|
本研究では組合せ最適化問題等で「もし〇〇を実現するには」といった反実仮想問題に対して現在からの推移方法を説明可能かつ高速なAI基盤の実現を目指す．
はじめに，組合せ最適化問題の解探索で使われるイジングモデルと探索を行うイジング計算機に対して，不要な解が出る頻度を下げ，欲しい解が出る確率を上げるようにモデルを編集する機械学習アルゴリズムを構築することで説明可能なモデルの生成を検討する．
次に，イジング計算機と機械学習の両方を統合したシステムをGPU等の高速計算環境内に構築することで容易かつ高速な基盤の実現を目指す．
|
