量子コンピュータ時代のプログラミング体験セミナー - Fixstars Amplifyで実装する経路最適化

開催日時	2024年6月21日（金）14:00 〜 16:00
参加費用	無料
開催場所	オンライン（Zoom） ※お申し込みいただいた後、配信用のZoom URLをお送りいたします。
講演内容	はじめに会社および量子コンピューティングクラウド「Fixstars Amplify」のご紹介 Fixstars Amplifyを用いた経路最適化ワークショップ事例や今後の進め方のご紹介 Q&A ※ 途中に休憩をはさみます。 ※ 当日は予告なく時間配分・内容等が変更になる可能性があります。 ※ 途中入退室は可能です。
登壇者	轟貴久株式会社 Fixstars Amplify シニアディレクター源勇気株式会社 Fixstars Amplify ディレクター
対象者	企業の事業部やIT部門でDX・業務効率化に取り組まれている方 Fixstars Amplifyを使った目的関数や制約条件の実装方法などをお知りになりたい企業の研究開発者や大学の研究者の方
参加方法	お申し込みいただいた後、配信用のZoom URLをお送りいたします。 ※ Zoomの表示名は、セミナーの申し込み時のお名前としてください。

1.

量子コンピュータ時代のプログラミングセミナー

2.

量子コンピュータ時代のプログラミングセミナー

3.

本日のAgenda

4.

本セミナーのゴール

⚫ 身の回りには組合せ最適化問題がたくさんあることを知る ⚫ 組合せ最適化問題を解くための専用マシン（量子アニーリング・イジングマシン）があることを知り、解くためための流れを理解する（決定変数、目的関数、制約条件など） ⚫ ワークショップを通して、実際にイジングマシンを動かしてみることで、実問題への適用の足掛かりを得る質問は随時ZoomのチャットかQ&Aでお願いします Copyright© Fixstars Group 4

5.

会社紹介

6.

フィックスターズグループの基本情報

会社名株式会社フィックスターズ本社所在地東京都港区芝浦3-1-1 msb Tamachi 田町ステーションタワーN 28階設立 2002年8月資本金 5億5,446万円社員数（連結） 292名（2023年9月現在）キオクシア株式会社ルネサスエレクトロニクス株式会社上場区分東証プライム（証券コード：3687）代表取締役社長三木主なお客様トヨタグループ（トヨタ自動車株式会社・豊田通商株式会社・株式会社デンソー）みずほ証券株式会社聡キヤノン株式会社グループ会社 2021/10/1 設立 Fixstars Solutions, Inc. 完全子会社米国での営業及び開発を担当 (株) Fixstars Autonomous Technologies 株式会社ネクスティエレクトロニクスとのJV 自動運転向けソフトウェアを開発 (株) Fixstars Amplify (株) Sider (株) Smart Opinion オスカーテクノロジー (株) 連結子会社乳がんAI画像診断支援事業を運営連結子会社ソフトウェア自動並列化サービスを提供完全子会社開発支援SaaS「Sider」を運営 Copyright© Fixstars Group 完全子会社量子コンピューティングのクラウド事業を運営 6

7.

フィックスターズのサービス概要

8.

フィックスターズの強み

コンピュータの性能を最大限に引き出す、ソフトウェア高速化のエキスパート集団ハードウェアの知見アルゴリズム実装力各産業・研究分野の知見目的の製品に最適なハードウェアを見抜き、その性能をフル活用するソフトウェアを開発します。ハードウェアの特徴と製品要求仕様に合わせて、アルゴリズムを改良して高速化を実現します。開発したい製品に使える技術を見抜き、実際に動作する実装までトータルにサポートします。 Copyright© Fixstars Group 8

9.

フィックスターズの量子・最適化技術への取り組み

次世代技術を先取りし今ある課題の解決を目指す 2018年 NEDOのプロジェクトに採択「イジングマシン共通ソフトウェア基盤の研究開発」 2023年 2022年 9月: 新製品 Fixstars Amplify Scheduling Engine リリース 11月: Toshiba SQBM+を標準マシンに追加 12月: 累計実行回数3,000万回突破 5月: Fixstars Amplify がGurobi、IBM-Quantumをサポート 7月: 累計実行回数1,000万回突破 2021年 2月: 量子アニーリングクラウドサービス「Fixstars Amplify」提供開始 10月: 子会社Fixstars Amplifyを設立 11月: Q-STAR 量子技術による新産業創出協議会に特別会員として加入 2017年日本で初めて D-Wave Systems社と提携 2019年 SIPの研究開発に参画「光・量子を活用したSociety 5.0実現化技術：光電子情報処理」 Copyright© Fixstars Group 9

10.

Fixstars Amplify: 製品ポートフォリオ

• • • • Fixstars Amplify Fixstars Amplify Scheduling Engine (量子アニーリング・イジングマシンクラウド, 2021/2～) (スケジューリング最適化クラウド, 2023/9～) 汎用的な問題に対応する SDK と実行環境 (AE) • 2次の QUBO 問題が得意スケジューリング問題に特化した SDK と実行環境 (Scheduling Engine) シフト最適化、経路最適化、設計変数最適化向けに • 最適化の目的を Makespan の最小化に絞り、定式化自分で自由に定式化した目的関数や制約条件の中で不要で、複雑な制約条件を通常のプログラミングの一番良い組み合わせを高速・高精度に探索延長で実装可能量子アニーリング・イジングマシンを活用してブラ • ックボックス最適化問題を解くことも可能生産計画・人員シフト計画・配送計画など幅広いスケジューリングに適用可能本日のセミナーはこちら Copyright© Fixstars Group 10

11.

量子コンピューティング事業

多様なハードウェアでのソフトウェア高速化サービスに加え、量子コンピュータ活用支援とシステム開発を提供しています。お客様の課題ご支援内容量子コンピューティングが課題の解決に役立つか確信が持てないセミナー・トレーニング量子コンピュータの研究動向や活用事例、実際の利用方法等クラウド実行環境のご提供量子コンピューティングの検討をどう進めたらクラウド経由での量子コンピュータ利用サービスを提供良いかわからないコンサルティングセットアップ支援、処理の分割や変換等のコンサル作りたいアプリケーションがあるが、開発がソフトウェア高速化・開発支援サービス難しい量子コンピュータを組み合わせてシステムの高速化を実現 Copyright© Fixstars Group 11

12.

様々な分野でFixstars Amplifyの利用が拡大しています

13.

Fixstars Amplify のご紹介

14.

量子技術とFixstars Amplifyの対応領域

1. 量子コンピュータ 3. イジングマシン量子ゲート方式二値二次多項式模型古典汎用コンピュータの上位互換。量子力学の重ね合わせ状態を制御する量子ゲートを操作し、特定の問題を汎用的かつ高速に処理する。二次の多変数多項式で表される目的関数の組合せ最適化問題 (QUBO) を扱う専用マシン。 QAOA により組合せ最適化問題 (QUBO) を取り扱うことが可能。 1 3 2 量子コンピュータ IBM/Google/Rigetti/IonQ 量子アニーリングイジングマシン富士通/日立/東芝/Fixstars 変数は0,1または±1。統計物理学におけるイジング模型 (磁性体の性質を表す模型) に由来。様々な実装により実現されている。 D-Wave/NEC 2. 量子アニーリング方式量子焼きなまし法イジングマシンの一種であり、量子焼きなまし法の原理に基づいて動作する。量子イジング模型を物理的に搭載したプロセッサで実現する。自然計算により低エネルギー状態が出力される。組合せ最適化問題 (QUBO) を扱う専用マシン。 Copyright© Fixstars Group Amplify AE 14

15.

組合せ最適化問題 (QUBO)

数理最適化問題量子アニーリング・イジングマシン ⚫ 連続最適化問題 Quadratic 二次形 Unconstrained 制約条件なし • 整数計画問題 (決定変数が整数) Binary 0-1整数 (二値) • 0-1整数計画問題 (決定変数が二値) Optimization 計画（最適化） • 決定変数が連続値（実数など） ⚫ 決定変数が離散値 (整数など) QUBO目的関数 (0-1整数二次計画問題) 𝒇 𝒒 = ෍ 𝑄𝑖𝑗 𝑞𝑖 𝑞𝑗 + ෍ 𝑄𝑖𝑖 𝑞𝑖 𝑖<𝑗 𝒇: 目的関数 𝒇 𝒒 を最小化するような 𝒒 を求める 𝑖 𝒒: 決定変数 𝑸: 係数 Copyright© Fixstars Group クラウドサービス：Fixstars Amplify 15

16.

クラウドサービス: Fixstars Amplify

⚫ 量子コンピューティングを想定したシステム開発・運用のクラウドプラットフォーム ⚫ 量子コンピュータや独自開発のGPUアニーリングマシンなど、組合せ最適化問題の専用マシンを効率的に実行できる https://amplify.fixstars.com/ja/ サービス概要 ⚫ SDKをインストールするだけです簡単ぐに使える (pip install amplify) ⚫ ハードウェアの専門知識不要でアプリケーションが開発できる ⚫ すべての量子アニーリング/イジンポータブルグマシンに対応 ⚫ Fixstarsの26万ビット級のアニーリングマシン実行環境も利用可能 ⚫ 評価・検証用途には開発環境と実行適用分野 (一例) ・・・金融物流始めやすいライフサイエンス Copyright© Fixstars Group 環境が無償で利用可能 ⚫ 多くのチュートリアル、サンプルコードを整備・拡充 16

17.

Fixstars Amplify の対応マシンの一例

18.

オンラインデモ & チュートリアル

19.

Fixstars Amplify の内容と特徴

20.

開発環境：Fixstars Amplify SDK

21.

Fixstars Amplify SDKによるシンプルプログラミング

22.

実行環境：Fixstars Amplify Annealing Engine (AE)

NVIDIA GPU V100/A100 で動作 • 独自の並列化シミュレーテッドアニーリングアルゴリズム WEB経由で計算機能を提供 • 社会実装・PoC・検証が加速 • Amplify SDK の実装を直ぐに実行可能商用マシンでは最大規模・最高速レベル • 120,000 ビット（全結合） • 260,000 ビット超（疎結合） ※評価・検証用途では無償提供 Copyright© Fixstars Group 22

23.

Fixstars Amplify SDK/AE パフォーマンス

24.

ワークショップ

25.

ワークショップの事前準備（1）

• ご自身の PC のブラウザ上で Python のプログラミングを行います。Google Colaboratory を使うので、事前に Google Colaboratory にログインできることをご確認ください（Google アカウントが必要です）。 Google Colab 検索 https://colab.research.google.com/ • Fixstars Amplify の無料トークンの取得有無をご確認ください。まだの方は、こちらからユーザー登録をして無料トークンを取得してください（1分で完了します）。 Fixstars Amplify 検索 https://amplify.fixstars.com/ Copyright© Fixstars Group 25

26.

ワークショップの事前準備（2）

取得された Fixstars Amplify AE の無料トークンを用いてトークンチェック用のサンプルコードが動くか、以下のステップでご確認をお願いします。 1. 以下の URL にアクセスしてください。サンプルコードは閲覧のみ可能な状態なので、「ファイル」→「ドライブにコピーを保存」して、ご自身の Google ドライブにコピーを作成してください。 https://colab.research.google.com/drive/1bg2Ql3McJck_Sto8uvxtmPUMWtRFhf7a 2. コピーしたファイルの1番目のセルにご自身の無料トークンを入力してください（***印の部分を書き換えてください）。ご自身の無料トークンは、「アクセストークン」ページの「Fixstars Amplify AE」のセクションでご確認いただけます。トークンを入力後、再生ボタンまたは Shift +Enter で1番目のセルを実行して下さい。 token = ”***********************************” # ご自身のトークンを入力 3. 1番目のセルの実行が完了したら、2番目のセルも再生ボタンまたは Shift + Enter で実行してください。実行後、以下の結果が出力されればOKです。 result: [q_0, q_1] = [1. 1.] (f = 0.0) Copyright© Fixstars Group 26

27.

ワークショップの事前準備（3）

⚫ ⚫ ワークショップで使うサンプルコードを以下のURLより取得して下さいそれぞれのサンプルコードにご自身のトークンを入力いただく必要があります。それぞれのサンプルコードを「ドライブにコピー」の上、トークンを入力し実行して下さい ➢ サンプルコード Step1 https://colab.research.google.com/drive/1nu_X8RufFbc4wzRlyxj8M5FlGorkcKIE?usp=sharing#scrol lTo=joih5kayrIJt Step2 https://colab.research.google.com/drive/1ssgrvSQ7cZrLhGzmaLZUJRYu2JJeSOiv?usp=sharing#sc rollTo=Ca8VcqcFsXSi Step3 https://colab.research.google.com/drive/1SlYCT_eS5abwzl_rldM-Vf9g2sKihRp?usp=sharing#scrollTo=WKVyZz2wtV9L 質問は随時、Zoomのチャットか Q&A でお願いします。対応可能なメンバーが対応致します。 Copyright© Fixstars Group 27

28.

ワークショップ

29.

搬送経路最適化

一言に「経路最適化」と言っても、搬送ロボット (AGV) が運用されている環境や要件などは様々で、それぞれに対する問題設定や定式化は異なります状況や要件の例 • AGVが通過できる経路が定められている • AGVごとに稼働時間に制限がある • AGVごとに積載量に制約がある • 配達地ごとに要求される到着時間がある • AVGの衝突回避の制御が必要 • 運ぶ材料や部品によって各配達地で作業時間が異なる Copyright© Fixstars Group 29

30.

搬送経路最適化

31.

搬送経路最適化

【問題】工場内の4台のAGVを用いて、AGVの充電ステーションから20か所の搬送先に部品を届けるときの各搬送ロボットの走行距離の合計が最短になるような経路を求めます。尚、搬送ロボットをできるだけ平均的に利用したいため各AGVの搬送先は5か所とします全てを一度にやるのは難しいので、3つのステップに分けてプログラムを作成します Step1 Step2 Step3 AGVを1台とし、制約を守るだけのプログラムを作ります制約➀: 各順番で回れる訪問先 (充電ステーション+各搬送先) は1か所制約②: 各訪問先を回るのは1回のみ解の候補多数あり Step1に「総距離の最小化」という目的を追加し、複数の解の候補から目的を実現する解を求めるプログラムを作ります AGVを4台に増やします。具体的には、Step2に対して以下の2つの変更を加えます変更➀: 決定変数の一部を0/1で固定変更➁: 制約条件の対象範囲を微調整 Copyright© Fixstars Group 31

32.

Step1: AGVを1台とし、制約を守るだけのプログラムを作ります

33.

Step1: AGVを1台とし、制約を守るだけのプログラムを作ります

制約➀: 各順番で回れる訪問先 (充電ステーション+各搬送先) は1か所距離行列の作成実装制約②: 各訪問先を回るのは1回のみ各訪問先の座標充電ステーション各訪問先間の距離行列 (km) 充電ステーション訪問先 (0) は充電ステーション訪問先 (i) 0 1 2 ・・・ 20 訪問先 0 0 0.54 0.22 ・・・ 0.64 (j) 1 0.54 0 0.32 ・・・ 1.17 2 0.22 0.32 0 ・・・ 0.86 ・・・・・・・・・・・・・・・ 20 0.64 1.17 ・・・ 0 Copyright© Fixstars Group 0.86 33

34.

Step1: AGVを1台とし、制約を守るだけのプログラムを作ります

制約➀: 各順番で回れる訪問先 (充電ステーション+各搬送先) 得られる解の例は1か所決定変数を準備制約②: 各訪問先を回るのは1回のみ訪問先 (i) 訪問先 (i) 順番(n) 0 1 2 ・・・ 0 1 q_0,1(0 or 1) q_0,2(0 or 1) ・・・ 1 q_1,0(0 or 1) q_1,1(0 or 1) q_1,2(0 or 1) ・・・ 2 q_2,0(0 or 1) q_2,1(0 or 1) q_2,2(0 or 1) ・・・・・・・・・ 20 q_20,0(0 or 1) q_20,1(0 or 1) ・・・ q_20,2(0 or 1) ・・・ 20 イジングマシン順番(n) 0 で最適な(0,1)の q_1,20(0 or 1) 組合せを探す 1 q_2,20(0 or 1) q_0, 20(0 or 1) 0 1 2 ・・・ 20 1 0 0 ・・・ 0 0 0 0 ・・・ 1 0 ・ 2 0 1 ・・・・・・・・・・・・・・・・・ q_20,20(0 or 1) 20 0 0 1 ・・・ 0 BinaryPoly型 (21×21) = 441 [qbit] 1は訪問する、0はしない事を示す実装 Copyright© Fixstars Group 充電ステーションから出発を示す 0 充電ステーションの次に行くのは訪問先 (20) であることを示す 34

35.

Step1: AGVを1台とし、制約を守るだけのプログラムを作ります

制約➀: 各順番で回れる訪問先 (充電ステーション+各搬送先) は1か所制約の定式化制約②: 各訪問先を回るのは1回のみ制約1:各順番で回れる訪問先は１か所 → one hot 制約 20 ෍ 𝑞𝑛,𝑖 = 1 訪問先 (i) 順番(n) 𝑛 ∈ 0,1, ⋯ , 20 𝑖=0 制約2: 各訪問先を回るのは1回のみ → one hot 制約 0 1 2 ・・・ 20 0 1 0 0 ・・・ 0 one_hot 1 0 0 0 ・・・ 1 one_hot 0 0 one_hot 2 0 1 ・・・・・・・・・・・・・・・ 20 0 0 1 ・・・ 0 one_hot 20 ෍ 𝑞𝑛,𝑖 = 1 𝑖 ∈ 0,1, ⋯ , 20 one_hot one_hot one_hot one_hot 𝑛=0 Copyright© Fixstars Group 35

36.

Step1: AGVを1台とし、制約を守るだけのプログラムを作ります

制約➀: 各順番で回れる訪問先 (充電ステーション+各搬送先) は1か所制約の定式化実装制約②: 各訪問先を回るのは1回のみ制約1:各順番で回れる訪問先は1つ → one hot 制約 20 ෍ 𝑞𝑛,𝑖 = 1 𝑛 ∈ 0,1, ⋯ , 20 𝑖=0 制約2: 各訪問先を回るのは1回のみ → one hot 制約 20 ෍ 𝑞𝑛,𝑖 = 1 𝑖 ∈ 0,1, ⋯ , 20 𝑛=0 Copyright© Fixstars Group 36

37.

Step1: AGVを1台とし、制約を守るだけのプログラムを作ります

制約➀: 各順番で回れる訪問先 (充電ステーション+各搬送先) は1か所求解制約②: 各訪問先を回るのは1回のみ Amplify AE • • 先ほど作った constraints (制約) をmodelに格納して、マシンに投げます制約条件だけを与えた場合、制約条件を満たす解を探してきてくれます無料版は1ジョブ10秒まで設定可有料版では1分 or 10分 or 15分まで設定可能 Copyright© Fixstars Group 37

38.

Step1: AGVを1台とし、制約を守るだけのプログラムを作ります

39.

Step2: Step1に「総距離の最小化」という目的を追加し、複数の解の候補から目的を実現する解を求めるプログラムを作ります

40.

Step2: Step1に「総距離の最小化」という目的を追加し、複数の解の候補から目的を実現する解を求めるプログラムを作ります

目的関数の定式化 20 20 20 総距離の最小化 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑒 = ෍ ෍ ෍ 𝑑𝑖,𝑗 ∙ 𝑞𝑛,𝑖 ∙ 𝑞𝑛+1,𝑗 𝑛=0 𝑖=0 𝑗=0 決定変数 x 決定変数 (2次) 計算のイメージ n=1のときi=20が1、n=2のときj=1が1なので、𝑑20,1 である1.17がdistanceに加算される各訪問先間の距離行列 (𝑑𝑖,𝑗 ) 決定変数 (𝑞𝑛,𝑖 , 𝑞𝑛+1,𝑗 ) 訪問先 (i) 順番(n) 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑒 = Copyright© Fixstars Group 0 1 2 ・・・ 20 0 1 0 0 ・・・ 0 1 0 0 0 ・・・ 1 2 0 1 0 ・・・・・・・・・・・・・・・ 20 0 0 1 ・・・ 0 0 40

41.

Step2: Step1に「総距離の最小化」という目的を追加し、複数の解の候補から目的を実現する解を求めるプログラムを作ります

実装 : 追加 or 変更部分剰余を使って、最後の訪問先の次は0番目に戻るようにしていますイジングマシンは、制約を満たす中で、この distance (目的) を最小にする組合せを探します【補足】制約条件には、目的関数の値を考慮して適切な値の重みを設定する必要があります。制約条件の取り扱いに関する詳細は、こちらのドキュメントも合わせてご参照下さい https://amplify.fixstars.com/ja/docs/amplify /v1/constraint.html#id8 Copyright© Fixstars Group 41

42.

Step2: Step1に「総距離の最小化」という目的を追加し、複数の解の候補から目的を実現する解を求めるプログラムを作ります

43.

Step3: AGVを4台に増やします。具体的には、Step2に対して以下の2つの変更を加えます

44.

Step3: AGVを4台に増やします (n_vehicle = 4 → n_visits = 24)

変更➀: 決定変数の一部を0/1で固定します。これにより、各AGVの搬送先を5 充電ステーションには、0番目、6番目、 12番目、18番目に訪問します (計4回訪問) か所に固定しています決定変数実装 : 追加 or 変更部分訪問先 (i) 順番(n) 0 1 2 ・・・ 0 1 0 0 ・・・ 0 1 0 q_1,1 q_1,2 ・・・ q_1,20 2 0 q_2,1 q_2,2 ・・・ q_2,20 3 0 q_3,1 q_3,2 ・・・ q_3,20 4 0 q_4,1 q_4,2 ・・・ q_4,20 5 0 q_5,1 q_5,2 ・・・ q_5,20 6 1 0 0 7 0 q_7,1 q_7,2 ・・・ q_7,20 8 0 q_8,1 q_8,2 ・・・ q_8,20 9 0 q_9,1 q_9,2 ・・・ q_9,20 10 0 q_10,1 q_10,2 ・・・ q_10,20 11 0 q_11,1 q_11,2 ・・・ 12 1 0 0 13 0 q_13,1 q_13,2 ・・・・・・・・・・・ 0 q_23,1 q_23,2 23 20 0 q_11,20 0 ・・・ 0 これらの中で合計が最短となる経路を探します 0 q_13,20 ・・・・ q_23,20 Copyright© Fixstars Group 44

45.

Step3: AGVを4台に増やします (n_vehicle = 4 → n_visits = 24)

変更➁: 制約条件の対象範囲を微調整します。訪問先 (0) である充電ステーションを、one_hot制約の対象から外します決定変数 one_hot制約対象外実装訪問先 (i) 順番(n) 0 1 2 ・・・ 0 1 0 0 ・・・ 0 1 0 q_1,1 q_1,2 ・・・ q_1,20 2 0 q_2,1 q_2,2 ・・・ q_2,20 3 0 q_3,1 q_3,2 ・・・ q_3,20 4 0 q_4,1 q_4,2 ・・・ q_4,20 5 0 q_5,1 q_5,2 ・・・ 6 1 0 0 7 0 q_7,1 q_7,2 ・・・ q_7,20 8 0 q_8,1 q_8,2 ・・・ q_8,20 9 0 q_9,1 q_9,2 ・・・ q_9,20 10 0 q_10,1 q_10,2 ・・・ q_10,20 11 0 q_11,1 q_11,2 ・・・ 12 1 0 0 13 0 q_13,1 q_13,2 ・・・・・・・・・・・ 0 q_23,1 q_23,2 23 q_5,20 0 0 q_11,20 0 ・・・ : 追加 or 変更部分 20 0 q_13,20 ・・・・ q_23,20 Copyright© Fixstars Group 45

46.

Step3: AGVを4台に増やします (n_vehicle = 4 → n_visits = 24)

47.

ワークショップ：おさらい

48.

今後について

ぜひ、デモ・チュートリアルの様々な問題に挑戦してください！目的関数のみで解く問題制約条件のみで解く問題目的関数＋制約条件で解く問題複数台の車両のそれぞれに積載容量の制約がある中で、どの車両がどの荷物をどういうルートで運ぶかを解く問題です。不等式制約 (less_equal) を使って解いています！困った時はドキュメンテーションを！ https://amplify.fixstars.com/docs/amplify/v1/index.html Copyright© Fixstars Group 48

49.

Tips: 適切なタイムアウト値の設定について

実行後にヒストリー情報や num_iterations などを確認しながら適切なタイムアウト値を調整しますヒストリー情報 (ドキュメントはこちら) • • num_iterations (ドキュメントはこちら) Amplify AE は1回の実行の中で探索を繰り返し、時間の許す限り最良解を徐々に改善していきます。必要な設定変更を行うことにより、1回の実行の中で、最良解を更新した時間とその解の値を確認することができます。解の収束の様子などから実行時間の過不足の判断に用いることができます。 • • Copyright© Fixstars Group 実行後に num_iterations を確認することにより、どの程度の「探索」が行われたか確認することができます。「探索」とは、 Amplify AE が実装しているアルゴリズムの実行単位であり、この値が大きいほど広く探索が行えたことを意味します。この値が一桁など小さい場合には探索が十分でない可能性があります。 Amplify AE は初めに1回だけ探索を行い、タイムアウトまで余裕がある場合には、時間の許す限り解を徐々に改善していくという動作になっています。設定したタイムアウト値が問題規模に対して小さすぎる場合には、最初の探索が指定したタイムアウト時間内に終わらないこともあります。その場合、初めの探索だけで実行が終わり、num_iterations は 1 となります。 49

50.

Wrap Up

51.

量子アニーリング・イジングマシンと組合せ最適化問題

52.

最適配置自動化サービス（物流梱包業務のDX）

https://www.fixstars.com/ja/services/cases/amplify-bellemaison 業務内容：梱包業務担当者（１チーム３名）をコンベア前のブースに割り当て従来の方法：前日夕方に、翌日の予測出荷目標数と出勤予定に基づいて、３人程度のリーダーが相談し数時間をかけて決定課題：公平になるよう、様々な配慮を行う必要があり、割り当て担当者に心理的負担がかかっていた成果： → 2022年10月より実稼働開始！アニーリング技術を活用して自動化・デジタル化 • 作業時間 → 15分程度に • 心理負担 → ほぼゼロに梱包効率最大化チーム 3名上流下流ローテーション公平感勤務時間が近い相性 Good /NG 国家プロジェクトSIP「光・量子を活用したSociety 5.0実現化技術」の一環として、住友商事、SCSK、ベルメゾンロジスコと、 2019年より共同研究 Copyright© Fixstars Group 手動配置一部事前配置自動配置結果の微調整自動配置（アニーリング）各種条件を満たす形で未配置のメンバーを一括割り当て割当業務の時間削減担当者の心理的負担低減配置情報のデジタル化 Smileboard Connectと連携 ※Smileboard Connect: 住友商事様開発の物流業務可視化サービス

53.

生産計画最適化 (電気機器製造メーカー A社様)

複数の製品事業部から様々なプリント基板の注文を受け、生産を行う部門課題生産する基板に応じて製造装置の部品や材料を交換する「段取り時間」が必要。段取り時間を考慮した効率的な生産スケジュールを作成したい従来は、専任者が、一日数回・毎回数十分かけて経験に基づいてスケジュールを作成。更なる生産性向上やノウハウ継承のため、生産スケジュール作成の自動化に着手段取り時間装置1 A A 装置2 B B B B B 段取り時間装置x C E B 段取り時間 E D 生産スケジュール作成の時間・コストの大幅な削減！効果 (一日あたり数時間 → 数分) 段取りのための製造装置の停止回数の削減！ (10%以上削減) 最適化未経験のご担当者様1人がプログラム試作開始から約1～2ヵ月間取り組んでこの効果を実現現在は試作段階で、実運用に向けてモデルを改良中！次期フェーズでは、Amplify の活用領域の拡大を検討中！ Copyright© Fixstars Group 53

54.

Fixstars Amplify を活用したアカデミアの研究事例

大学研究室論文タイトル量子アニーリング/イジングマシンに関する研究早稲田大学戸川研究室イジングマシンによる制約付きグラフ彩色問題の彩色数最小化手法 (リンク) 東京大学 Prof. Codognet Modeling the Costas Array Problem in QUBO for Quantum Annealing (リンク) 名古屋大学片桐研究室 Amplifyを用いたCMOSアニーリングマシンの特性の分析 (リンク) 東北大学小松研究室組み合わせクラスタリングによるアニーリングマシンの評価 (リンク) 応用研究慶應大学村松研究室 (材料工学) Phase-fieldモデルの量子アニーリングシミュレータ (リンク) 量子アニーリング・イジングマシンを活用したブラックボックス最適化 (FMQA) 東京大学長谷川研究室 (量子ゲート) ISAAQ:イジングマシンを活用した量子コンパイラ (リンク) 山梨大学鈴木研究室 (情報工学) 量子アニーリングによる疎行列直接解法向けフィルイン削減オーダリング (リンク) 東京大学津田研究室 (MI) Designing metamaterials with quantum annealing and factorization machines (リンク) 京都大学野田研究室 (電子工学) 量子アニーリングを活用したフォトニック結晶レーザーの構造最適化 (リンク) 東京大学津田研究室 (MI) Chemical Design with GPU-based Ising Machines (リンク) Copyright© Fixstars Group 54

55.

Fixstars Amplify ユーザー様インタビュー

56.

Fixstars Amplify ユーザー様インタビュー

57.

クラウド利用料

New！組織単位のビジネスプラン～社内システムの利用向け～個人単位のプラン～主に研究者・開発者向け～ New！ベーシックスタンダードプレミアム Sプレミアムビジネススタンダードビジネスプレミアムビジネス Sプレミアム月額利用料無料 10万円 (1名) 20万円 (最大5名) 20万円 (1名) 60万円 (最大5名) 30万円 (1名) 90万円 (最大5名) 20万円 (1アプリ) 40万円 (1アプリ) 60万円 (1アプリ) 計算環境スモールミディアムラージスーパーラージミディアム NVIDIA V100 NVIDIA V100 NVIDIA A100 NVIDIA H100 NVIDIA V100 10秒 1分 10分 15分 1分 (金額は税抜) 利用GPU (マルチGPUオプションあり) 1ジョブの実行時間 (実行時間延長オプションあり) 月間実行回数上限 (実行回数追加オプションあり) SQBM+の利用 NVIDIA A100 NVIDIA H100 10分 - (制限をかける可能性あり) 無料（1ヶ月無料 SQBM+オプション: 30万円 (1名)、90万円 (最大5名) - 無料プログラム (3分/月) Plus オプションスーパーラージ無制限プログラム） New！ラージ制限の可能性あり D-Waveの利用サポート (同一組織内であれば同一アプリのユーザー数は無制限) ベーシック - スタンダードプレミアム月額50万/人 Copyright© Fixstars Group 15分プレミアムスタンダードスタンダードスタンダード - 57

58.

クラウド利用料: Plusオプション

開発支援サービスユーザーのお困りの部分に関して、弊社エンジニアがサンプルコードを作って提供します評価サービスユーザーにご提供いただく問題設定で、弊社のエンジニアが様々な計算環境で実験・評価して結果をレポートします • 複雑な問題になると限られた計算環境では十分な精度の解が得られない可能性があります。本サービスでは、異なる GPU (V100/A100/H100) や、GPU 数 (1機～4 機)、実行時間 (～1時間) で実験・評価し、最適な計算環境の評価・検討のご支援 • • をします問題設定については、ユーザーにプログラムやデータを送付してもらう、もしくは、問題の概要をテンプレートで回答いただく形になります評価サービスにかかる期間については個別相談となります Copyright© Fixstars Group

59.

セミナー・トレーニングのご紹介

https://amplify.fixstars.com/ja/news/seminar お客様の実際の課題解決をご支援するために、無料セミナーや有償トレーニングを提供しています。無料セミナー・ワークショップビジネス向け、エンジニア向けに分けて開催しています！企業向けプライベートトレーニングお客様が抱える実際の課題やデータを使ったカスタムメイドのトレーニングです！ Copyright© Fixstars Group 59

60.

今後のセミナーのご案内

https://amplify.fixstars.com/ja/news/seminar 今後も無料セミナーを開催します！第二部からの参加も可能です 2024/6/21 (金) 「経路最適化」 • • • • • 2024/7/17 (水) 「シフト最適化」（多目的最適化）本セミナーのゴール会社および量子コンピューティングクラウド「Fixstars Amplify」のご紹介 Fixstars Amplify を用いたワークショップ・経路最適化事例や今後の進め方のご紹介 Wrap Up & QA • • • • • 本セミナーのゴール会社および量子コンピューティングクラウド「Fixstars Amplify」のご紹介 Fixstars Amplify を用いたワークショップ・シフト最適化事例や今後の進め方のご紹介 Wrap Up & QA 2024/8/22 (木) 「ブラックボックス最適化」 • • • • • 本セミナーのゴール会社および量子コンピューティングクラウド「Fixstars Amplify」のご紹介 Fixstars Amplify を用いたワークショップ・ブラックボックス最適化事例や今後の進め方のご紹介 Wrap Up & QA ご質問・ご不明点は問合せフォームでご連絡下さい https://amplify.fixstars.com/ja/contact Copyright© Fixstars Group 60

61.

本セミナーのゴール

62.

量子コンピュータ時代のプログラミング体験セミナー（6/21）

Fixstars Amplifyで実装する経路最適化

セミナー概要

セミナー資料

その他のセミナー資料

資料の内容

量子コンピュータ時代のプログラミングセミナー

量子コンピュータ時代のプログラミングセミナー

本日のAgenda

本セミナーのゴール

会社紹介

フィックスターズグループの基本情報

フィックスターズのサービス概要

フィックスターズの強み

フィックスターズの量子・最適化技術への取り組み

Fixstars Amplify: 製品ポートフォリオ

量子コンピューティング事業

様々な分野でFixstars Amplifyの利用が拡大しています

Fixstars Amplify のご紹介

量子技術とFixstars Amplifyの対応領域

組合せ最適化問題 (QUBO)

クラウドサービス: Fixstars Amplify

Fixstars Amplify の対応マシンの一例

オンラインデモ & チュートリアル

Fixstars Amplify の内容と特徴

開発環境：Fixstars Amplify SDK

Fixstars Amplify SDKによるシンプルプログラミング

実行環境：Fixstars Amplify Annealing Engine (AE)

Fixstars Amplify SDK/AE パフォーマンス

ワークショップ

ワークショップの事前準備（1）

ワークショップの事前準備（2）

ワークショップの事前準備（3）

ワークショップ

搬送経路最適化

搬送経路最適化

搬送経路最適化

Step1: AGVを1台とし、制約を守るだけのプログラムを作ります

Step1: AGVを1台とし、制約を守るだけのプログラムを作ります

Step1: AGVを1台とし、制約を守るだけのプログラムを作ります

Step1: AGVを1台とし、制約を守るだけのプログラムを作ります

Step1: AGVを1台とし、制約を守るだけのプログラムを作ります

Step1: AGVを1台とし、制約を守るだけのプログラムを作ります

Step1: AGVを1台とし、制約を守るだけのプログラムを作ります

Step2: Step1に「総距離の最小化」という目的を追加し、複数の解の候補から目的を実現する解を求めるプログラムを作ります

Step2: Step1に「総距離の最小化」という目的を追加し、複数の解の候補から目的を実現する解を求めるプログラムを作ります

Step2: Step1に「総距離の最小化」という目的を追加し、複数の解の候補から目的を実現する解を求めるプログラムを作ります

Step2: Step1に「総距離の最小化」という目的を追加し、複数の解の候補から目的を実現する解を求めるプログラムを作ります

Step3: AGVを4台に増やします。具体的には、Step2に対して以下の2つの変更を加えます

Step3: AGVを4台に増やします (n_vehicle = 4 → n_visits = 24)

Step3: AGVを4台に増やします (n_vehicle = 4 → n_visits = 24)

Step3: AGVを4台に増やします (n_vehicle = 4 → n_visits = 24)

ワークショップ：おさらい

今後について

Tips: 適切なタイムアウト値の設定について

Wrap Up

量子アニーリング・イジングマシンと組合せ最適化問題

最適配置自動化サービス（物流梱包業務のDX）

生産計画最適化 (電気機器製造メーカー A社様)

Fixstars Amplify を活用したアカデミアの研究事例

Fixstars Amplify ユーザー様インタビュー

Fixstars Amplify ユーザー様インタビュー

クラウド利用料

クラウド利用料: Plusオプション

セミナー・トレーニングのご紹介

今後のセミナーのご案内

本セミナーのゴール

ご参加いただきありがとうございました