JP7206476B2 - 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 - Google Patents
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 Download PDFInfo
- Publication number
- JP7206476B2 JP7206476B2 JP2018172429A JP2018172429A JP7206476B2 JP 7206476 B2 JP7206476 B2 JP 7206476B2 JP 2018172429 A JP2018172429 A JP 2018172429A JP 2018172429 A JP2018172429 A JP 2018172429A JP 7206476 B2 JP7206476 B2 JP 7206476B2
- Authority
- JP
- Japan
- Prior art keywords
- ising model
- value
- maximum value
- temperature parameter
- energy
- 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
- 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
- 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
- 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)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Neurology (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Feedback Control In General (AREA)
Description
式(1)においてTは温度を表すパラメータである。シミュレーテッド・アニーリングでは、温度の初期値は問題に応じて十分大きく、確率的探索のある反復回数ごとに小さくなるように制御される。レプリカ交換法では、異なる温度が設定された複数のレプリカを用いて、各レプリカ内では温度が固定の状態で確率的探索が行われる。そして、ある反復回数ごとに、レプリカ間のエネルギー差と温度差に応じて、レプリカ間で状態(各ビットの値)が交換される。なお、レプリカ間で、状態の代りに温度を交換してもよい。
以下に示す最適化装置は、計算対象の最適化問題を変換したイジングモデルの全スピンに対応する全ビットのそれぞれの値の組み合わせのうち、エネルギー関数が最小値となるときの各ビットの値(イジングモデルの基底状態)を探索するものである。
また、変数xiが変化して1-xiとなると、変数xiの増加分は、Δxi=(1-xi)-xi=1-2xiと表せる。ビットの値の反転に伴うエネルギー変化(エネルギーの変化分)ΔEiは、以下の式(3)で表される。
(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。
制御部12は、イジングモデル情報のほか、演算部11におけるイジングモデルのエネルギーの分解能Rと、イジングモデルの状態遷移の許容確率の基準値Amin,Amaxとを、たとえば、図示しない制御装置から取得する。分解能Rは、エネルギー変化の最小値を示し、演算部11のハードウェアに依存する値である。演算部11のハードウェアに応じた適切な分解能Rが、たとえば、制御装置により設定される。
Tmin=-R/ln(Amin) (4)
制御部12は、分解能Rと基準値Aminに基づいて式(4)を計算することで、最低値Tminを決定する。
Tmax=-max(ΔE)/ln(Amax) (5)
式(5)において、max(ΔE)は、エネルギー変化ΔEの最大値を表す。
前述の式(3)において、バイアス係数biに対して重み係数Wijが支配的であるとすると、max(ΔE)は以下の式(6)で近似できる。
制御部12は、たとえば、イジングモデル情報に含まれる重み係数群Wと、全ビット数Nとに基づいて、式(6)を計算することでmax(ΔE)を決定する。そして、制御部12は、max(ΔE)と、基準値Amaxに基づいて、式(5)を計算することで、最高値Tmaxを決定する。
なお、max(ΔE)の他の算出方法(バイアス係数biを用いる方法など)については、後述する。
演算部11が、シミュレーテッド・アニーリング法により基底状態の探索を行う場合には、温度スケジュール情報Tscとして、さらに、温度パラメータTの値の下げ方を示す情報も演算部11に供給される。なお、制御部12が直接、所定の温度スケジュールにしたがって、温度パラメータTを最高値Tmaxから最低値Tminまで、小さくするように制御してもよい。
図1には、最適化装置10の制御部12の動作の流れの一例が示されている。制御部12は、イジングモデル情報(全ビット数N、重み係数群W)、イタレーション回数Nit、分解能R、基準値Amin,Amaxなどの情報を、たとえば、図示しない制御装置から取得する(ステップS1)。そして、制御部12は、前述のTmin決定処理(ステップS2)、Tmax決定処理(ステップS3)を行い、最低値Tmin、最高値Tmaxを含む温度スケジュール情報Tscを、演算部11に送信する(ステップS4)。なお、ステップS2,S3の処理の順序は逆でもよい。
たとえば、ある最適化問題では、エネルギーE(x)は波形15aで表され、別の最適化問題では、エネルギーE(x)は波形15bで表される。波形15a,15bからわかるように、取り得るエネルギーE(x)の変化分は、波形15aよりも波形15bのほうが大きい。
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。
第2の実施の形態の最適化装置20は、演算部21、制御部22を有する。
情報取得部22aは、たとえば、PCなどの制御装置から供給される、重み係数群W、全ビット数N、前述した基準値Amin,Amax、分解能Rを取得する。
送信部22dは、最低値Tmin、最高値Tmaxを演算部21に送信する。
図4は、シミュレーテッド・アニーリング法により基底状態の探索を行う演算部の一例を示す図である。
記憶部21aは、重み係数群W(重み係数W11~WNN)を記憶する。記憶部21aは、たとえば、レジスタやSRAM(Static Random Access Memory)などである。
図4の例では、演算回路部21bは、N個の演算回路21b1,21b2,…,21bNを有する。
選択回路部21cは、フラグ情報に基づいて、乱数を用いて、更新を許容する1つの許容ビットを選択し、選択した許容ビットについてのフラグ情報、エネルギー変化、その許容ビットを識別するindexを出力する。選択回路部21cは、indexを自身で生成してもよいし、演算回路21b1~21bNがそれぞれindexを保持している場合には、演算回路21b1~21bNから各indexを取得し、選択した許容ビットのindexを出力してもよい。
図5は、演算回路の一例を示す図である。図5では、図4に示した演算回路21b1の例が示されている。図4に示した他の演算回路についても同様の回路により実現できる。
ΔE計算部30は、選択回路30a,30b、乗算器30c、加算器30d、レジスタ30e、乗算器30f、選択回路30gを有する。
選択回路30bは、index=jのビットの変化分Δxjの演算を実現するものである。index=jのビットの値である変数xjが1から0に変化するとき、Δxjは-1となり、変数xjが0から1に変化するとき、Δxjは1となる。選択回路30bは、状態更新部21dから供給される変数xj(index=jのビットの更新値)が0のときには、-1を選択して出力し、変数xjが1のときには、1を選択して出力する。
加算器30dは、乗算器30cが出力する値と、レジスタ30eに格納されている値とを加算して出力する。
選択回路30gは、-Δx1の演算を実現するものである。選択回路30gは、たとえば、状態更新部21dに保持されている現在の変数x1が0のときは、-1を出力し、現在の変数x1が1のときは1を出力する。
符号反転部31aは、エネルギー変化ΔE1に-1を掛けて符号を反転させる。
選択法則適用部31d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(たとえば、メトロポリス法)に基づいた値を出力する。
制御部22の情報取得部22aは、イジングモデル情報(全ビット数N、重み係数群W)、分解能R、基準値Amin,Amaxを、たとえば、図示しない制御装置から取得する。そして、Tmax計算部22bとTmin計算部22cは、情報取得部22aが取得した情報に基づいて、温度パラメータTの最高値Tmaxと最低値Tminとを決定し、送信部22dは、最高値Tmaxと最低値Tminを演算部21に送信する。
温度パラメータTは、最高値Tmaxからビットの値の更新を行う処理の回数(更新処理回数)が大きくなるごとに小さくなっている。更新処理回数が大きいほど、温度パラメータTが下がる度合いが小さくなり、最低値Tminに達したときに、制御回路21fによる温度パラメータTの制御が終わる。なお、図6では更新処理回数が増えるとともに、連続的に温度パラメータTが減少しているように見えるが、前述のように各温度パラメータTの値で、所定回数の更新処理が行われる。
図7は、第3の実施の形態の最適化装置の一例を示す図である。図7において、図3に示した要素と同じ要素については同一符号が付されている。
演算部41は、イジングモデル情報と、温度パラメータTとに基づいて、レプリカ交換法により、イジングモデルの基底状態を探索する。演算部41は、それぞれ同じN個のビットについての前述の更新処理を行う複数のレプリカを有する。各レプリカには、異なる温度パラメータTが設定され、更新処理が所定回数に達するごとに、レプリカ間のエネルギー差と温度差(温度パラメータTの値の差)に応じて、レプリカ間で状態または温度パラメータTの値が交換される。
Tsc計算部42bは、情報取得部42aが取得したレプリカ数nと、Tmax計算部22bとTmin計算部22cが決定した温度パラメータTの最高値Tmaxと最低値Tminとを受ける。そして、Tsc計算部42bは、レプリカ数n、最高値Tmax、最低値Tminに基づいて、最高値Tmaxから最低値Tminの範囲で、n個の温度パラメータT1,T2,T3,…,Tnを含む温度スケジュール情報Tscを計算する。
送信部42cは、温度スケジュール情報Tscを演算部41に送信する。
図8は、レプリカ交換法により基底状態の探索を行う演算部の一例を示す図である。
演算部41は、n個のレプリカ41a1,41a2,…,41anと、交換制御部41bを有する。
交換制御部41bは、温度スケジュール情報Tscに基づいて、n個のレプリカ41a1~41anに、それぞれ異なる温度パラメータTを設定する。また、交換制御部41bは、たとえば、レプリカ41a1~41anでの更新処理回数が所定回数に達するたびに、レプリカ41a1~41anにおけるエネルギーを観測する。そして、交換制御部41bは、レプリカ41a1~41anのうちの2つにおけるエネルギーと温度パラメータを用い、以下の式(7)で表される交換確率に基づいて2つのレプリカに設定された温度パラメータTを交換する。なお、交換制御部41bは、温度パラメータTの代りに、2つのレプリカの状態を交換してもよい。
式(7)において、Tiは、レプリカ41a1~41anのうち、i番目のレプリカに設定された温度パラメータであり、Tjは、レプリカ41a1~41anのうち、j番目のレプリカに設定された温度パラメータである。また、Eiは、レプリカ41a1~41anのうち、i番目のレプリカにおけるエネルギー、Ejは、レプリカ41a1~41anのうち、j番目のレプリカにおけるエネルギーである。また、式(7)において、関数fは、たとえば、式(1)と同じものであり、式(1)のmin[1,exp(-ΔE/T)]の-ΔE/Tの代りに、(1/Ti-1/Tj)(Ei-Ej)が用いられる。
図9は、第3の実施の形態の最適化装置の制御部の動作の流れの一例を示すフローチャートである。
演算部41の各レプリカ41a1~41anは、前述の式(1)に示した確率で状態遷移を許容してビットの値の更新を行う処理を、イタレーション回数Nit、繰り返す。交換制御部41bは、レプリカ41a1~41anでの更新処理回数が所定回数に達するたびに、式(7)で表される交換確率に基づいて2つのレプリカに設定された温度パラメータTを交換する。そして、交換制御部41bは、レプリカ41a1~41anでの更新処理回数が、イタレーション回数Nitに達したとき、レプリカ41a1~41anの各々におけるエネルギーの最低値と、その最低値が得られたときの状態を取得する。そして、交換制御部41bは、レプリカ41a1~41anの各々におけるエネルギーの最低値のうち、最も低いエネルギーEと、そのエネルギーEが得られたときの状態xoutを出力する。
図10は、第4の実施の形態の最適化装置の一例を示す図である。図10において、図3に示した要素と同じ要素については同一符号が付されている。
その後、Tmax計算部51bは、決定したmax(ΔE)と、基準値Amaxに基づいて、式(5)を計算することで、温度パラメータTの最高値Tmaxを決定する。
バイアス係数群bも考慮してmax(ΔE)を決定することで、より高精度なmax(ΔE)が得られる。そして、そのmax(ΔE)を用いて温度パラメータTの最高値Tmaxを決定することで、計算対象の最適化問題に応じた温度パラメータTの範囲をより適切に設定可能になる。
図11は、第5の実施の形態の最適化装置の一例を示す図である。図11において、図7に示した要素と同じ要素については同一符号が付されている。
その後、Tmax計算部61bは、決定したmax(ΔE)と、基準値Amaxに基づいて、式(5)を計算することで、温度パラメータTの最高値Tmaxを決定する。
上記のような第5の実施の形態の最適化装置60でも、第4の実施の形態の最適化装置50と同様の効果が得られる。
図12は、第6の実施の形態の最適化装置の一例を示す図である。図12において、図10に示した要素と同じ要素については同一符号が付されている。
図13は、第6の実施の形態の最適化装置の制御部の動作の流れの一例を示すフローチャートである。
これにより制御部71の処理が終了する。その後、前述の演算部21の処理が行われる。なお、ステップS21,S22は処理の順序が逆であってもよい。
図14は、第7の実施の形態の最適化装置の一例を示す図である。図14において、図11に示した要素と同じ要素については同一符号が付されている。
図15は、第7の実施の形態の最適化装置の制御部の動作の流れの一例を示すフローチャートである。
上記のような第7の実施の形態の最適化装置80でも、第6の実施の形態の最適化装置70と同様の効果が得られる。
制御装置90は、CPU91、RAM92、HDD(Hard Disk Drive)93、画像信号処理部94、入力信号処理部95、媒体リーダ96、通信インタフェース97及びインタフェース98を有する。上記ユニットは、バスに接続されている。
プログラムは、コンピュータ読み取り可能な記録媒体(たとえば、記録媒体96a)に記録しておくことができる。記録媒体として、たとえば、磁気ディスク、光ディスク、光磁気ディスク、半導体メモリなどを使用できる。磁気ディスクには、FD及びHDDが含まれる。光ディスクには、CD、CD-R(Recordable)/RW(Rewritable)、DVD及びDVD-R/RWが含まれる。プログラムは、可搬型の記録媒体に記録されて配布されることがある。その場合、可搬型の記録媒体から他の記録媒体(たとえば、HDD93)にプログラムをコピーして実行してもよい。
11 演算部
12 制御部
Claims (11)
- 計算対象の最適化問題を変換したイジングモデルを表すイジングモデル情報と、温度パラメータとに基づいて前記イジングモデルの基底状態を探索する演算部と、
前記演算部における前記イジングモデルのエネルギーの分解能と、前記温度パラメータが最低値のときの前記イジングモデルの状態遷移の許容確率を表す第1の基準値とに基づいて前記最低値を決定し、前記イジングモデル情報に含まれる重み係数の絶対値の総和を、前記イジングモデルの全ビット数で割ることで、前記エネルギーの変化分の最大値を決定し、前記第1の基準値よりも大きく前記温度パラメータが最高値のときの前記許容確率を表す第2の基準値と、前記最大値とに基づいて前記最高値を決定し、前記演算部に前記最低値と前記最高値とを送信する制御部と、
を有する最適化装置。 - 計算対象の最適化問題を変換したイジングモデルを表すイジングモデル情報と、温度パラメータとに基づいて前記イジングモデルの基底状態を探索する演算部と、
前記演算部における前記イジングモデルのエネルギーの分解能と、前記温度パラメータが最低値のときの前記イジングモデルの状態遷移の許容確率を表す第1の基準値とに基づいて前記最低値を決定し、前記イジングモデル情報に含まれる重み係数の絶対値の総和を、前記イジングモデルの全ビット数で割った値に、前記イジングモデル情報に含まれる全ビットのそれぞれについてのバイアス係数の絶対値のうちの最大の値を加算することで、前記エネルギーの変化分の最大値を決定し、前記第1の基準値よりも大きく前記温度パラメータが最高値のときの前記許容確率を表す第2の基準値と、前記最大値とに基づいて前記最高値を決定し、前記演算部に前記最低値と前記最高値とを送信する制御部と、
を有する最適化装置。 - 計算対象の最適化問題を変換したイジングモデルを表すイジングモデル情報と、温度パラメータとに基づいて前記イジングモデルの基底状態を探索する演算部と、
前記演算部における前記イジングモデルのエネルギーの分解能と、前記温度パラメータが最低値のときの前記イジングモデルの状態遷移の許容確率を表す第1の基準値とに基づいて前記最低値を決定し、前記イジングモデルに含まれる全ビットのそれぞれが変化するときの前記エネルギーの変化分の第1の最大値を、前記全ビットのそれぞれについて計算し、前記全ビットのそれぞれについて計算した前記第1の最大値の中で最大の値を示すものを、前記変化分の最大値として決定し、前記第1の基準値よりも大きく前記温度パラメータが最高値のときの前記許容確率を表す第2の基準値と、前記最大値とに基づいて前記最高値を決定し、前記演算部に前記最低値と前記最高値とを送信する制御部と、
を有する最適化装置。 - 前記演算部は、前記温度パラメータの値の下げ方を示す温度下降制御情報を受け、前記温度下降制御情報に基づいて、前記最高値から前記最低値まで、前記温度パラメータの値を小さくしていくことで、シミュレーテッド・アニーリング法による前記基底状態の探索を行う、請求項1乃至3の何れか一項に記載の最適化装置。
- 前記演算部は、レプリカ交換法により前記基底状態の探索を行い、
前記制御部は、前記最高値から前記最低値まで、前記演算部に含まれるレプリカ数分の、前記温度パラメータの値を含む温度スケジュール情報を決定し、前記温度スケジュール情報を前記演算部に送信する、請求項1乃至3の何れか一項に記載の最適化装置。 - 計算対象の最適化問題を変換したイジングモデルを表すイジングモデル情報と、温度パラメータとに基づいて前記イジングモデルの基底状態を探索する演算部と、
制御部と、を有する最適化装置の前記制御部が、
前記演算部における前記イジングモデルのエネルギーの分解能と、前記温度パラメータが最低値のときの前記イジングモデルの状態遷移の許容確率を表す第1の基準値とに基づいて前記最低値を決定し、
前記イジングモデル情報に含まれる重み係数の絶対値の総和を、前記イジングモデルの全ビット数で割ることで、前記エネルギーの変化分の最大値を決定し、
前記第1の基準値よりも大きく前記温度パラメータが最高値のときの前記許容確率を表す第2の基準値と、前記最大値とに基づいて前記最高値を決定し、
前記演算部に前記最低値と前記最高値とを送信する、
最適化装置の制御方法。 - 計算対象の最適化問題を変換したイジングモデルを表すイジングモデル情報と、温度パラメータとに基づいて前記イジングモデルの基底状態を探索する演算部と、
制御部と、を有する最適化装置の前記制御部が、
前記演算部における前記イジングモデルのエネルギーの分解能と、前記温度パラメータが最低値のときの前記イジングモデルの状態遷移の許容確率を表す第1の基準値とに基づいて前記最低値を決定し、
前記イジングモデル情報に含まれる重み係数の絶対値の総和を、前記イジングモデルの全ビット数で割った値に、前記イジングモデル情報に含まれる全ビットのそれぞれについてのバイアス係数の絶対値のうちの最大の値を加算することで、前記エネルギーの変化分の最大値を決定し、
前記第1の基準値よりも大きく前記温度パラメータが最高値のときの前記許容確率を表す第2の基準値と、前記最大値とに基づいて前記最高値を決定し、
前記演算部に前記最低値と前記最高値とを送信する、
最適化装置の制御方法。 - 計算対象の最適化問題を変換したイジングモデルを表すイジングモデル情報と、温度パラメータとに基づいて前記イジングモデルの基底状態を探索する演算部と、
制御部と、を有する最適化装置の前記制御部が、
前記演算部における前記イジングモデルのエネルギーの分解能と、前記温度パラメータが最低値のときの前記イジングモデルの状態遷移の許容確率を表す第1の基準値とに基づいて前記最低値を決定し、
前記イジングモデルに含まれる全ビットのそれぞれが変化するときの前記エネルギーの変化分の第1の最大値を、前記全ビットのそれぞれについて計算し、前記全ビットのそれぞれについて計算した前記第1の最大値の中で最大の値を示すものを、前記変化分の最大値として決定し、
前記第1の基準値よりも大きく前記温度パラメータが最高値のときの前記許容確率を表す第2の基準値と、前記最大値とに基づいて前記最高値を決定し、
前記演算部に前記最低値と前記最高値とを送信する、
最適化装置の制御方法。 - 計算対象の最適化問題を変換したイジングモデルを表すイジングモデル情報と、温度パラメータとに基づいて前記イジングモデルの基底状態を探索する演算部を有する最適化装置の前記演算部における前記イジングモデルのエネルギーの分解能と、前記温度パラメータが最低値のときの前記イジングモデルの状態遷移の許容確率を表す第1の基準値とに基づいて前記最低値を決定し、
前記イジングモデル情報に含まれる重み係数の絶対値の総和を、前記イジングモデルの全ビット数で割ることで、前記エネルギーの変化分の最大値を決定し、
前記第1の基準値よりも大きく前記温度パラメータが最高値のときの前記許容確率を表す第2の基準値と、前記最大値とに基づいて前記最高値を決定し、
前記演算部に前記最低値と前記最高値とを送信する、
処理をコンピュータに実行させる最適化装置の制御プログラム。 - 計算対象の最適化問題を変換したイジングモデルを表すイジングモデル情報と、温度パラメータとに基づいて前記イジングモデルの基底状態を探索する演算部を有する最適化装置の前記演算部における前記イジングモデルのエネルギーの分解能と、前記温度パラメータが最低値のときの前記イジングモデルの状態遷移の許容確率を表す第1の基準値とに基づいて前記最低値を決定し、
前記イジングモデル情報に含まれる重み係数の絶対値の総和を、前記イジングモデルの全ビット数で割った値に、前記イジングモデル情報に含まれる全ビットのそれぞれについてのバイアス係数の絶対値のうちの最大の値を加算することで、前記エネルギーの変化分の最大値を決定し、
前記第1の基準値よりも大きく前記温度パラメータが最高値のときの前記許容確率を表す第2の基準値と、前記最大値とに基づいて前記最高値を決定し、
前記演算部に前記最低値と前記最高値とを送信する、
処理をコンピュータに実行させる最適化装置の制御プログラム。 - 計算対象の最適化問題を変換したイジングモデルを表すイジングモデル情報と、温度パラメータとに基づいて前記イジングモデルの基底状態を探索する演算部を有する最適化装置の前記演算部における前記イジングモデルのエネルギーの分解能と、前記温度パラメータが最低値のときの前記イジングモデルの状態遷移の許容確率を表す第1の基準値とに基づいて前記最低値を決定し、
前記イジングモデルに含まれる全ビットのそれぞれが変化するときの前記エネルギーの変化分の第1の最大値を、前記全ビットのそれぞれについて計算し、前記全ビットのそれぞれについて計算した前記第1の最大値の中で最大の値を示すものを、前記変化分の最大値として決定し、
前記第1の基準値よりも大きく前記温度パラメータが最高値のときの前記許容確率を表す第2の基準値と、前記最大値とに基づいて前記最高値を決定し、
前記演算部に前記最低値と前記最高値とを送信する、
処理をコンピュータに実行させる最適化装置の制御プログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018172429A JP7206476B2 (ja) | 2018-09-14 | 2018-09-14 | 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 |
US16/524,784 US11568204B2 (en) | 2018-09-14 | 2019-07-29 | Optimization apparatus and control method thereof |
US18/087,996 US20230131088A1 (en) | 2018-09-14 | 2022-12-23 | Optimization apparatus and control method thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018172429A JP7206476B2 (ja) | 2018-09-14 | 2018-09-14 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020046718A JP2020046718A (ja) | 2020-03-26 |
JP7206476B2 true JP7206476B2 (ja) | 2023-01-18 |
Family
ID=69772969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018172429A Active JP7206476B2 (ja) | 2018-09-14 | 2018-09-14 | 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 |
Country Status (2)
Country | Link |
---|---|
US (2) | US11568204B2 (ja) |
JP (1) | JP7206476B2 (ja) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7206476B2 (ja) * | 2018-09-14 | 2023-01-18 | 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 |
JP7137064B2 (ja) * | 2018-10-19 | 2022-09-14 | 富士通株式会社 | 最適化装置及び最適化装置の制御方法 |
JP7248907B2 (ja) | 2019-08-14 | 2023-03-30 | 富士通株式会社 | 最適化装置および最適化装置の制御方法 |
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 |
JP2021182338A (ja) * | 2020-05-20 | 2021-11-25 | 富士通株式会社 | 最適化装置、最適化プログラムおよび最適化方法 |
JP2021184148A (ja) * | 2020-05-21 | 2021-12-02 | 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 |
JP2022015503A (ja) * | 2020-07-09 | 2022-01-21 | 富士通株式会社 | 情報処理システム、情報処理方法及びプログラム |
JP2022052222A (ja) * | 2020-09-23 | 2022-04-04 | 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 |
JP2023061477A (ja) | 2021-10-20 | 2023-05-02 | 富士通株式会社 | プログラム、データ処理方法及びデータ処理装置 |
JP2023079015A (ja) | 2021-11-26 | 2023-06-07 | 富士通株式会社 | 情報処理装置、情報処理方法およびプログラム |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008140210A (ja) | 2006-12-04 | 2008-06-19 | Matsushita Electric Ind Co Ltd | 弾性表面波フィルタの設計方法及びその該設計方法を実行するプログラム及びそれを記録した媒体 |
JP5120252B2 (ja) | 2006-05-24 | 2013-01-16 | 日本電気株式会社 | 移動通信システム、基地局及びそれらに用いる送信電力制御方法 |
US20140025356A1 (en) | 2012-07-23 | 2014-01-23 | University Of Southern California | Iterative estimation of system parameters using noise-like perturbations |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2683971B2 (ja) * | 1991-10-25 | 1997-12-03 | 株式会社エイ・ティ・アール視聴覚機構研究所 | 制御方法 |
JP3037432B2 (ja) * | 1993-11-01 | 2000-04-24 | カドラックス・インク | 光波オーブンによる食物調理方法および調理装置 |
JPH08153085A (ja) | 1994-11-28 | 1996-06-11 | Ricoh Co Ltd | 配送計画問題の最適解探索方法及びその装置 |
JP4221845B2 (ja) * | 1999-10-20 | 2009-02-12 | ソニー株式会社 | 強磁性フラクタル結合体の相転移の制御方法、フラクタル結合体の相転移の制御方法、フラクタル結合体、強磁性フラクタル結合体、情報処理方法、情報記憶方法、情報記憶媒体、情報処理装置および情報記憶装置 |
WO2014192153A1 (ja) * | 2013-05-31 | 2014-12-04 | 株式会社日立製作所 | 半導体装置 |
JP5865457B1 (ja) | 2014-08-29 | 2016-02-17 | 株式会社日立製作所 | 情報処理システム及び管理装置 |
EP3113084B1 (en) * | 2015-06-29 | 2020-12-09 | Parity Quantum Computing GmbH | Quantum processing device and method |
JP6207584B2 (ja) | 2015-12-25 | 2017-10-04 | 株式会社日立製作所 | 情報処理システム及び管理装置 |
US10296352B2 (en) * | 2016-06-15 | 2019-05-21 | University Of Southern California | Nested quantum annealing correction |
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 |
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 |
WO2019216277A1 (ja) * | 2018-05-08 | 2019-11-14 | 株式会社日立製作所 | 情報処理装置、演算装置、及び情報処理方法 |
US10664761B2 (en) * | 2018-05-25 | 2020-05-26 | Microsoft Technology Licensing, Llc | Generating quantum computing circuits by distributing approximation errors in a quantum algorithm |
JP7071638B2 (ja) * | 2018-07-31 | 2022-05-19 | 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 |
JP7100254B2 (ja) * | 2018-08-10 | 2022-07-13 | 富士通株式会社 | 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 |
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 |
JP7206476B2 (ja) * | 2018-09-14 | 2023-01-18 | 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 |
JP7248907B2 (ja) * | 2019-08-14 | 2023-03-30 | 富士通株式会社 | 最適化装置および最適化装置の制御方法 |
JP7339539B2 (ja) * | 2020-01-15 | 2023-09-06 | 富士通株式会社 | 最適化装置、最適化装置の温度設定方法及び最適化装置の温度設定プログラム |
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 |
JP2022094510A (ja) * | 2020-12-15 | 2022-06-27 | 富士通株式会社 | 最適化プログラム、最適化方法及び情報処理装置 |
-
2018
- 2018-09-14 JP JP2018172429A patent/JP7206476B2/ja active Active
-
2019
- 2019-07-29 US US16/524,784 patent/US11568204B2/en active Active
-
2022
- 2022-12-23 US US18/087,996 patent/US20230131088A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5120252B2 (ja) | 2006-05-24 | 2013-01-16 | 日本電気株式会社 | 移動通信システム、基地局及びそれらに用いる送信電力制御方法 |
JP2008140210A (ja) | 2006-12-04 | 2008-06-19 | Matsushita Electric Ind Co Ltd | 弾性表面波フィルタの設計方法及びその該設計方法を実行するプログラム及びそれを記録した媒体 |
US20140025356A1 (en) | 2012-07-23 | 2014-01-23 | University Of Southern California | Iterative estimation of system parameters using noise-like perturbations |
Also Published As
Publication number | Publication date |
---|---|
US11568204B2 (en) | 2023-01-31 |
US20230131088A1 (en) | 2023-04-27 |
US20200090026A1 (en) | 2020-03-19 |
JP2020046718A (ja) | 2020-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
US11475099B2 (en) | Optimization apparatus and method for controlling thereof | |
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 | |
US11645496B2 (en) | Optimization apparatus and optimization apparatus control method | |
US11468287B2 (en) | Information processing system, information processing apparatus, and information processing method | |
JP2020205049A (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 | |
JP2021033341A (ja) | 最適化装置および最適化装置の制御方法 | |
JP2021168096A (ja) | 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 | |
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 | |
JP7181454B2 (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 | |
JP2021111270A (ja) | 最適化装置、最適化装置の温度設定方法及び最適化装置の温度設定プログラム | |
JP7108186B2 (ja) | 最適化装置及び最適化装置の制御方法 | |
JP2022094510A (ja) | 最適化プログラム、最適化方法及び情報処理装置 | |
JP2023028347A (ja) | プログラム、データ処理方法及びデータ処理装置 | |
JP2023149726A (ja) | データ処理装置、プログラム及びデータ処理方法 | |
EP4258171A1 (en) | Data processing apparatus, program, and data processing method | |
US20230195842A1 (en) | Automated feature engineering for predictive modeling using deep reinforcement learning | |
US20240111833A1 (en) | Data processing apparatus and data processing method | |
JP2021131723A (ja) | 情報処理方法、情報処理装置及びプログラム | |
JP2022161128A (ja) | プログラム、データ処理方法及びデータ処理装置 | |
JP2023061477A (ja) | プログラム、データ処理方法及びデータ処理装置 | |
JP2023001644A (ja) | データ処理装置、プログラム及びデータ処理方法 | |
JP2022158010A (ja) | 情報処理システム、情報処理方法、及び情報処理プログラム | |
JP2023024085A (ja) | プログラム、データ処理方法及びデータ処理装置 | |
JP2024030713A (ja) | 温度調整プログラム、データ処理装置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: 20210610 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20210614 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20210614 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220520 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220531 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220727 |
|
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: 20221129 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221212 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7206476 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |