JP7193708B2 - 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
- JP7193708B2 JP7193708B2 JP2018197199A JP2018197199A JP7193708B2 JP 7193708 B2 JP7193708 B2 JP 7193708B2 JP 2018197199 A JP2018197199 A JP 2018197199A JP 2018197199 A JP2018197199 A JP 2018197199A JP 7193708 B2 JP7193708 B2 JP 7193708B2
- Authority
- JP
- Japan
- Prior art keywords
- value
- bit
- identification information
- bits
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F15/00—Digital computers in general; Data processing equipment in general
- G06F15/76—Architectures of general purpose stored program computers
-
- 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
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- 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
- 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
- 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
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Automation & Control Theory (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Neurology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Complex Calculations (AREA)
- Design And Manufacture Of Integrated Circuits (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。
(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ΔE算出回路11p1~11pnが示されている。他のグループについてもΔE算出回路11p1~11pnと同様のΔE算出回路が設けられるが、図1では図示が省略されている。また、図1では、ローカルフィールド値を計算する回路なども図示が省略されている。なお、図1の例では3つ以上のΔE算出回路11p1~11pnが示されているが、グループpに含まれるビットの数が2つである場合にはΔE算出回路は2つとなる。
以下、n個のビットの値を示すxp1,…,xpnのうち、値が1であるものをxi、値が0であるものをxjと表記することにする。また、値が1であるビットについてのローカルフィールド値をhi、値が0のビットについてのローカルフィールド値をhjと表記する。
選択回路12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。
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11p1a~11pnaに重み値を記憶する処理や、設定された各ビットの値に基づいたローカルフィールド値の更新処理などが行われる。
なお、同じ状態変数が複数の1-hot制約項に現れる場合、上記の最適化装置10により、全ての1-hot制約項がエネルギー関数から除かれるわけではない。たとえば、巡回セールスマン問題のエネルギー関数は、E(x)=αD+λ1P1+λ2P2と表せる。D、P1、P2は、それぞれ以下の式(8)、式(9)、式(10)のように表せる。
ところで、式(4)のWijxixjにおいて、xi,xjが同じ1-hot制約を満たすべき同一グループに属す2つのビットの値の場合、xiまたはxjが0であるため(図1の例ではxi=1、xj=0)、Wijxixj=0となる。つまり、Wijはエネルギーに寄与しない。このため、Wij=0とすることもできる。
最適化装置10aにおいて、ΔE算出回路11pa1,11pa2,…,11panは、図1に示したΔE算出回路11p1~11pnと異なり、WiiやWijを記憶する記憶部11p1a~11pnaを有さない。ΔE算出回路11pa1は、ΔE算出回路11p1と同様にΔEmaxを出力するが、ΔE算出回路11pa2~11panは、ΔE算出回路11p2~11pnと異なり、hi-hjの計算を行う。
図3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、ΔE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4は、ΔE算出部の一例を示す図である。
ΔE算出部21は、記憶部21a、選択回路21b1~21bN、保持部21c1~21cN、一致検出部21d1~21dN、スイッチ21e1~21eN、h更新回路21f1~21fN、h伝搬制御部21g、ΔE算出回路21h1~21hNを有する。
図5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21c1~21cNの全体の記憶容量は、Nによって決まる。保持部21c1~21cN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。
一致検出部21d1~21dNのそれぞれは、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、g1~gNの何れか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。たとえば、一致検出部21diは、gl=giの場合には1を出力し、gl≠giの場合には0を出力する。一致検出部21djは、gl=gjの場合には1を出力し、gl≠gjの場合には0を出力する。一致検出部21d1~21dNのそれぞれは、たとえば、複数のExNOR(排他的否定論理和)回路と1つのAND(論理積)回路とを用いて実現される。たとえば、複数のExNOR回路のそれぞれは、入力される2つのグループインデックスの対応するビットの値を1ビットずつ入力し、両ビットが一致している場合に1を出力する。そして、AND回路は、複数のExNOR回路の出力が全て1の場合に1を出力する。
h伝搬制御部21gは、スイッチ30a1,30a2,30a3,…,30a(N-1),30aN、制御信号生成回路30b1,30b2,30b3,…,30b(N-1)、スイッチ30c1,30c2,30c3,…,30c(N-1)を有する。
図7には、図6の制御信号生成回路30b1~30b(N-1)のうちのi番目の制御信号生成回路30biの例が示されている。
スイッチ30a1~30aN,30c1~30c(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。
図8では、h伝搬制御部21gaの一部(インデックス=j-1,j,j+1,iのビットについてのhj-1,hj,hj+1,hiの伝搬制御を行う部分)が示されている。h伝搬制御部21gaは、トライステートバッファ32a1,32a2,32a3,32a4,32b1,32b2,32b3,32b4、制御信号生成部32cを有する。
