QUANMATIC

量子計算効率化アルゴリズム搭載汎用ソフト
- QANML -

現状の量子計算技術の課題

現状の量子関連技術には、ハードウェアの不完全性や計算原理の性質によって以下のような課題があります。

問題規模の制限

ハードウェアが発展途上であり、扱える変数の数に制限があるため、大規模な問題を入力することができない。

解の収束性

最小エネルギー状態に収束せず、局所解に陥ってしまうことが多く、真の解を安定して得ることが難しい。

変数の肥大化

制約条件次第では変数を追加して表現する必要があり、使用するビット数が肥大化する傾向がある。

さらに高度な専門性が必須であり、問題の定式化の工夫、論文で提案されている高度なアルゴリズムの導入、パラメータの調整等は専門性のあるエンジニアの力量に依存してしまいます。

QANMLはこれらの課題の解決を目的として開発されたソフトウェアです。

QANMLの特徴

問題に依存しない汎用性

QANMLは、量子関連技術を用いた最適化における共通言語であるイジングモデル(or QUBO)に対して適用可能なアルゴリズムを搭載しているため、問題に依存しない高い汎用性を備えています。

アプリケーションレイヤー

QANMLはアプリケーションレイヤーに位置するソフトウェアであり、将来的に新しいハードウェアやミドルウェアが登場した場合でも置き換え可能な互換性を有しています。

QANMLのアルゴリズム例

1. ダークスピン法

最適性を維持した状態で使用する変数の個数を削減する手法*1

2. マルチスピンフリップ

エネルギー地形を変形することで真の解への収束性を高める手法*2

3. リボアニーリング

モデルの分割・アニーリングを繰り返すことで大規模な問題に対してアニーリングを適用する手法*3

参考文献

*1: T. Shirai and N. Togawa, “Spin-Variable Reduction Method for Handling Linear Equality Constraints in Ising Machines,” in IEEE Transactions on Computers, 2023
*2: T. Shirai and N. Togawa, “Multi-Spin-Flip Engineering in an Ising Machine,” in IEEE Transactions on Computers, 2023
*3: T. Noguchi, K. Fukada, S. Bao and N. Togawa, “Trip Planning Based on subQUBO Annealing,” in IEEE Access, 2023