A patent/JP7134949B2/ja active Active
- 2017-09-25 CN CN201780071934.6A patent/CN109983481B/zh active Active
- 2017-09-25 EP EP17854088.6A patent/EP3516599A4/en not_active Withdrawn
- 2017-09-26 US US16/336,625 patent/US11481669B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160042294A1 (en) | 2011-07-06 | 2016-02-11 | D-Wave Systems Inc. | Quantum processor based systems and methods that minimize an objective function |
US20150317558A1 (en) | 2014-05-01 | 2015-11-05 | Lockheed Martin Corporation | Quantum-assisted training of neural networks |
WO2015193531A1 (en) | 2014-06-16 | 2015-12-23 | Nokia Technologies Oy | Data processing |
Non-Patent Citations (4)
Title |
---|
吉原 輝(外3名),「深層学習による経済指標動向推定」,2014年度 人工知能学会全国大会(第28回)論文集,[CD-ROM],Session ID: 3H3-OS-24a-5,日本,一般社団法人 人工知能学会,2014年05月12日,全4頁. |
宮田 裕章(外7名),「マルチGPU環境における大規模データの分割による2D-FFT処理手法の検討」,電子情報通信学会技術研究報告,日本,一般社団法人 電子情報通信学会,2014年07月21日,Vol.114, No.155,第103~108頁,ISSN: 0913-5685. |
甘利 俊一,「神経計算学 - 並列学習情報処理を目指して」,計測と制御,日本,社団法人 計測自動制御学会,1988年03月10日,Vol.27, No.3,第255~263頁,[online],[令和3年11月14日検索],インターネット,<URL: https://doi.org/10.11499/sicejl1962.27.255>,ISSN: 0453-4662. |
谷 和也(外2名),「GPUを用いた高スループット計算システムの実装」,電子情報通信学会技術研究報告,日本,一般社団法人 電子情報通信学会,2014年11月06日,Vol.114, No.302,第93~98頁,ISSN: 0913-5685. |
Also Published As
Publication number | Publication date |
---|---|
KR20190068559A (ko) | 2019-06-18 |
EP3516599A4 (en) | 2019-10-02 |
CN109983481B (zh) | 2023-08-15 |
US11481669B2 (en) | 2022-10-25 |
US20210289020A1 (en) | 2021-09-16 |
KR102593690B1 (ko) | 2023-10-26 |
JP2019533241A (ja) | 2019-11-14 |
CN109983481A (zh) | 2019-07-05 |
EP3516599A1 (en) | 2019-07-31 |
WO2018058061A1 (en) | 2018-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7134949B2 (ja) | サンプリングサーバからサンプリングするためのシステム、方法、及び装置 | |
US20210365826A1 (en) | Discrete variational auto-encoder systems and methods for machine learning using adiabatic quantum computers | |
US20220076131A1 (en) | Discrete variational auto-encoder systems and methods for machine learning using adiabatic quantum computers | |
Xin et al. | Neurolkh: Combining deep learning model with lin-kernighan-helsgaun heuristic for solving the traveling salesman problem | |
Carrasquilla | Machine learning for quantum matter | |
US20230385668A1 (en) | Systems and methods for analog processing of problem graphs having arbitrary size and/or connectivity | |
Lu et al. | Nsga-net: A multi-objective genetic algorithm for neural architecture search | |
US11410067B2 (en) | Systems and methods for machine learning using adiabatic quantum computers | |
CN108369668B (zh) | 用于创建和使用量子玻尔兹曼机的系统和方法 | |
Baymurzina et al. | A review of neural architecture search | |
US20210166148A1 (en) | Variationally and adiabatically navigated quantum eigensolvers | |
US10275422B2 (en) | Systems and methods for finding quantum binary optimization problems | |
CN109716360B (zh) | 用于量子计算的系统和方法 | |
US20170255871A1 (en) | Systems and methods for machine learning | |
Chou et al. | Classical and quantum-inspired Tabu search for solving 0/1 knapsack problem | |
Oudelha et al. | HMM parameters estimation using hybrid Baum-Welch genetic algorithm | |
Li et al. | Neural architecture tuning with policy adaptation | |
Ni et al. | Efficient off-policy reinforcement learning via brain-inspired computing | |
Yuan | Intrinsically-motivated reinforcement learning: A brief introduction | |
Fan et al. | Finding spin glass ground states through deep reinforcement learning | |
Liu et al. | Nature inspired population-based heuristics for rough set reduction | |
Saju et al. | Analysis on Role of Quantum Computing in Machine Learning | |
De Prins | Photonic quantum reservoir computing | |
Salmenperä et al. | Software techniques for training restricted Boltzmann machines on size-constrained quantum annealing hardware | |
Tiwari et al. | IoT-Based Reinforcement Learning Using Probabilistic Model for Determining Extensive Exploration through Computational Intelligence for Next-Generation Techniques |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200923 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211124 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20220121 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220518 |
|
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: 20220809 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220831 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7134949 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |