JP7185140B2 - 最適化装置及び最適化装置の制御方法 - Google Patents
最適化装置及び最適化装置の制御方法 Download PDFInfo
- Publication number
- JP7185140B2 JP7185140B2 JP2019075703A JP2019075703A JP7185140B2 JP 7185140 B2 JP7185140 B2 JP 7185140B2 JP 2019075703 A JP2019075703 A JP 2019075703A JP 2019075703 A JP2019075703 A JP 2019075703A JP 7185140 B2 JP7185140 B2 JP 7185140B2
- Authority
- JP
- Japan
- Prior art keywords
- bit
- value
- unit
- identification information
- group
- 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 93
- 238000000034 method Methods 0.000 title claims description 69
- 238000004364 calculation method Methods 0.000 claims description 137
- 230000008859 change Effects 0.000 claims description 56
- 230000005366 Ising model Effects 0.000 claims description 14
- 230000005284 excitation Effects 0.000 claims description 12
- 230000003993 interaction Effects 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 10
- 230000006870 function Effects 0.000 description 35
- 230000008569 process Effects 0.000 description 33
- 230000007704 transition Effects 0.000 description 32
- 238000010586 diagram Methods 0.000 description 28
- 238000012545 processing Methods 0.000 description 25
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 18
- 238000002922 simulated annealing Methods 0.000 description 18
- 238000001514 detection method Methods 0.000 description 6
- 230000000052 comparative effect Effects 0.000 description 5
- 230000007423 decrease Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000005283 ground state Effects 0.000 description 4
- 230000000644 propagated effect Effects 0.000 description 4
- 238000000137 annealing Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000000696 magnetic material Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- 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
- 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
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Automation & Control Theory (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Complex Calculations (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
以下に示す最適化装置は、1-hot制約を満たす状態以外の状態の探索を除外することで、1-hot制約をもつ最適化問題の計算時間を短縮するものである。
1-hot制約を考慮した最適化問題のエネルギー関数は、以下の式(3)のように表すことができる。
1-hot制約を満たす状態以外についても探索が行われる場合、式(4)のWijを表現するためのビット数は、式(3)のλ1の値が大きいほど大きくなる。λ1は、たとえば、上記のN(問題のサイズに相当する)や、Wijとのバランスをみて決定される。たとえば、最初はWijの最大値の10倍程度のλ1を用いてWijやbiが計算され、エネルギーの最小化が行われる。収束解が1-hot制約を満たしていなければ、1-hot制約を満たすようになるまで、λ1の値が増加される。
ところで、最適化装置が、1回の状態更新処理において2ビットの値を変化させる処理を繰り返して基底状態を探索していく際、各状態更新処理では、エネルギー変化を計算するために、ローカルフィールド値の更新が行われる。たとえば、あるグループにおいてインデックス=lのビットの値が0から1に変化し、インデックス=kのビットの値が1から0に変化する場合、N個のビットについてのh1~hNは、以下の式(8)に基づいて更新される。
h1 (kl)~hN (kl)を計算するためには、式(8)のように、重み値の行列のうち、インデックス=kについての行(Wk,1~Wk,N)と、インデックス=lについての行(Wl,1~Wl,N)が用いられることになる。
(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。
なお、図1では、N個のビットがG個のグループに分けられた場合におけるp番目のグループpに含まれる複数個(n個)のビットの間でハミング距離=2の状態遷移が生じることによるエネルギー変化を計算する回路部分が示されている。他のグループについてのエネルギー変化を計算する回路部分は、図1では図示が省略されている。
選択回路15は、熱励起エネルギーと、複数のΔE算出回路がそれぞれ出力するエネルギー変化との大小関係に基づいて、グループ1~Gのそれぞれに含まれる値が0のビットのうち、0から1への値の更新を許容する1つを識別するインデックス=lを出力する。熱励起エネルギーは、乱数と、図示しない制御部から入力される温度パラメータ(T)に基づいて決定される。
レプリカ交換法は、複数の温度に対して独立に(論理的に)並列に状態遷移を行い、ある反復回数ごとに、それぞれの状態(レプリカ)のエネルギーを比較し、所定の確率(たとえば、メトロポリス法に従った確率)で異なる温度の間で状態を交換する方法である。これにより、シミュレーテッド・アニーリングと同様な効果が得られるとともに、それぞれの温度における状態の確率分布がボルツマン分布に収束するための緩和時間を、シミュレーテッド・アニーリングに比べて短縮することができる。なお、状態の代わりにレプリカ間で温度を交換しても同様な効果が得られる。図1に示したような最適化装置10でレプリカ交換法を実現する場合、複数のレプリカはパイプライン化されて動作する。そして、図示しない制御部によって、ある反復回数ごとに、各レプリカのエネルギーに基づいて、所定の確率で、隣接する温度が設定されているレプリカの間で温度が交換される。状態を交換するよりも温度を交換したほうが、送受信するデータ量を少なくできる。
まず、初期設定が行われる。初期設定は、たとえば、図示しない制御部の制御のもとx1~xNを全て0に設定した後に、各グループにおいて、1つのビットの値を1に設定し、他のビットの値を0に設定する処理やローカルフィールド値の初期値の設定を含む。さらに、初期設定として、記憶部12に重み値を書き込む処理や、設定された各ビットの値と式(5)に基づいたローカルフィールド値の生成(更新)処理などが行われる。
図2に示されている最適化装置10aでは、ローカルフィールド値の更新のための、インデックス=lに関する重み値と、インデックス=kに関する重み値とが、記憶部11から異なるタイミングで読み出されてh生成部13に供給される。つまり、ローカルフィールド値の各更新において、メモリアクセスが2回続けて発生する。
図3では、M個のレプリカがパイプライン化され、各レプリカに対して1回の状態更新処理が行われた場合の処理時間の例が示されている。
図4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。
最適化装置20は、算出部21、選択回路22、識別情報計算部23、更新部24、制御部25を有する。
図5は、算出部の一例を示す図である。
算出部21は、記憶部21a、選択部21b、記憶部21c、保持部21d1~21dN、h生成部21e、h伝搬制御部21f、ΔE算出部21gを有する。
記憶回路21c1は、インデックス=1のビットと、G個の各グループにおいて値が1であるビットとの間の相互作用の大きさを示す重み値(Wk1,1,Wk2,1,…,WkG,1)を保持する。インデックス=k1~kGは、グループ1~グループGの各々において、値が1であるビットのインデックスである。また、記憶回路21ciは、インデックス=iのビットと、インデックス=k1~kGのビットとの間の相互作用の大きさを示す重み値(Wk1,i,Wk2,i,…,WkG,i)を保持する。記憶回路21cjは、インデックス=jのビットと、インデックス=k1~kGのビットとの間の相互作用の大きさを示す重み値(Wk1,j,Wk2,j,…,WkG,j)を保持する。記憶回路21cNは、インデックス=Nのビットと、インデックス=k1~kGのビットとの間の相互作用の大きさを示す重み値(Wk1,N,Wk2,N,…,WkG,N)を保持する。
図7では、記憶回路21c1~21cNのうち、記憶回路21ci,21cjの回路例が示されているが、他の記憶回路についても同様の回路にて実現できる。
さらに、記憶回路21ciの各保持部は、選択部21bとの接続の有無を切り替えるスイッチと、h生成部21eとの接続の有無を切り替えるスイッチを有する。たとえば、スイッチ31a,31b,31c,31dは、保持部30a~30dと、選択部21bとの接続の有無を切り替えるスイッチである。スイッチ32a,32b,32c,32dは、保持部30a~30dと、h生成部21eとの接続の有無を切り替えるスイッチである。
AND回路38aは、デコード信号dxと信号ekxとの論理積を出力する。AND回路38aの出力信号が1の場合、スイッチ31b,34b,32a,35aがオンし、AND回路38aの出力信号が0の場合、スイッチ31b,34b,32a,35aがオフする。AND回路38bは、デコード信号dxと信号okxとの論理積を出力する。AND回路38bの出力信号が1の場合、スイッチ31a,34a,32b,35bがオンし、AND回路38bの出力信号が0の場合、スイッチ31a,34a,32b,35bがオフする。AND回路38cは、デコード信号dyと信号ekyとの論理積を出力する。AND回路38cの出力信号が1の場合、スイッチ31d,34d,32c,35cがオンし、AND回路38cの出力信号が0の場合、スイッチ31d,34d,32c,35cがオフする。AND回路38dは、デコード信号dyと信号okyとの論理積を出力する。AND回路38dの出力信号が1の場合、スイッチ31c,34c,32d,35dがオンし、AND回路38dの出力信号が0の場合、スイッチ31c,34c,32d,35dがオフする。
図8では、記憶部21cの記憶回路21ciにおける保持部30a,30bの動作例が示されている。グループインデックス=glが、グループxのグループインデックス=gxに一致する場合、デコード信号dxが1となる。
図9及び図10では、レプリカ交換法が用いられ、複数のレプリカがパイプライン処理されるときの記憶部21cの動作例が示されている。
図5の説明に戻る。
図11の例では、インデックスが1,2,…,s1のビットが属すグループ1のグループインデックスは1であり、インデックスがs1+1,s1+2,…,s2のビットが属すグループ2のグループインデックスは2である。また、インデックスがsG-1+1,sG-1+2,…,Nのビットが属すグループGのグループインデックスはGである。
保持部21d1~21dNの全体の記憶容量は、Nによって決まる。保持部21d1~21dNのそれぞれは、たとえば、レジスタやSRAMを用いて実現される。
h伝搬制御部21fは、x1~xNとg1~gNとに基づいて、値が1であるビットについてのローカルフィールド値の伝搬先(供給先)を制御する。たとえば、値が1であるインデックス=iのビットと値が0であるインデックス=jのビットが同じグループに属す場合、h伝搬制御部21fは、h生成回路21eiが出力するhiをΔE算出回路21giに伝搬するとともに、hjが供給されるΔE算出回路21gjにも伝搬する。
h伝搬制御部21fは、スイッチ40a1,40a2,40a3,…,40a(N-1),40aN、制御信号生成回路40b1,40b2,40b3,…,40b(N-1)、スイッチ40c1,40c2,40c3,…,40c(N-1)を有する。
図13には、図12の制御信号生成回路40b1~40b(N-1)のうちのi番目の制御信号生成回路40biの例が示されている。
スイッチ40a1~40aN,40c1~40c(N-1)のそれぞれは、たとえば、トランスファーゲートである。
ΔE算出部21gは、ΔE算出回路21g1~21gNを有する。ΔE算出回路21g1~21gNは、h1~hNを用いて、ハミング距離=2の状態遷移によって1-hot制約を満たすある状態から1-hot制約を満たす別の状態に遷移するときのΔE1~ΔENを算出する。
あるグループにおいて、値が0であるビットについてのhjがh生成回路21ejから直接供給されるΔE算出回路21gjには、h伝搬制御部21fにより、そのビットと同じグループに属す値が1のビットについてのhiが伝搬される。
ΔE算出回路21giには、hiが供給される。第1の実施の形態の最適化装置10の説明の際に示したように、同一ビットによるハミング距離=2の状態遷移を避けるため、ΔE算出回路21giは、制御信号ENi=1によって、所定の正の値であるΔEmaxを出力するように制御されている。ΔEmaxは、たとえば、最適化装置20が生成できる正の最大値である。なお、ΔE算出回路21gjには、制御信号ENj=0が供給されており、ΔEmaxを出力する機能は無効になっている。つまり、値が1であるビットについてのhiを直接受けるΔE算出回路21giには、制御信号ENi=1が供給され、値が0であるビットについてのhjを直接受けるΔE算出回路21gjには、制御信号ENj=0が供給される。制御信号ENi,ENjは、更新部24によってx1~xNに基づいて生成される。
図15は、選択回路の一例を示す図である。
選択回路22は、符号反転部22a、オフセット加算部22b、乱数発生回路22c、選択法則適用部22d、乗算器22e、比較部22f、セレクタ22gを有する。
オフセット加算部22bは、符号反転部22aの出力値(-ΔE1~-ΔEN)のそれぞれに、オフセット値を加える。オフセット加算部22bは、後述するセレクタ22gが出力するフラグが更新を許容しないことを示すとき(つまり状態遷移が生じないとき)、オフセット値を増加していく。一方、オフセット加算部22bは、フラグが、更新を許容することを示すとき(つまり状態遷移が生じるとき)には、オフセット値を0にする。オフセット値が大きくなると状態遷移が許容されやすくなり、現在の状態が局所解にある場合、その局所解からの脱出が促進される。
選択法則適用部22dは、シミュレーテッド・アニーリングまたはレプリカ交換法を行うための選択法則(メトロポリス法またはギブス法)に基づいた値を出力する。
式(9)で表される許容確率A(ΔE,T)を用いた場合、十分な反復後に定常状態に達したとすると、各状態の占有確率は熱力学における熱平衡状態に対するボルツマン分布にしたがう。そして、高い温度から徐々に下げていくとエネルギーの低い状態の占有確率が増加するため、十分温度が下がるとエネルギーの低い状態が得られるはずである。この様子が材料を焼き鈍したときの状態変化とよく似ているため、この方法はシミュレーテッド・アニーリングと呼ばれるのである。このとき、エネルギーが上がる状態遷移が確率的に起こることは、物理学における熱励起に相当する。
比較部22fは、ΔE1~ΔENのそれぞれについてのオフセット加算部22bによる加算結果と、T・f-1(r)とを比較し、T・f-1(r)より大きい加算結果に対するフラグとして、1を出力する。また、比較部22fは、T・f-1(r)以下の加算結果に対するフラグとして、0を出力する。
なお、図1に示した第1の実施の形態の最適化装置10の選択回路15についても、図15に示すような回路を用いて実現できる。
図16は、識別情報計算部の一例を示す図である。
図16の例では、識別情報計算部23は、テーブル23a,23bを用いて、グループインデックスであるglや値が1であるビットのインデックスであるkを出力する。テーブル23a,23bは、たとえば、RAM、フラッシュメモリなどのメモリに記憶されている。
識別情報計算部23は、選択回路22がインデックス=lとして出力する、l番目のビットの値が1で、他のビットの値が0であるNビット値を、テーブル23aのグループインデックスにアクセスするためのアドレスとして用いる。l番目のビットの値が1である場合に、テーブル23aにおいて、l番目のグループインデックス=glが出力される。
なお、図1に示した第1の実施の形態の最適化装置10の識別情報計算部16についても、図16に示したテーブル23a,23bを用いて、インデックス=kやグループインデックス=glを出力してもよい。
図17は、第2の実施の形態の最適化装置の一例の処理の流れを示すフローチャートである。
図17のステップS1の初期設定処理は、たとえば、図18に示すような処理を含む。 制御部25は、制御装置26から受信したW11~WNNを算出部21の記憶部21aに記憶する(ステップS20)。
さらに、制御部25は、シミュレーテッド・アニーリングを行う場合、制御装置26から受けたアニーリング条件に基づいて、選択回路22に温度パラメータであるT(初期値)を設定する。制御部25は、レプリカ交換法を行う場合、各レプリカに対して、制御装置26から受けた異なる値のTを設定する(ステップS22)。
上記のような初期設定処理が終了した後、h伝搬制御部21fは、x1~xNとg1~gNとに基づいて、h1~hNをΔE算出回路21g1~21gNに供給する(ステップS2)。たとえば、値が1であるインデックス=iのビットと値が0であるインデックス=jのビットが同じグループに属す場合、h伝搬制御部21fは、h生成回路21eiが出力するhiをΔE算出回路21giに供給するとともに、ΔE算出回路21gjにも供給する。
シミュレーテッド・アニーリングの実行時、温度変更回数が所定回数N2に達している場合、制御部25は、そのときの各ビットの値(変数xi(i=1~N))を記憶部24aから取得して、解(計算結果)として制御装置26に送信(出力)する。なお、更新部24が、インデックス=k,lに対応するエネルギー変化に基づいてエネルギーを更新するとともに、各更新時点での最少エネルギーとその最少エネルギーが得られたときの状態(最少エネルギー時の状態)とを保持するようにしてもよい。その場合、制御部25は、温度変更回数が所定回数N2に達したときに、更新部24が保持している最少エネルギー時の状態を取得して、解として出力してもよい。
以上のような、第2の実施の形態の最適化装置20においても、第1の実施の形態の最適化装置10と同様の効果が得られる。
第2の実施の形態の最適化装置20は、1-hot制約を満たす状態間での状態遷移を行うものであったが、従来の最適化装置のようにハミング距離=1の状態遷移を行う機能を有していてもよい。この場合、最適化装置20には、1-hot制約を満たす状態間での状態遷移を行う機能(以下、1-hot制約対応機能という)を無効にして、ハミング距離=1の状態遷移を行う機能を実行する構成が追加されることになる。
1-hot制約対応機能を無効にする場合、上記のような各スイッチをオフすることによって、記憶部21cが、選択部21b(及び記憶部21a)と、h生成部21exとから切り離される。1-hot制約対応機能を有効にする場合、上記のような各スイッチをオンすることによって、記憶部21cが、選択部21b(及び記憶部21a)と、h生成部21exとに接続される。以下では、1hotEN=1のとき、上記機能が有効になり、1hotEN=0のとき、上記機能が無効になり、ハミング距離=1の状態遷移が行われるものとする。1hotENは、たとえば、図4に示した制御部25が出力する。
以上のような要素を、h伝搬制御部21fに加えることで、1hotEN=0の場合、ΔE算出回路21g1~21gNのそれぞれには、対応する1つのローカルフィールド値が供給されることになる。たとえば、ΔE算出回路21gjには、hjが供給され、hiは供給されない。
ΔE算出回路21gjxは、図14に示したΔE算出回路21gjに対応するものである。ΔE算出回路21gjと異なり、ΔE算出回路21gjxには、1hotENとxjが供給される。なお、1hotEN=0の場合には、hj,hiのうち、hiは供給されない。
1-hot制約対応機能を無効にする構成を有する最適化装置における識別情報計算部は、図4に示した識別情報計算部23の機能を、1hotENの値に応じて、有効または無効にすることで実現できる。その場合、選択回路22が出力するインデックス=lがそのまま算出部21及び更新部24に供給される。
一致検出部71iは、識別情報計算部23から供給されるグループインデックス=glと、保持部21diに保持されているgiが一致している場合には、1を出力し、一致していない場合には0を出力する。一致検出部71jは、グループインデックス=glと、保持部21djに保持されているgjが一致している場合には、1を出力し、一致していない場合には0を出力する。
さらに、値が0のビットについてのローカルフィールド値がh生成部21eから供給されるΔE算出回路には、h伝搬制御部21fによって、そのビットと同じグループに属す値が1のビットについてのローカルフィールド値が伝搬される。
以上、実施の形態に基づき、本発明の最適化装置及び最適化装置の制御方法の一観点について説明してきたが、これらは一例にすぎず、上記の記載に限定されるものではない。
11,12 記憶部
12p1~12pn 保持部
13 h生成部
13p1~13pn h生成回路
14 ΔE算出部
14p1~14pn ΔE算出回路
15 選択回路
16 識別情報計算部
17 更新部
17a 記憶部
Claims (6)
- 計算対象の問題を変換したイジングモデルに含まれる複数のスピンに対応する複数のビットについて、前記複数のビットが複数のグループに分けられた場合における前記複数のグループのそれぞれに含まれる複数個のビットのうち、値が1である第1のビットについての第1のローカルフィールド値と、値が0である第2のビットについての第2のローカルフィールド値とに基づいて、前記第1のビットの値が1から0に変化するとともに前記第2のビットの値が0から1に変化することによる前記イジングモデルの第1のエネルギー変化を、それぞれ算出する複数の算出回路と、
入力される温度パラメータと、乱数とに基づいて決定される熱励起エネルギーと、前記複数の算出回路がそれぞれ出力する前記第1のエネルギー変化との大小関係に基づいて、前記複数のグループのそれぞれに含まれる前記第2のビットのうち、0から1への値の更新を許容する1つの前記第2のビットを識別する第1のビット識別情報を出力する選択回路と、
前記選択回路が出力する前記第1のビット識別情報に基づいて、更新が許容された前記第2のビットが属す第1のグループを検出し、前記第1のグループに属す前記第1のビットを識別する第2のビット識別情報を出力する識別情報計算部と、
前記識別情報計算部が出力する前記第2のビット識別情報に基づいて、前記第1のグループに属す前記第1のビットの値を1から0に更新するとともに、前記第1のビット識別情報に基づいて、更新が許容された前記第2のビットの値を0から1に更新する更新部と、
前記複数のグループの各々において、第1の記憶部が保持する前記複数のビットのそれぞれの間の相互作用の大きさを示す重み値の行列のうち、値が1であるビットを識別するビット識別情報に対応する全ての行を保持する第2の記憶部と、
前記第1のローカルフィールド値と前記第2のローカルフィールド値とをそれぞれ、前記選択回路が出力する前記第1のビット識別情報に基づいて前記第1の記憶部から読み出される前記第1のビット識別情報に対応する第1の行と、前記第2の記憶部から読み出される前記第2のビット識別情報に対応する第2の行とに基づいて生成するローカルフィールド生成部と、
を有する最適化装置。 - 前記第2の記憶部は、前記複数のグループの各々について、第1の保持部と、第2の保持部とを有し、
前記第1のグループについての前記第1の行が前記第1の記憶部から読み出されたとき、前記第1の保持部に前記第1の行が書き込まれるとともに、前記第2の保持部から前記第2の行が読み出され、次に前記第1のグループについての前記第1の行が前記第1の記憶部から読み出されたとき、読み出された前記第1の行は前記第2の保持部に書き込まれ、前記第1の保持部に保持されている前記第1の行が前記第2の行として読み出される、
請求項1に記載の最適化装置。 - 前記識別情報計算部は、前記第1のグループを識別するグループ識別情報を出力し、
前記第2の記憶部は、前記グループ識別情報に基づいて、前記第1の保持部と、前記第2の保持部のうち、一方を書き込み対象として設定し、他方を読み出し対象として設定するデコード部を有する、
請求項2に記載の最適化装置。 - 前記最適化装置はさらに、イネーブル信号が第1の値である場合、前記第2の記憶部を前記第1の記憶部及び前記ローカルフィールド生成部に接続し、前記イネーブル信号が第2の値である場合、前記第2の記憶部と、前記第1の記憶部及び前記ローカルフィールド生成部との接続を切断するスイッチを有し、
前記イネーブル信号が前記第2の値の場合、
前記ローカルフィールド生成部は、前記複数のビットのうちの1つが変化するときの前記複数のビットのそれぞれについての第3のローカルフィールド値を生成し、
前記複数の算出回路のそれぞれは、前記第3のローカルフィールド値に基づいて、前記複数のビットのうちの1つが変化するときの前記イジングモデルの第2のエネルギー変化をそれぞれ算出し、
前記選択回路は、前記熱励起エネルギーと、前記複数の算出回路がそれぞれ出力する前記第2のエネルギー変化との大小関係に基づいて、前記複数のビットのうちで更新を許容する1つの第3のビットを識別する第3のビット識別情報を出力し、
前記更新部は、前記第3のビット識別情報に基づいて、前記第3のビットの値を更新する、
請求項1乃至3の何れか一項に記載の最適化装置。 - 前記複数の算出回路のそれぞれは、前記第1のビットと前記第2のビットとの相互作用の大きさを示す重み値を保持する第3の記憶部を有する、
請求項1乃至4の何れか一項に記載の最適化装置。 - 最適化装置の制御方法において、
前記最適化装置が有する複数の算出回路が、計算対象の問題を変換したイジングモデルに含まれる複数のスピンに対応する複数のビットについて、前記複数のビットが複数のグループに分けられた場合における前記複数のグループのそれぞれに含まれる複数個のビットのうち、値が1である第1のビットについての第1のローカルフィールド値と、値が0である第2のビットについての第2のローカルフィールド値とに基づいて、前記第1のビットの値が1から0に変化するとともに前記第2のビットの値が0から1に変化することによる前記イジングモデルの第1のエネルギー変化を、それぞれ算出し、
前記最適化装置が有する選択回路が、入力される温度パラメータと、乱数とに基づいて決定される熱励起エネルギーと、前記複数の算出回路がそれぞれ出力する前記第1のエネルギー変化との大小関係に基づいて、前記複数のグループのそれぞれに含まれる前記第2のビットのうち、0から1への値の更新を許容する1つの前記第2のビットを識別する第1のビット識別情報を出力し、
前記最適化装置が有する識別情報計算部が、前記選択回路が出力する前記第1のビット識別情報に基づいて、更新が許容された前記第2のビットが属す第1のグループを検出し、前記第1のグループに属す前記第1のビットを識別する第2のビット識別情報を出力し、
前記最適化装置が有する更新部が、前記識別情報計算部が出力する前記第2のビット識別情報に基づいて、前記第1のグループに属す前記第1のビットの値を1から0に更新するとともに、前記第1のビット識別情報に基づいて、更新が許容された前記第2のビットの値を0から1に更新し、
前記最適化装置が有する第1の記憶部が、前記複数のグループの各々において、第2の記憶部が保持する前記複数のビットのそれぞれの間の相互作用の大きさを示す重み値の行列のうち、値が1であるビットを識別するビット識別情報に対応する全ての行を保持し、
前記最適化装置が有するローカルフィールド生成部が、前記第1のローカルフィールド値と前記第2のローカルフィールド値とをそれぞれ、前記選択回路が出力する前記第1のビット識別情報に基づいて前記第2の記憶部から読み出される前記第1のビット識別情報に対応する第1の行と、前記第1の記憶部から読み出される前記第2のビット識別情報に対応する第2の行とに基づいて生成する、
最適化装置の制御方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019075703A JP7185140B2 (ja) | 2019-04-11 | 2019-04-11 | 最適化装置及び最適化装置の制御方法 |
EP20164455.6A EP3722941B1 (en) | 2019-04-11 | 2020-03-20 | Optimization device and method for controlling optimization device |
US16/838,057 US11422515B2 (en) | 2019-04-11 | 2020-04-02 | Optimization device and method for controlling optimization device |
CN202010269201.7A CN111812972B (zh) | 2019-04-11 | 2020-04-08 | 优化装置和用于控制优化装置的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019075703A JP7185140B2 (ja) | 2019-04-11 | 2019-04-11 | 最適化装置及び最適化装置の制御方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020173661A JP2020173661A (ja) | 2020-10-22 |
JP7185140B2 true JP7185140B2 (ja) | 2022-12-07 |
Family
ID=69941194
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019075703A Active JP7185140B2 (ja) | 2019-04-11 | 2019-04-11 | 最適化装置及び最適化装置の制御方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11422515B2 (ja) |
EP (1) | EP3722941B1 (ja) |
JP (1) | JP7185140B2 (ja) |
CN (1) | CN111812972B (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7174244B2 (ja) * | 2018-12-26 | 2022-11-17 | 富士通株式会社 | 最適化装置及び最適化装置の制御方法 |
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 |
JP2021168068A (ja) * | 2020-04-13 | 2021-10-21 | 富士通株式会社 | 最適化装置、最適化方法及び最適化プログラム |
JP2021168096A (ja) * | 2020-04-13 | 2021-10-21 | 富士通株式会社 | サンプリング装置、サンプリング方法及びサンプリングプログラム |
JP2022184426A (ja) * | 2021-06-01 | 2022-12-13 | 富士通株式会社 | データ処理装置、データ処理方法及びプログラム |
US20240104160A1 (en) * | 2022-09-25 | 2024-03-28 | Fujitsu Limited | Sequential group processing of optimization problems |
CN116151171B (zh) * | 2023-04-17 | 2023-07-18 | 华南理工大学 | 一种基于并行回火的全连接伊辛模型退火处理电路 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018063626A (ja) | 2016-10-14 | 2018-04-19 | 富士通株式会社 | 最適化装置及び最適化装置の制御方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04237388A (ja) * | 1991-01-22 | 1992-08-25 | Matsushita Electric Ind Co Ltd | ニューロプロセッサ |
WO2009143166A2 (en) * | 2008-05-20 | 2009-11-26 | D-Wave Systems Inc. | Systems, methods, and apparatus for calibrating, controlling, and operating a quantum processor |
JP2010054938A (ja) * | 2008-08-29 | 2010-03-11 | Toshiba Corp | 量子シミュレータ、量子計算機および方法 |
CN106170802A (zh) * | 2014-03-12 | 2016-11-30 | 时空防御系统有限责任公司 | 通过绝热量子计算解决数字逻辑约束问题 |
EP3113084B1 (en) * | 2015-06-29 | 2020-12-09 | Parity Quantum Computing GmbH | Quantum processing device and method |
JP6496410B2 (ja) | 2015-07-29 | 2019-04-03 | 株式会社日立製作所 | 情報処理装置及び方法 |
WO2017056366A1 (ja) | 2015-09-30 | 2017-04-06 | 日本電気株式会社 | 最適化システム、最適化方法および最適化プログラム |
US20170161612A1 (en) * | 2015-12-07 | 2017-06-08 | Microsoft Technology Licensing, Llc | Partial Reinitialization for Optimizers |
US11017289B2 (en) * | 2016-05-09 | 2021-05-25 | 1Qb Information Technologies Inc. | Method and system for improving a policy for a stochastic control problem |
JP6468247B2 (ja) * | 2016-06-06 | 2019-02-13 | 富士通株式会社 | イジング装置及びイジング装置の制御方法 |
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 |
JP6979331B2 (ja) * | 2017-10-30 | 2021-12-15 | 株式会社日立製作所 | 情報処理装置および情報処理方法 |
CN109240644B (zh) * | 2018-08-17 | 2023-08-15 | 中国人民解放军国防科技大学 | 一种用于伊辛芯片的局部搜索方法及电路 |
-
2019
- 2019-04-11 JP JP2019075703A patent/JP7185140B2/ja active Active
-
2020
- 2020-03-20 EP EP20164455.6A patent/EP3722941B1/en active Active
- 2020-04-02 US US16/838,057 patent/US11422515B2/en active Active
- 2020-04-08 CN CN202010269201.7A patent/CN111812972B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018063626A (ja) | 2016-10-14 | 2018-04-19 | 富士通株式会社 | 最適化装置及び最適化装置の制御方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3722941A1 (en) | 2020-10-14 |
US20200326673A1 (en) | 2020-10-15 |
US11422515B2 (en) | 2022-08-23 |
EP3722941B1 (en) | 2021-09-22 |
CN111812972A (zh) | 2020-10-23 |
CN111812972B (zh) | 2022-12-09 |
JP2020173661A (ja) | 2020-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7185140B2 (ja) | 最適化装置及び最適化装置の制御方法 | |
JP7206476B2 (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 | |
JP2019159637A (ja) | 最適化装置及び最適化装置の制御方法 | |
JP2020021209A (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 | |
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 | |
JP7323777B2 (ja) | 最適化装置および最適化方法 | |
JP7410395B2 (ja) | 最適化装置及び最適化方法 | |
JP7137064B2 (ja) | 最適化装置及び最適化装置の制御方法 | |
Lin et al. | New benchmark algorithm for hybrid flowshop scheduling with identical machines | |
US20200278385A1 (en) | Information processing device and control method of optimization device | |
US20200090051A1 (en) | Optimization problem operation method and apparatus | |
US20210256090A1 (en) | Optimization apparatus and optimization method | |
US20210173990A1 (en) | Optimization device and method of controlling optimization device | |
JP2020027426A (ja) | 最適化システム、最適化システムの制御方法及び最適化システムの制御プログラム | |
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 | |
US11188044B2 (en) | Optimization device and control method of optimization device | |
US9501331B2 (en) | Satisfiability checking | |
JP2020173579A (ja) | 最適化システムおよび最適化システムの制御方法 | |
Nagrecha et al. | Hydra: A System for Large Multi-Model Deep Learning | |
Kara et al. | Parallel network simplex algorithm for the minimum cost flow problem | |
JPWO2020054061A1 (ja) | 最適化装置、最適化装置の制御方法および最適化装置の制御プログラム | |
US20230081944A1 (en) | Data processing apparatus, data processing method, and storage medium | |
CN113283609A (zh) | 信息处理方法、信息处理设备和信息处理程序 | |
JP2023149428A (ja) | データ処理装置、プログラム及びデータ処理方法 | |
JP2024049202A (ja) | データ処理装置、プログラム及びデータ処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220111 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221012 |
|
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: 20221025 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221107 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7185140 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |