特許ウォッチ

公開番号2025068387
公報種別公開特許公報(A)
公開日2025-04-28
出願番号2023178250
出願日2023-10-16
発明の名称演算プログラム、演算方法、および情報処理装置
出願人富士通株式会社
代理人個人
主分類G06N 99/00 20190101AFI20250421BHJP(計算;計数)
要約【課題】モデル精度を向上させることができる演算プログラム、演算方法、および情報処理装置を提供する。
【解決手段】コンピュータに、データと前記データについての複数の特性値とが関連付けられた学習データを複数含む学習データ群に基づいて、前記複数の特性値のそれぞれについてイジングモデルを作成することによって、複数のイジングモデルを作成する処理と、前記複数のイジングモデルを合成することで合成イジングモデルを作成する処理と、前記合成イジングモデルについて推薦点のデータを探索する処理と、前記推薦点のデータと、前記推薦点のデータについての前記複数の特性値とを含む学習データを前記学習データ群に加える処理と、を繰り返し実行させる。
【選択図】図6

特許請求の範囲【請求項１】
コンピュータに、
データと前記データについての複数の特性値とが関連付けられた学習データを複数含む学習データ群に基づいて、前記複数の特性値のそれぞれについてイジングモデルを作成することによって、複数のイジングモデルを作成する処理と、
前記複数のイジングモデルを合成することで合成イジングモデルを作成する処理と、
前記合成イジングモデルについて推薦点のデータを探索する処理と、
前記推薦点のデータと、前記推薦点のデータについての前記複数の特性値とを含む学習データを前記学習データ群に加える処理と、を繰り返し実行させることを特徴とする演算プログラム。
続きを表示（約 990 文字）【請求項２】
前記コンピュータに、
前記複数のイジングモデルのそれぞれ重みを付して足し合わせることで前記合成イジングモデルを作成する処理を実行させることを特徴とする請求項１に記載の演算プログラム。
【請求項３】
前記コンピュータに、
前記複数の特性値に応じて前記重みを補正する処理を実行させることを特徴とする請求項２に記載の演算プログラム。
【請求項４】
探索された前記推薦点がすでに前記学習データ群に含まれている場合には、前記推薦点を探索するために用いた前記複数のイジングモデルを合成する際に、前記合成イジングモデルを再作成し、再作成した前記合成イジングモデルについて推薦点を探索することを特徴とする請求項１に記載の演算プログラム。
【請求項５】
前記データは、バイナリ値のベクトルデータであることを特徴とする請求項１に記載の演算プログラム。
【請求項６】
コンピュータが、
データと前記データについての複数の特性値とが関連付けられた学習データを複数含む学習データ群に基づいて、前記複数の特性値のそれぞれについてイジングモデルを作成することによって、複数のイジングモデルを作成する処理と、
前記複数のイジングモデルを合成することで合成イジングモデルを作成する処理と、
前記合成イジングモデルについて推薦点のデータを探索する処理と、
前記推薦点のデータと、前記推薦点のデータについての前記複数の特性値とを含む学習データを前記学習データ群に加える処理と、を繰り返し実行することを特徴とする演算方法。
【請求項７】
データと前記データについての複数の特性値とが関連付けられた学習データを複数含む学習データ群に基づいて、前記複数の特性値のそれぞれについてイジングモデルを作成することによって、複数のイジングモデルを作成し、前記複数のイジングモデルを合成することで合成イジングモデルを作成し、前記合成イジングモデルについて推薦点のデータの探索を実行する実行部と、
前記推薦点のデータと、前記推薦点のデータについての前記複数の特性値とを含む学習データを前記学習データ群に加えて前記学習データ群を更新する更新部と、を備えることを特徴とする情報処理装置。

発明の詳細な説明【技術分野】
【０００１】
本件は、演算プログラム、演算方法、および情報処理装置に関する。
続きを表示（約 1,500 文字）【背景技術】
【０００２】
モデルを用いて最適化を行なう技術が開示されている（例えば、特許文献１～３参照）。
【先行技術文献】
【特許文献】
【０００３】
特開２０１９－９６３３４号公報
特表２０２３－５０７１３９号公報
特表２０２３－５２４２３６号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
例えば、ＱＵＢＯ形式のイジングモデルを用いてサンプリングを行うことで最適化することが考えられる。この場合において、複数の特性値を扱う場合には、それぞれの特性値の特徴をモデルに反映できず、モデル精度が低くなるおそれがある。
【０００５】
１つの側面では、本件は、モデル精度を向上させることができる演算プログラム、演算方法、および情報処理装置を提供することを目的とする。
【課題を解決するための手段】
【０００６】
１つの態様では、演算プログラムは、コンピュータに、データと前記データについての複数の特性値とが関連付けられた学習データを複数含む学習データ群に基づいて、前記複数の特性値のそれぞれについてイジングモデルを作成することによって、複数のイジングモデルを作成する処理と、前記複数のイジングモデルを合成することで合成イジングモデルを作成する処理と、前記合成イジングモデルについて推薦点のデータを探索する処理と、前記推薦点のデータと、前記推薦点のデータについての前記複数の特性値とを含む学習データを前記学習データ群に加える処理と、を繰り返し実行させる。
【発明の効果】
【０００７】
モデル精度を向上させることができる。
【図面の簡単な説明】
【０００８】
ＱＵＢＯ形式での解の探索を例示する図である。
ＱＵＢＯ形式のモデルを用いたサンプリング技術における実行手順を表すフローチャートである。
（ａ）は情報処理装置の全体構成を例示するブロック図であり、（ｂ）は情報処理装置のハードウェア構成を例示するブロック図である。
情報処理装置の動作の一例を表すフローチャートである。
（ａ）は学習データ群を例示する図であり、（ｂ）および（ｃ）は特性ごとの学習データ群を例示する図である。
実施例を整理した図である。
（ａ）は磁気シールドの最適化問題を例示する図であり、（ｂ）はガウス基底関数の配置を例示する図であり、（ｃ）はコイルから発生する磁束線を例示する図である。
正の配置および負の配置を例示する図である。
形状関数を例示する図である。
シミュレーション結果を示す図である。
シミュレーション結果を示す図である。
入力をアシストするＵＩにデータ表示機能が備わる場合を例示する図である。
（ａ）および（ｂ）は各特性値の頻度分布のグラフを表示した例である。
【発明を実施するための形態】
【０００９】
多数の組合せや順序などから評価値の高い良解を探索する技術として、バイナリ変数のサンプリング技術が用いられている。バイナリ変数のサンプリング技術として、ランダムにサンプリングを行うサンプリング技術、ＱＵＢＯ形式のイジングモデルを用いたサンプリング技術などが挙げられる。
【００１０】
ランダムにサンプリングを行うサンプリング技術は、手軽にサンプリングを行うことができる一方、サンプリング効率が悪く、高い精度で良解を得るためにはサンプリング回数が多くなってしまうという欠点を有している。
（【００１１】以降は省略されています）

関連特許