My_tech_log

備忘録としてブログを書いていこうと思います.機械学習, DeepLearing,量子アニーリング, 統計力学関連の話題を中心に執筆していきます.

落合陽一 明治を語るを見た感想

最近日本再興戦略という本を買って読んでいます。平成が終わりを迎えようとしていて, 今の現代は江戸時代末期のような動乱の時代でありいわば明治維新が起こる前の状態となっています。

今日はそうした時代背景の中で落合陽一が現代の時代背景を踏まえて明治を語るという動画を見た中で、落合陽一が言っていた印象深い言葉を書き起こして行きたいなと思っています。

「走りながら信頼を作る。 明治維新をなした人々は実際に事をなし, 事をなし続けた人達。だから現代に生きる我々も事をなし続ける必要がある」

こう述べています。考えのベースが変わった現代においてこの発言はとても大切であると考えます。明治維新はどこから始まったのか。

それは長州の吉田松陰が開いた私塾、松下村塾から始まったと思います。この私塾から明治の元勲たちが何人も出ています。

江戸時代も幕府の学校はありました。しかし, その学校を出た人が維新をなした訳ではないのです。

吉田松陰の開いた私塾を語る前に、まず吉田松陰とはどんな男だったのか書いていきたいと思います。

彼は一言で言えば狂った変人です。単身黒船に乗り込もうと海を泳いで渡る男です。 彼はアメリカに行こうとしていました。

パスポートがあれば自由に国々を行き来できるこの時代と異なり、異国に行こうとすれば重罪です。死刑になるかもしれません。

結果彼は黒船に乗り込むのは失敗し、長州に戻されました。

彼が私塾を開いたのは、この時に黒船を自分の目で見たことがきっかけであると僕は思います。

黒船というものがあるらしい。それはアメリカという国から来ていて, この国はそれほど豊かでものすごく高い技術力を持っている。

おそらく江戸にいる人は噂は聞いていたと思います。しかし自分の目で見ることはほとんどの人はしなかったと思います。彼がすごいの自分の目で見に行って, アメリカに渡ろうとしたというガッツがあったことではないでしょうか 。

アメリカに行くことは無理だっただから、アメリカに対抗できるぐらいの人材をこの塾で創って行こうそう考えて、吉田松陰は私塾開いたと思います。

最先端のものや技術があったらまず使って見る。使った後で批評する。これがポジションを取れってことだと思います。

吉田松陰の場合だと黒船に乗り込もうとしたが失敗し, その経験を元に私塾を開き異国に対抗できる人材を創るというポジションをとったのだと思います。

江戸城にいてone of themとしている官僚たちとは異なることを彼はしたわけです。

続く

量子アニーリングの事始め(1)

初めまして,これから量子アニーリングをメインに解説記事を書いていく予定です.

よろしくお願いします.

第一回目としては組合せ最適化問題の例について解説していきます.

量子アニーリングとは組み合わせ最適化問題と呼ばれる一般的に解くのが困難とされている問題に対して提案された計算手法です.

組み合わせ最適化問題の代表的な問題として巡回セールスマン問題やナップサック問題があります.

自分の行きたいお店を全部回るために最短な距離で回るにはどういう経路を通ればいいんだろうかっていう問題が巡回セールスマン問題です.

f:id:a_shun:20180204131252p:plain ナップサック問題とはある条件のもとで荷物をどうやったら最小化できるかという問題です.

この問題にコスト関数(エネルギー関数)Eと呼ばれる関数を定義します. 巡回セールスマン問題だとこのような感じになります.

 H=\sum_{a,b,t}d_{a,b}x_{t,a}x_{t+1,b}

 x_{t,a},x_{t+1,b}\in{0,1}

この問題は経路を「通る」=+1 or 「 通らない」=0 の二値の問題になってます.  d_{ab}が場所aと場所bの距離を表しています.

このように0or1の二値問題の最適化問題をQUBO (Quadratic unconstrained binary optimization)と言います.QUBOの問題を真面目に解こうとすれば10変数では210通りの計算 30変数では230通りの計算が必要となり, 今の古典コンピュータでは解けない問題となっています.

そのためコンピュータサイエンスではこのようなNP困難な問題に対して, 近似的に解くアルゴリズムを開発してきました. 一番有名な方法はSimulated Annealing(SA,焼きなまし法)と呼ばれる方法で,

熱した鉄をだんだんと冷ましていき強固なものにしていくような手法を模したものに当たります.

次回はこのSAのアルゴリズムとその基本となったイジングモデルについて解説します.