記事一覧

今回は巡回セールスマン問題を例に、アニーリングマシンの学習と実践にどのようなギャップがあるのかを解説したいと思います。

AIに多用されている機械学習も組合せ最適化を行うアニーリングマシンも人の代わりに難しい処理を行うコンピュータ技術だといえます。

アニーリングマシンは、イジングモデルの基底状態（エネルギーが最も低い状態）が最適解になる前提条件を設定することで、基底状態が最適解を与えるという仕組みにより組合せ最適化問題を解く技術です。

後編では、実際にイジングモデルの基底状態を導き出してくれるアニーリングマシンの構造的な仕様や技術上の課題について解説します。

最適化問題をアニーリングマシンで解くということを現実の課題に適用する場合、最終的な目的は、最適化処理によってユーザの業務を改善することです。

組合せ最適化問題とは、様々な制約の下で多くの選択肢の中から、ある指標（価値）を最も良くする変数の値（組合せ）を求めることです。

組合せ最適化問題をイジングモデルと呼ばれる統計物理学のモデルで記述し今私達が使っているPCやスマホ、もしくはWEBサイトの情報を送り出しているWEBサーバ、IoT機器や電力供給をコントロールしている基幹システムなど、ありとあらゆる情報機器のほとんどがノイマン型と呼ばれるコンピュータによって処理されています。

CMOSアニーリングマシンは、イジングモデルに対するアニーリングを行うために、記憶素子であるSRAMの構造を活用して開発された、日本独自の非ノイマン型計算機です。

COVID-19の流行に伴い、感染リスクを考慮した制約条件の下、研究員のシフト作成をアニーリングマシン（イジングマシン）で行いました。

近年増大している自然災害リスクに対応するため、保険会社が保有する膨大なデータを活用した再保険ポートフォリオ策定をアニーリングマシンで行いました。

最適化って何？アニーリングマシンのための数学では、その疑問の答えから、アニーリングマシンを使うために必要な数学を解説します。

アニーリングマシンの最適化処理ではどのような数学が使われるのでしょうか？5つの数学活用先を説明します。

アニーリングマシンのための数学1章では最適化問題を解くということはどのようなことなのか、解くために必要な知識を解説します。

最適化を行うために必要な数学の第1歩、代数記法にPythonプログラムを併記して解説いたします。

第2章では、目的関数を理解するための数学知識を知ることがテーマです。まずは、数式が何を意図しているかを抵抗なく受け入れる心の準備です。

目的関数を作る、理解するための数学、そしてイジングモデルへ変換する数学知識と、最適化の方法に応じた数学知識について解説します。

それでは一体どうやって式を立てるのかを、このサイトのデモアプリ「画像のノイズリダクション」の場合に照らして説明します。

第3章では現実課題にアニーリングマシンを適用するために必要な判断基準にかかわる知識を取り上げます。

イジングモデルは、2次式を用いることでスピン同士の相互作用を考慮し、最適化を行うための強力なツールです。このアプローチにより、より良い解を得ることが可能になります。

アニーリングマシンではスピン同士の相互作用を考慮した2次式が重要です。アニーリングマシンを用いることにより現実課題の相互作用を効果的に解決することができます。

現実的な問題に直面した際に、離散最適化で解くべきか連続最適化で解くべきかを判断することは、最適化の理解を深める上で非常に重要です。ここでは、連続値と離散値を判別する方法やそのトレーニング方法について解説します。

ここではアニーリングマシンの黎明期から普及期へとシフトする時代で果たしてきたハードウェアとソフトウェアの役割を振り返り、この先果たしていく役割についても考察してみましょう。

本コラムでは、実際にアニーリングマシンを使うために、Annealing Cloud Web以外で知識を深めるべきおすすめの書籍について紹介します。

一般的には、計算機では唯一の正解（厳密解）を導き出す手順やアルゴリズムを採用することが多いですが、それとは異なるヒューリスティックの特徴と、この観点におけるアニーリングマシンの意義について学習しましょう。

アニーリングマシンが検証のみならず既に実在の課題を解決する手段としてビジネスに活用されていることを知っていますか？この記事ではこれまで公開されているアプリケーションの事例を取り上げていきます。

本コラムでは、人間の認知を最適化問題（イシュー）として捉え、そのイシューに対してCMOSアニーリングを含む数理最適化技術の適用を進めていくための入り口となるノウハウについてご説明したいと思います。

本コラムでは、人間の認知を最適化問題（イシュー）として捉え、イシューに対してCMOSアニーリングを含む最適化技術の適用を進めていくための入り口となるノウハウについて説明しています。

多くの人にアニーリングマシンを使って欲しいという思いから、初級者向けにアニーリングマシンで最適化問題を解く工程を解説する記事を作成しました。

この記事では、「学校の授業の時間割」をモチーフに要件定義（課題検討）の段階でどのような情報整理をするか解説します。

組合せ最適化問題をアニーリングマシンで解くためには、イジングモデルの定式化と呼ばれる作業が必要です。本記事ではその手順を解説します。

「定式化」を行った数分割問題について、入力データを作成します。機械的な操作ですが、本記事では基本的な事項をおさえていきます。

「入力データの作成」の章で作成した数分割問題のデータをCMOSアニーリングマシンに入力して解いてみましょう。

このチュートリアルは、「イジングエディタ」でアニーリングマシンが行っている処理を解説したものです。

このチュートリアルは、デモアプリ「画像のノイズリダクション」でアニーリングマシンが行っている処理を解説したものです。

このチュートリアルは、デモアプリ「ネットワーク堅牢性構築」でアニーリングマシンが行っている処理を解説したものです。

CMOSアニーリングは、日立が研究開発を進める組合せ最適化処理技術です。2015年に最初のCMOSアニーリングマシンを発表して以来、いくつかの実装方式を発表してきました。

Annealing Cloud Web APIではイジングモデルを使ったアニーリングマシンの操作をHTTPで通信を行うWebAPIとして提供します。

イジングエディタではCMOSアニーリングマシンのパラメータやスケジュールを設定してアニーリングを実行できます。

イジングエディタはCMOSアニーリングマシンの動きを視覚的に表現した学習ツールですが、CMOSアニーリングマシンに何を入力し、どのように解を得るのかを目で見ながら確認するためには他にないツールとなっています。

このデモアプリは、ノイズがのっている白黒の画像から元の画像を推定する問題をアニーリングマシンで解くものです。

ウェブブラウザ上から実行できるデモでアニーリングマシンを体験することができます。

本記事では、渋滞解消のための信号制御を組合せ最適化問題としてCMOSアニーリングマシンによる処理を行い、信号制御システムとして実現する演習を行います。

適合率診断ツールでは、あなたの知っている最適化事例や最適化問題が実際にアニーリングマシンと相性の良い問題であるといえるのかを確認することができます。

最適化したいイシューが見つかった方向けに4つのエレメントをより深掘りする方法について解説したいと思います。第1回前編となる今回は、アクションと価値という「イシューの骨格」となる2つのエレメントのうち、アクションについて解説したいと思います。

最適化したいイシューが見つかった方向けに4つのエレメントをより深掘りする方法について解説したいと思います。第1回後編となる今回は、アクションと価値という「イシューの骨格」となる2つのエレメントのうち、価値について解説したいと思います。

最適化したいイシューが見つかった方向けに4つのエレメントをより深掘りする方法について解説したいと思います。第2回前編となる今回は、ルール・前提条件と参照情報・データという「イシューの輪郭」となる2つのエレメントのうち、ルール・前提条件について解説したいと思います。

最適化したいイシューが見つかった方向けに4つのエレメントをより深掘りする方法について解説したいと思います。第2回前編となる今回は、ルール・前提条件と参照情報・データという「イシューの輪郭」となる2つのエレメントのうち、参照情報・データについて解説したいと思います。

アニーリングマシンのユースケースの1つである「COVID-19感染対策を考慮し研究員シフトを最適化する」について、実際に意思決定デザインFWを使う方法を解説します。

Fixstars Amplify SDK を使って CMOS アニーリングマシンを実行する方法について、画像ノイズリダクション問題を題材にして解説。キンググラフで性能を出すTipsも。

アニーリングマシンと同様に人間の意思決定を代替するテクノロジーの概観と、それらの中におけるアニーリングマシンの特徴や利点を解説します。

DXはデジタルを活用した変革によって競争力をもたらす取り組みです。一方、データサイエンスはDXのデータ・デジタル活用を裏方となって支える技術および手法です。

大規模で複雑な現実課題においては、制度設計・現場の工夫・技術導入といった複数レイヤーの活動の組合せにより課題を解決する必要があります。最適化や機械学習はその革新的技術として大きな威力を持つのです。

Google OR-Tools は、Google が開発し公開している、組合せ最適化問題を解くためのオープンソースソフトウェアです。この記事では、OR-Tools がどのような機能（ソルバ）で構成されているのか、全体像を解説します。

本記事では、Googleが開発したオープンソースの最適化ソルバ OR-Tools を使用し、制約プログラミングによるスケジュール最適化の手法を解説します。 題材として「新生児の三つ子のお世話」というトイモデル扱います。限られたリソース（パパ・ママ・シッター）で、複数のタスクをどのように配分すれば、親の負担（特に睡眠不足）を解消できるでしょうか。

本記事では、Googleが開発したオープンソースの最適化ソルバ OR-Tools を使用し、制約プログラミング（CP）によるスケジュール最適化の手法を解説します。今回は、簡単な「1日の主菜選び」から始め、最終的に「栄養バランスと飽きを考慮した1ヶ月の献立」を作成するトイモデルを構築します。