@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00212630,
 author = {大川, 開生 and 川村, 一志 and Gutmann, Gregory and Thiem, Van Chu and 劉, 載勲 and 本村, 真人},
 book = {DAシンポジウム2021論文集},
 month = {Aug},
 note = {SCA(Stochastic Cellular Automata Annealing)は全結合イジングモデル上の全変数を同時に更新可能なアニーリング手法であり,本手法の高い並列性を活用することで幅広い組合せ最適化問題を高速に解けるようになるものと期待される.本稿では,本手法を対象に GPU の並列計算ユニットを最大限に活用可能な実装方法を検討し,高速で高いスケーラビリティを持つ SCA アクセラレータを実現する.また,アニーリングが確率的に動作することをふまえ,同一パラメタ下でアニーリングを複数回実行させる場合についても検討し,高品質な解を高速に得ることを目指す.計算機実験では,複数の実装方法のもとで速度・精度を一元評価するとともに,従来のアニーリング手法である SA(Simulated Annealing)との比較を実施した.その結果,SCA の GPU アクセラレータは従来 SA に比べ最大 160 倍の高性能化を達成した.},
 pages = {71--77},
 publisher = {情報処理学会},
 title = {GPUを活用した全結合・全並列アニーリング手法の高速化検討},
 volume = {2021},
 year = {2021}
}