なお、インデックス=iは、値が1であるビットのインデックスであり、インデックス=jは、値が0であるビットのインデックスである。DIR(j)は、i>jの場合に0、i=jの場合に1、i<jの場合に2となる変数である。
図10は、ΔE算出回路による処理例を示す図である。
図11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(11)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12についても、図11に示すような回路を用いて実現できる。
図12は、識別情報計算部の一例を示す図である。
図12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。
以下、識別情報計算部23の他の例を説明する。
図13は、インデックス、グループインデックス、選択回路の出力及び更新前の状態変数の一例を示す図である。
一方、インデックスkは、以下の式(14)で表せる。
式(13)、式(14)は、たとえば、以下のような論理回路により計算できる。
識別情報計算部23は、AND回路23c1,23c2,…,23cN、OR(論理和)回路23dを有する。また、識別情報計算部23は、ExNOR回路23e1,23e2,…,23eN、AND回路23f1,23f2,…,23fN、乗算器23g1,23g2,…,23gN、加算器23hを有する。
AND回路23c1~23cNのそれぞれは、式(13)のsli・gi(i=1~N)を出力する。
ExNOR回路23e1~23eN、AND回路23f1~23fN、乗算器23g1~23gN、加算器23hにより、上記の式(14)で表せるインデックス=kが計算される。
AND回路23f1~23fNは、式(14)のqi・xiを出力する。
乗算器23g1~23gNは、式(14)のi(qi・xi)を出力する。なお、1~Nであるiはlog2Nビットで表される。
なお、識別情報計算部23は、選択回路22が出力したフラグやインデックス=lも出力する。たとえば、識別情報計算部23は、まず、フラグとインデックス=kを出力し、その後、フラグとインデックス=lをグループインデックス=glとともに出力してもよい。
図15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15のステップS1の初期設定処理は、たとえば、図16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ΔE算出部21の記憶部21aに記憶する(ステップS20)。
また、制御部25は、x1~xN(全て0)を、記憶部24aに記憶するとともに(ステップS23)、g1~gNを保持部21c1~21cNに設定する(ステップS24)。
上記のような初期設定処理が終了した後、h伝搬制御部21gは、x1~xNとg1~gNとに基づいて、h1~hNをΔE算出回路21h1~21hN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21gは、h更新回路21fiが出力するhiをΔE算出回路21hiに供給するとともに、ΔE算出回路21hjにも供給する。
温度変更回数が所定回数N2に達していない場合、制御部25は、Tを変更する(温度を下げる)(ステップS11)。所定回数N1,N2、Tの値の変更の仕方(一度に値をどのくらい小さくするかなど)は、アニーリング条件に基づいて決定される。ステップS11の処理後、ステップS2からの処理が繰り返される。
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。
横軸は状態の更新処理の繰り返し回数を表し、縦軸は正解に達したレプリカ数(最適化装置20の数)を表す。
図17には、比較のために、第2の実施の形態の最適化装置20を用いた場合のシミュレーション結果40とともに、ハミング距離=1の遷移を繰り返しながらエネルギーを最小化する従来の最適化装置を用いた場合のシミュレーション結果41が示されている。
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。
図20は、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h伝搬制御部の第2の例を示す図である。図20において、図8に示した要素と同じ要素には、同一符号が付されている。
AND回路55の一方の入力端子には、1hotENが入力され、他方の入力端子には、制御信号CNTj-1,jが入力される。AND回路56の一方の入力端子には、1hotENが入力され、他方の入力端子には、制御信号CNTj,j-1が入力される。
以上のような要素を、h伝搬制御部21gまたはh伝搬制御部21gaに加えることで、1hotEN=0の場合、ΔE算出回路21h1~21hN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21hjには、hjが供給され、hiは供給されない。
ΔE算出回路21hjxは、図10に示したΔE算出回路21hjに対応するものである。ΔE算出回路21hjと異なり、ΔE算出回路21hjx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。
図22は、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の例を示す図である。
なお、1hotEN=0の場合、識別情報計算部23xはグループインデックス=glとして、たとえば、0を出力するため、図4の一致検出部21d1~21dNは常に0を出力する。このため、スイッチ21e1~21eNは、常にオフ状態となり、ΔE算出回路21h1~21hNの記憶部21h1a~21hNaには、重み値は記憶されない。なお、1hotEN=0の場合、識別情報計算部23xが出力するglは、0でなくてもよく、1~G以外の値であればよい。
制御部25によって、ビットの並びをシャッフルする処理(ステップS1a)は、たとえば、図15に示した初期設定処理の前に行われる。ビットの並びをシャッフルした場合、それに応じて記憶部21aに記憶する重み値の並びもシャッフルすることになるためである。
11p1~11pn ΔE算出回路
12 選択回路
13 識別情報計算部
14 更新部
14a 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、値が第1の値である第1のビットについての第1のローカルフィールド値と、値が第2の値である第2のビットについての第2のローカルフィールド値と、記憶部に保持される前記第1のビットと前記第2のビットとの間の相互作用の大きさを示す重み値とに基づいて、前記第1のビットの値が前記第1の値から前記第2の値に変化するとともに前記第2のビットの値が前記第2の値から前記第1の値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、前記第2の値から前記第1の値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のビットの値を前記第1の値から前記第2の値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のビットの値を前記第2の値から前記第1の値に更新する更新部と、
を有し、
前記複数のグループのそれぞれにおいて、前記複数個のビットのうちの1つが、値が前記第1の値である前記第1のビット、前記複数個のビットのうちの前記第1のビット以外が、値が前記第2の値である前記第2のビットとして初期設定される最適化装置。 - 前記最適化装置はさらに、
前記複数のビットのそれぞれが属すグループを識別するグループ識別情報と、前記複数のビットの値とに基づいて、前記複数の算出回路のうち、前記第2のビットについての前記第2のローカルフィールド値が供給される第1の算出回路に対して、前記第2のビットと同一グループに属す前記第1のビットについての前記第1のローカルフィールド値を伝搬する伝搬制御部を有する請求項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、
前記最適化装置は、前記グループ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のビットと前記第2のビットとの間の前記相互作用の大きさを示す重み値を前記記憶部に供給する回路部を有する、
請求項1または2に記載の最適化装置。 - 前記複数の算出回路のうちの第2の算出回路に、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のうち、前記第1のローカルフィールド値のみが供給される場合、前記第2の算出回路は、前記第1のエネルギー変化を算出する代わりに、所定の正の値を出力する、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イネーブル信号を受け、前記イネーブル信号が第3の値である場合、前記第1のエネルギー変化をそれぞれ算出し、前記イネーブル信号が第4の値である場合、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4の何れか一項に記載の最適化装置。 - 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、値が第1の値である第1のビットについての第1のローカルフィールド値と、値が第2の値である第2のビットについての第2のローカルフィールド値と、記憶部に保持される前記第1のビットと前記第2のビットとの間の相互作用の大きさを示す重み値とに基づいて、前記第1のビットの値が前記第1の値から前記第2の値に変化するとともに前記第2のビットの値が前記第2の値から前記第1の値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、前記第2の値から前記第1の値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のビットの値を前記第1の値から前記第2の値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のビットの値を前記第2の値から前記第1の値に更新する更新部と、制御部と、を有する最適化装置における前記制御部が、
前記複数のグループのそれぞれにおいて、前記複数個のビットのうちの1つが、値が前記第1の値である前記第1のビット、前記複数個のビットのうちの前記第1のビット以外が、値が前記第2の値である前記第2のビットとなるように、初期設定を行い、
前記温度パラメータの大きさを制御する、
最適化装置の制御方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018197199A JP7193708B2 (ja) | 2018-10-19 | 2018-10-19 | 最適化装置及び最適化装置の制御方法 |
EP19202788.6A EP3640860A1 (en) | 2018-10-19 | 2019-10-11 | Optimization device and control method of optimization device |
US16/654,585 US11188044B2 (en) | 2018-10-19 | 2019-10-16 | Optimization device and control method of optimization device |
CN201910982755.9A CN111078621B (zh) | 2018-10-19 | 2019-10-16 | 优化装置及优化装置的控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018197199A JP7193708B2 (ja) | 2018-10-19 | 2018-10-19 | 最適化装置及び最適化装置の制御方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020064536A JP2020064536A (ja) | 2020-04-23 |
JP7193708B2 true JP7193708B2 (ja) | 2022-12-21 |
Family
ID=68280876
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018197199A Active JP7193708B2 (ja) | 2018-10-19 | 2018-10-19 | 最適化装置及び最適化装置の制御方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11188044B2 (ja) |
EP (1) | EP3640860A1 (ja) |
JP (1) | JP7193708B2 (ja) |
CN (1) | CN111078621B (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7502633B2 (ja) | 2020-09-23 | 2024-06-19 | 富士通株式会社 | 最適化装置、最適化方法、および最適化プログラム |
JP7524754B2 (ja) | 2020-12-15 | 2024-07-30 | 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 |
US11526336B2 (en) * | 2021-03-15 | 2022-12-13 | Fujitsu Limited | Community-oriented, cloud-based digital annealing platform |
CN114626536B (zh) * | 2022-02-21 | 2024-08-02 | 华南理工大学 | 一种处理组合优化问题的电路 |
CN115031357B (zh) * | 2022-05-10 | 2023-05-30 | 南京信息工程大学 | 一种适用于不同类型故障特征的基于投票策略的故障诊断方法 |
JP2024077351A (ja) | 2022-11-28 | 2024-06-07 | 富士通株式会社 | データ処理装置、プログラム及びデータ処理方法 |
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 (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3861157B2 (ja) * | 2004-02-27 | 2006-12-20 | 国立大学法人広島大学 | 参照データ最適化装置とパターン認識システム |
US7533068B2 (en) * | 2004-12-23 | 2009-05-12 | D-Wave Systems, Inc. | Analog processor comprising quantum devices |
US7844656B2 (en) * | 2005-07-11 | 2010-11-30 | D-Wave Systems Inc. | Systems, methods and apparatus for factoring numbers |
US11276009B2 (en) * | 2015-08-07 | 2022-03-15 | University Of Southern California | Using noise to speed convergence of simulated annealing and Markov Monte Carlo estimations |
JP6856023B2 (ja) | 2015-09-30 | 2021-04-07 | 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 |
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 |
WO2017056367A1 (ja) | 2015-09-30 | 2017-04-06 | 日本電気株式会社 | 情報処理システム、情報処理方法および情報処理用プログラム |
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 |
JP6623947B2 (ja) * | 2016-06-17 | 2019-12-25 | 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 |
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 |
-
2018
- 2018-10-19 JP JP2018197199A patent/JP7193708B2/ja active Active
-
2019
- 2019-10-11 EP EP19202788.6A patent/EP3640860A1/en not_active Ceased
- 2019-10-16 US US16/654,585 patent/US11188044B2/en active Active
- 2019-10-16 CN CN201910982755.9A patent/CN111078621B/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 |
Non-Patent Citations (2)
Title |
---|
中村 孝, 外2名,"連動式状態遷移ニューラルネットワークによる大域的0-1組合せ最適化",計測自動制御学会論文集,Vol.30, No.8,1994年08月31日,pp.966-975,ISSN 0453-4654 |
塚本 三六, 外3名,"組み合わせ最適化問題向けハードウェアの高速化アーキテクチャー",FUJITSU [online],Vol.68,No.5,2017年09月,pp.8-14,[2022年4月21日検索], インターネット<URL : https://www.fujitsu.com/jp/documents/about/resources/publications/magazine/backnumber/vol68-5/paper02.pdf> |
Also Published As
Publication number | Publication date |
---|---|
CN111078621B (zh) | 2023-08-11 |
US11188044B2 (en) | 2021-11-30 |
CN111078621A (zh) | 2020-04-28 |
US20200125047A1 (en) | 2020-04-23 |
EP3640860A1 (en) | 2020-04-22 |
JP2020064536A (ja) | 2020-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7193708B2 (ja) | 最適化装置及び最適化装置の制御方法 | |
JP7323777B2 (ja) | 最適化装置および最適化方法 | |
JP7137064B2 (ja) | 最適化装置及び最適化装置の制御方法 | |
JP7410395B2 (ja) | 最適化装置及び最適化方法 | |
US11422515B2 (en) | Optimization device and method for controlling optimization device | |
JP7417074B2 (ja) | 最適化装置、最適化方法及び最適化装置の制御プログラム | |
CN111914378B (zh) | 一种单振幅量子计算模拟方法及装置 | |
US20200089728A1 (en) | Optimization problem arithmetic method and optimization problem arithmetic device | |
JP2020204929A (ja) | サンプリング装置およびサンプリング方法 | |
CN111985631B (zh) | 信息处理设备、信息处理方法及计算机可读记录介质 | |
CN112149269A (zh) | 优化设备、优化设备的控制方法和记录介质 | |
Ootomo et al. | Cagra: Highly parallel graph construction and approximate nearest neighbor search for gpus | |
Zhou et al. | Accelerating stochastic gradient descent based matrix factorization on FPGA | |
JP7111966B2 (ja) | 最適化装置及び最適化装置の制御方法 | |
JP7004938B2 (ja) | 最適化装置および最適化装置の制御方法 | |
JP7208529B2 (ja) | 最適化装置及び最適化方法 | |
JP2021157360A (ja) | 最適化装置及び最適化方法 | |
Cortés-Antonio et al. | Design and implementation of differential evolution algorithm on FPGA for double-precision floating-point representation | |
JP2021005242A (ja) | 情報処理装置、情報処理プログラム、及び情報処理方法 | |
JP2020173579A (ja) | 最適化システムおよび最適化システムの制御方法 | |
JP2020119108A (ja) | データ処理装置、データ処理方法、データ処理プログラム | |
WO2020054061A1 (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 | |
EP4148628A1 (en) | Data processing apparatus, data processing method, and data processing program | |
JP7239521B2 (ja) | 情報処理装置および情報処理方法 | |
JP7470019B2 (ja) | 情報処理システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210709 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20210715 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20210715 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220420 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220510 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220705 |
|
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: 20221108 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221121 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7193708 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |