1～3 件を表示 ／ 全 3 件
ストカスティック演算に基づく量子モンテカルロ計算アルゴリズムによるデジタルコンピュータでの最適化問題処理
組合せ最適化問題は近年様々な社会課題を解決可能な手法として注目されており、その解を高速に探す手法として量子によるアニーリング手法(QA)が期待されている。しかし、現状のQA は実装規模に制限があったり、専用のシステムを用意必要があるなど、大規模な問題を解くのに不向きであった。また、現在研究されている確率情報に基づく演算手法のストカスティックを用いたシミュレーテッドアニーリング法(SC-SA)は、古典系で動作するため問題に制約がなく，省電力ではあるが、大規模化に伴い低速であり、導入においてハードルがあった。 そこで本技術は、ストカスティック演算に基づく新たなアニーリング法である量子モンテカルロ(SC-QMC)を用いることで、実装規模の制限や導入コストの少なくし、高速に、QAに比べて2桁以上の省電力で、最適化問題の解法を実現した。
形式の異なる複数データベース間でのシンプルな名寄せを実現
一般的に知られているデータベース技術として、RDB(RelationalData Base)やKVS(Key-Value Store)があるが、複数システム間で活用するには不便性がある。 本発明は、複数のシステムで管理されている関連性のないデータであっても、複雑なテーブル設計や管理を必要とせずに堅牢なデータ管理を行うと共に、効率的な運用を行うことができる名寄システムを提供する。
量子アニーリングで制約あり2次計画問題を解法可能
昨今、世の中にあるほぼ全ての組合せ最適化問題は制約あり2次計画問題で表されている。しかし、その解法にあたり、そこからさらに罰金法等を適用し変形して制約なし2次計画問題に変換し、変換後の数式にて量子アニーリングでの演算を行うが、その変換にて、膨大な計算リソースを要する冗長な変数を生成してしまい、実質演算が不可能な問題があった。 本技術は、全ての組合せ最適化問題を量子アニーリングで解法するための手法であり、実質どのような最適化問題においても解法可能となった。
