arrow-up icon
このセミナーは終了いたしました。開催予定のセミナーはこちらをご覧ください。

量子コンピュータ時代のプログラミング体験セミナー(10/15)

Fixstars Amplifyで実装するシフト最適化(多目的最適化)


1015quantum

株式会社Fixstars Amplifyでは、量子コンピュータ時代を見据え、量子アニーリング・イジングマシンのクラウドプラットフォーム「Fixstars Amplify」を活用した、社会課題の解決と実業務への適用を進めています。

本セミナーはワークショップの形式で、量子アニーリング・イジングマシンの力を無料版「Fixstars Amplify」を通じて体験していただきます。今回はシフト最適化をテーマとして、複数の目的関数を同時に扱う多目的最適化を取り扱います。

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や、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や大学の研究者の方におすすめの内容となっています。

ぜひご参加ください。

セミナー概要

開催日時 2024年10月15日(火)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を用いたシフト最適化のワークショップ
  • 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や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。

セミナー資料

技術情報や実装方法等は最新のセミナー資料をご参照ください

その他のセミナー資料

2024.10.3
知識ゼロから始める製造業の最適化セミナー

最新の最適化技術で経営・開発・製造における意思決定をスマートに

2024.9.25
量子コンピュータ時代のプログラミング体験セミナー

ブラックボックス最適化を活用した材料探索

2024.8.22
量子コンピュータ時代のプログラミング体験セミナー

ブラックボックス最適化による機械学習の特徴量選択・コスト削減・精度向上

2024.7.17
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で実装するシフト最適化(多目的最適化)

2024.6.21
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

2024.5.30
自社にとって最適な生産計画の作り方セミナー

120分で理解する、生産計画自動生成ツールの活用方法!

2024.5.16
量子コンピュータ時代のプログラミング体験セミナー

ブラックボックス最適化を活用した材料探索

2024.4.24
自社にとって最適な生産計画の作り方セミナー

120分で理解する、生産計画自動生成ツールの活用方法!

2024.3.27
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で実装するシフト最適化

2024.2.7
量子コンピュータ時代のプログラミング体験セミナー

ブラックボックス最適化を活用した材料探索

資料の内容

1.

量子時代のプログラミングセミナー

~ Fixstars Amplifyで実装するシフト最適化(多目的最適化)~ Copyright© Fixstars Group

2.

本日のAgenda

・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(多目的最適化) ・事例や今後の進め方等のご紹介 ・Wrap Up & QA 質問は随時ZoomのチャットかQ&Aでお願いします Copyright© Fixstars Group 3

3.

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 Copyright© Fixstars Group 4

4.

会社紹介

Copyright© Fixstars Group

5.

フィックスターズグループの基本情報

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 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

6.

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 7

7.

フィックスターズの量子技術への取り組み

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 8

8.

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 9

9.

様々な分野でFixstars Amplifyの利用が拡大しています

住友商事株式会社 700 登録社・組織数: 約 累計実行回数: 4,500万回超 Copyright© Fixstars Group 10

10.

Fixstars Amplify のご紹介

Copyright© Fixstars Group

11.

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 量子コンピュータ IBM/Google/Rigetti/IonQ 2 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 12

12.

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 13

13.

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 適用分野 (一例) ・・・ 金融 物流 ライフサイエンス 簡単 ・SDKをインストールするだけですぐに使える (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 ポータブル ・すべての量子アニーリング/イジングマシンに対応 ・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 始めやすい ・評価・検証用途には開発環境と実行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 Copyright© Fixstars Group 14

14.

Fixstars Amplify の対応マシンの一例

日本電気株式会社 (NEC) 標準マシン は、 • ベンダ各社と個別マシン利用契約なし、 • 評価・検証用ベーシックプランなら無料、 で利用可能!←「いつでも」、「誰でも」 今後も幅広い対応マシンの追加が続々と行 われる予定です!←「あらゆる」 Copyright© Fixstars Group 15

15.

オンラインデモ & チュートリアル

Copyright© Fixstars Group Amplify デモ 検索 https://amplify.fixstars.com/ja/demo 16

16.

Fixstars Amplify の内容と特徴

• 開発環境:Amplify SDK • 実行環境:Amplify Annealing Engine (AE) Copyright© Fixstars Group

17.

開発環境:Fixstars Amplify SDK

Fixstars Amplify SDK ならアニーリングのプログラミングが圧倒的に短縮されます 開発環境インストール $ pip install amplify 最適化コード例 Copyright© Fixstars Group 18

18.

Fixstars Amplify SDKによるシンプルプログラミング

数独を解くサンプルアプリ SDKなし 最適化しても 200行以上 SDKあり 30行程度 富士通・デジタルアニーラの設定用コード SDKなし 59行 SDKあり 1行 日立CMOSアニーリングマシンの設定用コード SDKなし 183行 出典: Wikipdia SDKあり 1行 SDKが、各マシンに対して最適な 形式に実装式を多段変換! Copyright© Fixstars Group 19

19.

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 20

20.

Fixstars Amplify SDK/AE パフォーマンス

Fixstars Amplify は最速レベルの定式化・求解速度を達成しています ←「高速に」 TSP 10,000 vars MAX-CUT 2,000 vars Gurobi Amplify AE x1000 Faster SDK 定式化処理速度 AE 求解性能・速度 Copyright© Fixstars Group 21

21.

ワークショップ

~事前準備~ Copyright© Fixstars Group

22.

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 23

23.

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 24

24.

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/1M9_fty7GQ4gPVa87lkLA9jdJR2OEqvvC?usp=sharing Step2 https://colab.research.google.com/drive/1ZSgLMVgZTjIGODDy_YIJy29zr827OI6Y?usp=sharing Step3 https://colab.research.google.com/drive/100KyhLplCh9oZ854BEXY0aadeE3IkSWl?usp=sharing Step4 https://colab.research.google.com/drive/1wzffv95TAr1cx7j_WiYnXEWzU1z3uIZE?usp=sharing 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 25

25.

ワークショップ

~シフト最適化~ Copyright© Fixstars Group

26.

最適シフト作成

業務で求められる役割・役職・スキルと個人の能力や要求を考慮した最適シフトとは 業務要求 要求管理者数 要求スキル量(各従業員が持つスキル値の合計) 要求配置(0=NG, 1=OK, 2=要求) ライン 責任者 主任技師 合計 前工程 後工程 組立て 合計 従業員ID LineA LineB LineC LineA 1 1 2 8 4 5 17 0 1 0 0 LineB 1 1 2 6 9 3 18 1 1 1 1 LineC 1 1 2 7 6 5 18 2 1 2 0 合計 3 3 6 21 19 13 53 23 1 1 1 24 1 1 0 ・ ・ ・ マッチング 各従業員情報 担当可能役職 スキル値(1=初級, 2=中級, 3=上級) 従業員ID 責任者 主任技師 技師 前工程 後工程 組立て 0 1 1 1 3 3 3 1 0 1 1 3 3 2 2 0 0 1 2 1 23 24 0 0 0 ・ ・ ・ 1 0 0 Copyright© 0 Fixstars Group 1 1 0 0 ・ ・ ・ 2 1 27 27

27.

ワークショップ: 問題設定

15名の従業員を5名ずつ3つの生産ラインへ振り分けます。各従業員は、各ラインに対するスキル値を持ちます。各ラインに 配置された従業員のスキル値(ラインスキル値)の合計がなるべく高く(目的1)、また、各ラインのラインスキル値のばら つきが少ない(目的2)、という2つの目的のバランスの取れたシフトの作成を目指します。 組合せは 約1,400万通り! Aライン (5名) Bライン (5名) Cライン (5名) Copyright© Fixstars Group 28

28.

ワークショップ: 試しに人の手でやってみましょう

Copyright© Fixstars Group 29

29.

組合せ最適化問題を解くイメージ

問題を設定 15名の従業員を5名ずつ3つの生産ラインへ振り分けます。各従業員は、各ラインに対するスキル値を持ちます。各ラインに 配置された従業員のスキル値(ラインスキル値)の合計がなるべく高く(目的1)、また、各ラインのラインスキル値のばら つきが少ない(目的2)、という2つの目的のバランスの取れたシフトの作成を目指します。 入力情報を準備 従業員の各ラインのスキル値 決定変数を用意 1: 配置、0: 非配置 Pythonで記述して マシンで求解 定式化 目的関数1: 全ラインの合計スキル値の最大化 3 15 𝑠𝑘𝑖𝑙𝑙_𝑠𝑐𝑜𝑟𝑒 = ෍ ෍ 𝑞𝑖,𝑙 ∙ 𝑠𝑖,𝑙 𝑙 𝑖 目的関数2: ラインスキル値のばらつき (分散) を最小化 𝑣𝑎𝑟𝑖𝑎𝑛𝑐𝑒 = σ3𝑙 σ15 𝑖 𝑞𝑖,𝑙 ∙ 𝑠𝑖,𝑙 3 2 − σ3𝑙 σ15 𝑖 𝑞𝑖,𝑙 ∙ 𝑠𝑖,𝑙 3 2 制約条件1: 従業員は同時に1つの製造ラインのみに配置可能 3 ෍ 𝑞𝑖,𝑙 = 1 𝑙 Copyright© Fixstars Group ・ ・ ・ 30

30.

ワークショップ: 4 Step

15名の従業員を5名ずつ3つの生産ラインへ振り分けます。各従業員は、各ラインに対するスキル値を持ちます。各ラインに 配置された従業員のスキル値(ラインスキル値)の合計がなるべく高く(目的1)、また、各ラインのラインスキル値のばら つきが少ない(目的2)、という2つの目的のバランスの取れたシフトの作成を目指します。 全てを一度にやるのは難しいので4つのステップに分けてプログラムの完成を目指します Step1 まず、2つの制約だけを考慮して配置シフトを求めます 制約1: 従業員は同時に1つの製造ラインのみに配置が可能 制約2: 各ラインの配置人数が5名ずつになること 解の候補多数あり Step2 Step1に「ラインスキル値の合計 (= 全ラインの合計スキル値) を最大化」という目的1を追加し、複数の 解の候補から目的を実現するシフトを求めます Step3 Step2に「ラインスキル値のばらつきを最小化」という目的2を追加して、2つの目的を同時に実現する シフトを求めます Step4 Step3に目的1と目的2の重みを調整する「パラメーター」を追加し、最適なバランスのシフトを作成しま す Copyright© Fixstars Group 31

31.

Step1

まず、2つの制約だけを考慮して配置シフトを求めます Step1のサンプルコードのレビュー (尚、本ワークショップでは、最適化のコードにフォー カスし、下準備や可視化のコードの詳細は割愛します) Copyright© Fixstars Group 32

32.

Step1

まず、2つの制約だけを考慮して配置シフトを求めます 得られる解の例 決定変数の準備 BinaryPoly型 15×3 = 45 [qbit] イジングマシン で最適な(0,1) の組合せを探す 1: 配置 0: 非配置 従業員3は line_Cに配置 実装 決定変数 Copyright© Fixstars Group 33

33.

Step1

まず、2つの制約だけを考慮して配置シフトを求めます 定式化 制約1: 従業員は同時に1つの製造ラインのみに配置可能 → one_hot 制約 3 ෍ 𝑞𝑖,𝑙 = 1 𝑙 制約2: 各ラインの配置人数が要求人数(5名)と一致する → equal_to 制約 (等式制約) 15 ෍ 𝑞𝑖,𝑙 = 5 𝑖 Copyright© Fixstars Group 34

34.

Step1

まず、2つの制約だけを考慮して配置シフトを求めます 実装 Copyright© Fixstars Group 35

35.

Step1

まず、2つの制約だけを考慮して配置シフトを求めます 求解 Amplify AE 無料版は1ジョブ10秒まで設定可 有料版では1分~15分まで設定可能 • 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。 Copyright© Fixstars Group 36

36.

Step1

まず、2つの制約だけを考慮して配置シフトを求めます 結果の取得 可視化 確 認 同じ人が複数のラインに配置される事無く、各ラインに5人ずつ配置するという、2つの制約を満たすシフトを作ること ができました。ただし、解の候補はたくさん有り、最適化の余地も大きそうです。 Copyright© Fixstars Group 37

37.

Step2

Step1に「ラインスキル値の合計 (= 全ラインの合計スキル値) を最大化」という目的1を追 加し、複数の解の候補から目的を実現するシフトを求めます ここでは、工場全体のアウトプットの最大化を目指し、各従業員をできるだけ高いスキル値を持つラインへ配置すること を目指します Aライン(5名) ラインスキル値 ラインスキル値 全ラインのスキル 値の合計 これを最大化 したい! ラインスキル値 Copyright© Fixstars Group 38

38.

Step2

Step1に「ラインスキル値の合計 (= 全ラインの合計スキル値) を最大化」という目的1を追 加し、複数の解の候補から目的を実現するシフトを求めます Step2のサンプルコードのレビュー Copyright© Fixstars Group 39

39.

Step1に「ラインスキル値の合計 (= 全ラインの合計スキル値) を最大化」という目的1を追

加し、複数の解の候補から目的を実現するシフトを求めます Step2 決定変数 定式化 各従業員のスキル値 worker_id 目的1: 全ラインの合計スキル値の最大化 3 15 𝑠𝑘𝑖𝑙𝑙_𝑠𝑐𝑜𝑟𝑒 = ෍ ෍ 𝑞𝑖,𝑙 ∙ 𝑠𝑖,𝑙 𝑙 𝑖 決定変数 worker_skill (変数 s) (変数: i) line_A line_B line_C 0 130 60 70 1 120 55 60 2 110 130 60 3 100 120 55 4 90 110 130 5 90 100 120 6 80 90 110 7 80 90 100 8 80 80 90 9 70 80 90 10 70 80 80 11 70 70 80 12 60 70 80 13 60 70 70 14 55 60 70 各列の要素同士の掛け算の和 ⇒ 各ラインのラインスキル値 Copyright© Fixstars Group 40

40.

Step2

Step1に「ラインスキル値の合計 (= 全ラインの合計スキル値) を最大化」という目的1を追 加し、複数の解の候補から目的を実現するシフトを求めます 実装 : 追加コード イジングマシンは、この objective の値が最小になる組合せを探し ます (全ラインの合計スキル値は大きいものを選びたいので、 skill_score にマイナスをつけたものを objective としています) 制約条件には適切な値の重みを設定する必要があります。典型的なスキ ル値より大きくしておく必要があるため 150 としています ご参考: https://amplify.fixstars.com/ja/docs/amplify/v1/penalty.html#id1 Copyright© Fixstars Group 41

41.

Step2

Step1に「ラインスキル値の合計 (= 全ラインの合計スキル値) を最大化」という目的1を追 加し、複数の解の候補から目的を実現するシフトを求めます 結果の取得 可視化 ばらつき大 確 認 二つの制約を満しながら、全ラインの合計スキル値が最大化されたシフトを作ることができました (Step1の全ラインの合 計スキル値は1,265) 。但し、ライン間のスキル値のばらつきが大きいので、更なる最適化をかけたい状況です Copyright© Fixstars Group 42

42.

Step3

Step2に「ラインスキル値のばらつきを最小化」という目的2を追加して、2つの目的を 同時に実現するシフトを求めます 定式化 実装 : 追加コード 目的2: ラインスキル値のばらつき(分散)を最小化 σ3𝑙 σ15 𝑖 𝑞𝑖,𝑙 ∙ 𝑠𝑖,𝑙 𝑣𝑎𝑟𝑖𝑎𝑛𝑐𝑒 = 3 2 σ3𝑙 σ15 𝑖 𝑞𝑖,𝑙 ∙ 𝑠𝑖,𝑙 − 3 2 (分散 = (2乗の平均) – (平均の2乗)) ばらつきは小さい方が選ばれるようにしたいのでプラスで足します Copyright© Fixstars Group 43

43.

Step3

Step2に「ラインスキル値のばらつきを最小化」という目的2を追加して、2つの目的を 同時に実現するシフトを求めます 結果の取得 可視化 ばらつき全くなし! 確 認 二つの制約を満しながら、全ラインの合計スキルが高く、各ライン間のばらつきが全くないシフトを作ることができました (Step1の全ラインの合計スキル値は1,265で、Step2は1,475)。最後に、目的1と目的2のバランスをチューニングして 最適なシフトの作成を目指します。 Copyright© Fixstars Group 44

44.

Step4

Step3に目的1と目的2の重みを調整する「パラメーター」を追加し、最適なバランスのシ フトを作成します 実装 : 追加コード Copyright© Fixstars Group 45

45.

Step4

Step3に目的➀と目的②の重みを調整する「パラメーター」を追加し、最適なバランスの シフトを作成します 結果の取得 可視化 ばらつき極小! 確 認 最適なバランスのシフトが完成しました! Copyright© Fixstars Group 46

46.

ワークショップ:おさらい

制約のみからスタートして、複数の目的を加え、重みを調整する事で、最適なバランスのシフトを作りました。 Step1 Step2 Step3 Step4 スキル値合計: 1,265 スキル値合計: 1,475 スキル値合計: 1,440 スキル値合計: 1,460 制約 制約 制約 制約 スキル値最大化 スキル値最大化 スキル値最大化 スキル値ばらつき調整 スキル値ばらつき調整 重みを調整 Copyright© Fixstars Group 47

47.

今後について

ぜひ、デモ・チュートリアルにあるサンプルコードにも挑戦してください! 一般的な組合せ最適化問題 目的関数のみ で定式化 制約条件のみ で定式化 ブラックボックス最適化問題 目的関数 + 制約条件 概要 材料探索 翼型最適化 信号機制御 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

48.

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

49.

Wrap Up

Copyright© Fixstars Group

50.

量子アニーリング・イジングマシンと組合せ最適化問題

膨大な選択肢から、制約条件を満たし、ベストな選択肢を探索する(組合せ最適化問題) スケジューリング 配送計画 スマートシティー 集積回路設計 参考: 慶應義塾大学 田中宗 准教授 「量子コンピュータ最前線とイジングマシンの可能性」 量子アニーリング・イジングマシン ⇒ 組合せ最適化問題を解くための専用マシン Copyright© Fixstars Group 51

51.

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

52.

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 段取り時間 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 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

53.

Amplify を活用したアカデミアの研究事例

量子アニ ーリング /イジン グマシン に関する 研究 応用 研究 大学 研究室 論文タイトル 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) 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) 会津大学 小平研究室 (半導体製造) A formulation of mask optimization into QUBO model for Ising machines (リンク) Copyright© Fixstars Group 54

54.

Fixstars Amplify ユーザー様インタビュー

• 業務・研究開発利用 SE • 学術利用 Amplify インタビュー 検索 amplify.fixstars.com/ja/customers/interview FMQAの生みの親 SE Copyright© Fixstars Group 55

55.

Fixstars Amplify ユーザー様インタビュー

Copyright© Fixstars Group Amplify インタビュー 検索 amplify.fixstars.com/ja/customers/interview 56

56.

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) - ベーシック スタンダード - - 15分 - 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) プレミアム プレミアム 月額50万/人 Copyright© Fixstars Group スタンダード スタンダード スタンダード - 57

57.

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

58.

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

59.

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! 2024/10/15 (火) 2024/11/19 (火) 12-13時 2024/11/20 (水) 14-15時 2024/12 (仮) 「シフト最適化」(多目的最適化) 「ブラックボックス多目的最適 化事例紹介・技術解説」 「AGVの搬送経路最適化」 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 • 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 ・ブラックボックス最適化の紹介 ・車体構造同時設計最適化事例の紹介 ・過去事例との精度・コスト比較 ・論文内で紹介の技術解説 • • • • • • • • 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 ・AGVの搬送経路最適化 事例や今後の進め方のご紹介 Wrap Up & QA ご質問・ご不明点がありましたら、お問い合わせフォームでご連絡下さい https://amplify.fixstars.com/ja/contact Copyright© Fixstars Group 60

60.

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、解くためための統一的なフレームワークを理解する(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 Copyright© Fixstars Group 61

61.

ご参加ありがとうございました

アンケートへのご回答お願いします! Copyright© Fixstars Group