存储程序的计算机可读记录介质、数据处理方法和设备技术

涉及存储程序的计算机可读记录介质、数据处理方法和设备。一种用于使计算机执行通过马尔可夫链蒙特卡罗(MCMC)方法搜索使评估函数的值最小化或最大化的多个状态变量值的组合的处理的程序，该处理包括：从存储时间序列数据的存储设备中读取时间序列数据，该时间序列数据指示在通过使用第一温度的MCMC方法进行搜索时评价函数的值的时间变化；基于时间序列数据生成包括针对每个时段的评估函数的值的多个时间序列数据集；基于多个时间序列数据集中的各个时间序列数据集之间的相关性的大小计算指标值；以及基于指标值确定针对搜索所要使用的第二温度。使用的第二温度。使用的第二温度。

【技术实现步骤摘要】
存储程序的计算机可读记录介质、数据处理方法和设备


[0001]本文中讨论的实施方式涉及存储程序的非暂态计算机可读存储介质、数据处理方法和数据处理设备。

技术介绍

[0002]存在使用伊辛型评估函数(也称为能量函数等)的伊辛设备(也称为玻耳兹曼机)，该伊辛设备作为对诺依曼计算机不擅长的大规模离散优化问题进行计算的设备。
[0003]伊辛设备将离散优化问题转换成表示磁性材料的自旋行为的伊辛模型。然后，伊辛设备通过马尔可夫链蒙特卡罗方法诸如模拟退火、副本交换方法等搜索使伊辛型评估函数的值(对应于能量)最小化的伊辛模型的状态。达到评估函数的局部最小值中的最小值的状态是最优解。注意，伊辛设备能够通过改变评估函数的符号来搜索评估函数的值被最大化的状态。伊辛模型的状态可以由多个状态变量的组合来表示。作为状态变量中的每个状态变量的值，可以使用0或1。
[0004]伊辛型评估函数例如由诸如以下等式(1)的二次函数定义。
[0005][等式1][0006][0007]右侧的第一项指示针对伊辛模型的N状态变量的所有组合在没有遗漏也没有交叠的情况下通过将两个状态变量的值(0或1)与权重值(指示两个状态变量之间的相关性的强度)的乘积相加而获得的值。具有标识号i的状态变量由x
i
表示，具有标识号j的状态变量由x
j
表示，指示具有标识号i和j的状态变量之间的相关性的大小的权重值由W
ij
表示。右侧的第二项指示通过对针对每个标识号的偏差系数和状态变量的乘积进行求和而获得的值。标识号＝i的偏差系数由b
i
表示。
[0008]此外，与x
i
的值的改变相关联的能量改变量(ΔE
i
)由以下等式(2)表示。
[0009][等式2][0010][0011]在等式(2)中，当x
i
从1变为0时，Δx
i
变为
‑
1，而当x
i
从0变为1时，Δx
i
变为1。注意，h
i
被称为局部场(local field)，并且通过根据Δx
i
将h
i
乘以符号(+1或
‑
1)来获得ΔE
i
。
[0012]然后，例如，在ΔE
i
小于基于在马尔可夫链蒙特卡罗方法中使用的随机数和温度获得的噪声值的情况下，重复对x
i
的值进行更新以生成状态转移(state transition)的处理(一个蒙特卡罗步骤的处理)。
[0013]在应用作为马尔可夫链蒙特卡罗方法(Markov chain Monte Carlo method)之一的模拟退火的情况下，温度被确定为根据使用时间或预定变量的函数随时间降低。此外，在
应用作为马尔可夫链蒙特卡罗方法的另一个示例的副本交换方法的情况下，针对各个副本设置不同的温度。
[0014]国际公开小册子第WO 2019/234837号，日本公开特许公报第2020
‑
46718号，S.Geman和D.Geman，“Stochastic Relaxation,Gibbs Distributions,and the Bayesian Restoration of Images”，IEEE Transactions on Pattern Analysis and Machine Intelligence，第PAMI
‑
6卷，第6期，1984年11月，Hidetoshi Nishimori，“Theory of Spin Glass and Statistical
‑
Mechanical Informatics”，Iwanami Shoten出版社，第183页，2007年7月25日，T.Yokota、M.Konoshima、H.Tamura和J.Ohkubo，“Derivation of QUBO Formulations for Sparse Estimation”，arXiv：2001.03715v2[quant
‑
ph]，2020年1月27日，K.Hukushima，“Domain
‑
Wall Free
‑
Energy of Spin Glass Models:Numerical Method and Boundary Conditions”，Physical Review E，第60卷，第4期，1999年10月，以及A.Baba和T.Komatsuzaki，“Construction of Effective Free Energy Landscape from Single
‑
Molecule Time Series”，PNAS，第104卷，第49期，第19297
‑
19302页，2007年12月4日作为相关技术公开。

技术实现思路

[0015]技术问题
[0016]马尔可夫链蒙特卡罗方法中使用的温度可以基于用户输入的用于确定温度的变量来确定。
[0017]然而，难以确定通过其来获得与要计算的离散优化问题对应的温度的适当变量值。这是因为，例如，搜索解的难度水平会根据所确定的温度而改变。通过反复试验获得适当的变量值需要花费更多的精力和时间。
[0018]在一个方面，实施方式旨在提供能够根据要计算的离散优化问题自动确定马尔可夫链蒙特卡罗方法中使用的温度的程序、数据处理方法和数据处理设备。
[0019]问题的解决方案
[0020]根据实施方式的一方面，提供了一种非暂态计算机可读记录介质，存储有程序，该程序用于使计算机执行通过马尔可夫链蒙特卡罗方法搜索使评估函数的值最小化或最大化的多个状态变量值的组合的处理，该处理包括：从存储时间序列数据的存储单元中读取时间序列数据，该时间序列数据指示在通过使用第一温度的马尔可夫链蒙特卡罗方法进行搜索时评估函数的值的时间变化；基于时间序列数据生成多个时间序列数据集，所述多个时间序列数据集包括针对每个预定时段的评估函数的值；基于多个时间序列数据集中的各个时间序列数据集之间的相关性的大小计算指标值；以及基于指标值确定针对搜索所要使用的第二温度。
[0021]专利技术的有益效果
[0022]在一个方面，实施方式使得能够根据要计算的离散优化问题自动确定在马尔可夫链蒙特卡罗方法中使用的温度。
附图说明
[0023]图1是示出根据第一实施方式的数据处理设备和数据处理方法的示例的图；
[0024]图2是示出E的示例性时间变化的图(第一)；
[0025]图3是示出E的示例性时间变化的图(第二)；
[0026]图4是示出根据第二实施方式的数据处理设备的示例性硬件的框图；
[0027]图5是示出数据处理设备的示例性功能的框图；
[0028]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种非暂态计算机可读记录介质，存储有程序，所述程序用于使计算机执行通过马尔可夫链蒙特卡罗方法搜索使评估函数的值最小化或最大化的多个状态变量值的组合的处理，所述处理包括：从存储时间序列数据的存储单元读取时间序列数据，所述时间序列数据指示在通过使用第一温度的所述马尔可夫链蒙特卡罗方法进行搜索时所述评估函数的值的时间变化；基于所述时间序列数据生成多个时间序列数据集，所述多个时间序列数据集包括针对每个预定时段的所述评估函数的值；基于所述多个时间序列数据集中的各个时间序列数据集之间的相关性的大小来计算指标值；以及基于所述指标值来确定针对所述搜索所要使用的第二温度。2.根据权利要求1所述的非暂态计算机可读记录介质，使计算机执行处理还包括：设置用于温度确定的变量的值，使得在所述指标值大于第一阈值的情况下获得高于所述第一温度的第二温度，其中所述指标值随着所述相关性变低而增加。3.根据权利要求1或2所述的非暂态计算机可读记录介质，使计算机执行处理还包括：通过获得包括在所述多个时间序列数据集中的各个时间序列数据集中的所述评估函数的值的概率分布来生成多个概率分布；计算所述多个概率分布中的各个概率分布之间的距离，所述距离指示相关性的大小；以及基于所述多个概率分布中的各个概率分布之间的所述距离来计算所述指标值。4.根据权利要求3所述的非暂态计算机可读记录介质，其中，所述多个概率分布包括经验累积分布函数。5.根据权利要求3或4所述的非暂态计算机可读记录介质，其中，所述距离包括坎托罗维奇距离。6.根据权利要求3至5中任一项所述的非暂态计算机可读记录介质，使计算机执行处理还包括：基于所述多个概率分布中的各个概率分布之间的所述距离的直方图，从将整个所述距离的集合组成一个聚类的状态顺序地划分聚类；计算所述距离所属的聚类改变的概率；以及基于所述概...

【专利技术属性】
技术研发人员：此岛真喜子，田村泰孝，大久保润，
申请(专利权)人：富士通株式会社，
类型：发明
国别省市：