登録して招待リンクを共有すると、動画再生報酬と紹介報酬を獲得できます。

検索結果 量子最適化
量子最適化 コミュニティ
1つのキーワードが1つのコミュニティです。
コミュニティ作成
アカウント
見つかりません
量子最適化 を含む検索結果
モデルが同じ文を延々と繰り返すループ癖を、重みのビット編集だけで直せるとしたらどうでしょう。 Tree-Ising: Repairing Language Models with Bit-Level Ising Edits 📌 概要 Qwen3.5-0.8B の thinking モードのループを、重みのスパースな離散ビット編集で修復する手法です。勾配も学習も使いません。 ⚠️ 解決する課題 先行研究はLLMエージェントに重みを読ませて修復させ、約312ドル、15.6時間かかっていました。 🧩 提案手法 ・BF16の符号と4ビット状態だけを動かす(共有指数と仮数は不変) ・ループ方向で2層を選び、出力行ごとに512スピンのQUBOに分解 ・焼きなまし法などで求解 📊 実験結果 ・MATH-500@4:エージェント51.7%に対し54.6〜55.1% ・GSM8K:65.6%に対し70.5〜70.8% ・約0.90ドル、フォワード4回 ・2Bモデルでは GSM8K 21.6%→69.4%(報告値) 数学ベンチマークのループ修復のみの検証で、コードは近日公開予定とのことです。 #LLM# #量子最適化#
もっと見る
Classiq、Israel Natural Gas Lines、IonQ、天然ガスネットワークの量子最適化に向けた研究を推進
# OpenAI Agent SDKの便利で実践的な使い方 🌍 エージェントの「お財布事情」を可視化しましょう。トークン使用量の追跡で、テナント別課金もステップ別モニタリングも実現できます。 Usage API を使えば、実行全体のトークン消費量から、ツール呼び出し・ハンドオフごとの内訳まで、きめ細かくコストを把握できます。 📌 タイトル:Usage 🔗 URL: 🧩 概要 OpenAI Agent SDK の Usage 機能は、エージェント実行のトークン消費を追跡するための仕組みです。`result.context_wrapper.usage` で実行全体の合計トークン数を取得でき、`result.context_wrapper.usage.request_usage_entries` でステップごと(ツール呼び出し・ハンドオフ・ガードレール)の内訳を確認できます。さらに RunHooks の `on_agent_end` でリアルタイムにログを記録したり、サードパーティモデル使用時に `ModelSettings(include_usage=True)` で使用量レポートを有効化したりできます。 🛠 使い方 `Agent(name="Assistant", instructions="ユーザーの質問に回答してください。")` でエージェントを作り、`result = await "量子コンピュータについて教えてください")` を実行します。` で合計・入力・出力トークン数を取得できます。`result.context_wrapper.usage.request_usage_entries` をループすれば、各リクエストの `entry.input_tokens` と `entry.output_tokens` でステップごとの内訳も確認できます。 🏗 実践的な使い方 **テナント/ユーザー別コスト計算** SaaS で「テナントごとにいくら使ったか」を記録し、課金や予算管理に活用するパターンです。 `handle_request(tenant_id, user_id, message)` のような関数で `result = await message)` を実行し、`calculate_cost(model="gpt-4.1", input_tokens=result.context_wrapper.usage.input_tokens, output_tokens=result.context_wrapper.usage.output_tokens)` でコストを算出、`await billing_db.record(tenant_id=tenant_id, user_id=user_id, total_tokens= cost_usd=cost, timestamp= でテナント別に記録します。 **ステップ別モニタリング** `request_usage_entries` で、どのツール呼び出しやハンドオフがトークンを消費しているかを特定します。 `result = await "売上レポートを作成して")` の後、`result.context_wrapper.usage.request_usage_entries` を `enumerate` でループし、各ステップの `entry.input_tokens` と `entry.output_tokens` を確認します。`entry.input_tokens > 5000` のような閾値で警告を出せば、トークン消費の多いステップを特定できます。 **RunHooks でリアルタイムログ** `on_agent_end` フックでエージェント終了時に使用量をログに記録します。 `RunHooks` を継承した `UsageLoggingHooks` クラスを作り、`on_agent_end(self, context: RunContextWrapper, agent: Agent, output)` メソッドで `context.usage` からトークン使用量を取得し、`"agent_completed", agent_name= total_tokens= ...)` で構造化ログに記録します。`await "質問", hooks=UsageLoggingHooks())` のように `hooks` パラメータで渡します。 **サードパーティモデルでの使用量レポート有効化** OpenAI 以外のモデルアダプタを使う場合、明示的に使用量レポートを有効にする必要があります。 サードパーティモデルでは `Agent(name="ThirdPartyAgent", instructions="...", model=my_custom_model_adapter, model_settings=ModelSettings(include_usage=True))` のように `ModelSettings(include_usage=True)` を明示的に設定して、使用量レポートを有効化します。 💡 ユースケース 💰 テナント別・ユーザー別のトークン消費をDBに記録し、従量課金の基盤を構築 📊 request_usage_entries でステップ別のトークン消費を可視化し、コスト最適化のボトルネックを特定 🔔 RunHooks の on_agent_end で使用量を構造化ログに記録し、リアルタイムでダッシュボード監視 🔌 サードパーティモデル利用時に ModelSettings(include_usage=True) で使用量追跡を漏れなく有効化 ⚠️ 注意点 - ` はリトライやガードレール再実行分も含まれるため、表示上のステップ数より多くなる場合があります。 - サードパーティモデルでは `include_usage=True` を設定しないと使用量がゼロで返ることがあります。アダプタのドキュメントを確認してください。 - コスト計算はモデルの料金体系に依存します。モデルごとの入力/出力トークン単価を正確に反映させましょう。 ✨ トークン使用量を3つのレベル(合計・ステップ別・フック)で追跡すれば、コスト管理も品質監視も万全です。まずは result.context_wrapper.usage から始めて、必要に応じてステップ別やフックでの追跡を追加していきましょう! #OpenAIAgentSDK# #AIAgent#
もっと見る
💾 大規模ベクトル検索、もうメモリに全部乗せなくていい時代に。 📰 タイトル: HFresh: Memory-Efficient Vector Search 🔗 URL: Weaviateが、ディスクベースの新しいベクトルインデックス「HFresh」を発表しました。数十億件規模のベクトルを、限られたメモリで検索できるように設計されています。 注目ポイント 🧩 パーティション型アーキテクチャ HNSWのように全ベクトルをグラフで結ぶのではなく、小さな「postings」という領域に分割。インメモリのセントロイドHNSWで候補領域を絞り込み、該当するpostingsだけディスクから読み出して検索します。 📦 2段階の量子化戦略 セントロイドにはRQ8を使いメモリを約4分の1に圧縮しつつルーティング精度を維持。postingsにはRQ1を使い32bit floatと比べて最大32倍圧縮し、ディスクI/Oとストレージコストを削減します。 🔄 リビルド不要のバックグラウンド保守 Split・Merge・ReassignというLIRE由来の仕組みで、インデックス全体を作り直すことなく継続的に品質を維持します。 DBpediaの100万件データセットではヒープ使用量239MBと、非圧縮HNSWの6.67GBの約28分の1に抑制。10億件・256次元のベクトルでも動作を実証しており、メモリ制約のある環境や大規模スケールに最適な選択肢です。 #VectorSearch# #Weaviate#
もっと見る
【来場登録受付中】第16回おおた研究・開発フェア--AIや宇宙、量子技術、レアアース泥開発など、最先端技術と出会...
AI、宇宙、サイバーセキュリティ。前例がなく、法律も追いついていない領域でこそ、未来のイノベーションは生まれます。「前例がないからできない」とブレーキを踏むのではなく、創造力と専門性でもって「どうすれば実現できるか」依頼者に寄り添い伴走する弁護士がいます。 今年新設した先端技術部門で、未知の領域へ果敢に挑み未来を実装してきた5名に優秀賞をお贈りしました。 内田誠さん(iCraft法律事務所)は、工学部出身の弁護士・弁理士です。 技術の理解を起点に事業のスキームを設計し、契約書に落とし込み、特許の権利化まで一貫して引き受けています。 AIや量子コンピュータ、宇宙といったディープテックの分野を大阪から支え、リスクを指摘するだけでなく、問題になるデータをそもそも生じさせない処理設計まで提案してきました。 清水亘さん(弁護士法人アンダーソン・毛利・友常法律事務所 名古屋オフィス)は、生成AIのスタートアップに創業初期から並走してきました。 入出力情報の権利の帰属や学習利用の制限を明確にした利用規約と、著作権保護ポリシーの設計まで踏み込んでいます。 前例のない論点を「リスクがある」で終わらせず、事業とユーザー保護を両立させる答えを依頼者と一緒に築いてきました。 田邉幸太郎さん(三村小松法律事務所)(@kotaro_tnb)は、内閣府知的財産戦略推進事務局の参事官補佐として、「AI時代の知的財産権検討会」の中間とりまとめを担いました。 海賊版対策では、官民の実務者による連絡会議を新たに立ち上げました。 生成AIで声がたやすく再現されうるいま、声優の「声の権利」を、日本音声AI学習データ認証サービス機構の監事として民間の側からも守ろうとしています。 古川直裕さん(株式会社ABEJA)は、開発チームのリーダーとして、画像解析AIを中心に自らプログラムを書いてきた弁護士です。 外から眺めて評価するのではなく、作り手の経験に立ってAIガバナンスを設計しています。 代表を務めるAI法研究会では、弁護士や企業内法務、研究者が技術者と意見を交わす場をつくり、内閣府のAI制度研究会にも有識者として加わりました。 山岡裕明さん(八雲法律事務所)は、Amazonレビュー投稿者の情報開示請求で、日本初の認容判決を勝ち取りました。 留学して暗号理論などを学び、法と技術の両面からランサムウェア被害の対応にあたっています。 サイバーセキュリティ法務に特化した事務所をつくり、能動的サイバー防御法をめぐっては、政府の有識者としても関わりました。 テクノロジーの進化は、法律やルールの完成を待ってはくれません。だからこそ、最前線で挑む事業者の隣に立ち、技術を深く理解して未来のルールを共に描く法律家の存在が不可欠です。 まだ誰も歩んだことのない領域に果敢に挑み、法の力でイノベーションを前に進めてきた5名に、心から敬意を表します。 11月4日の表彰式では優秀賞が表彰されるとともに、受賞者の皆さんの中から1人、最優秀賞も選ばれます。
もっと見る
🔎97万4,980円の箱が価格.comのデスクトップ2位に入った | NVIDIAが700ドル上げた理由も、買われる理由もメモリだ $NVDA $MU 価格.comのデスクトップパソコン売れ筋ランキング、8月14日から20日の集計で2位に入っているのは97万4,980円の製品だ。1位はHPの12万5,170円のタワー。約5万件が並ぶカテゴリで、その2位にレビューは1件も無い。 NVIDIA $NVDA のDGX Spark である。GB10 Grace Blackwell Superchipを積み、FP4で1 PFLOPを出す机上のAI開発機だ。このランキングは実売台数ではなく、製品ページのアクセス数とショップへの遷移から推定した販売数を週ごとに足したものだ。税込97万4,980円は7店舗の最安値になる。それでも、10万円台が並ぶ表の2番目に100万円近い箱が座っている。 この機械の値段がメモリでいくら動いたかを、NVIDIA自身が一度だけ金額で言っている。 2026年2月、同社は開発者フォーラムに「2/23/2026 Price Change Announcement」と題した告知を出し、DGX Spark Founders Editionの希望小売価格を3,999ドルから4,699ドルへ改定した。 > The MSRP for DGX Spark (Founders Edition) has been adjusted from $3,999 to $4,699 due to memory supply constraints > (NVIDIA Developer Forums, 2026年2月) 同じ告知に、ハードウェアや構成の変更は一切ないと明記されている。既存の注文には旧価格を適用するとも書いた。中身が1バイトも変わらないまま、700ドル、率にして17.5%が乗った。 会社はどの部材とも書いていない。この機械にHBMは載っておらず、積んでいるのは128GBのLPDDR5x、273GB/sだ。スマートフォンやノートパソコンに入るのと同じ系列になる。TrendForceが5月14日に置いた見通しでは、2026年4〜6月期のLPDDR5Xの契約価格は前四半期比78〜83%高い。予測値だが、700ドルを乗せた後も同じ系列が上を向いていたことは示す。 その128GBが、いま買われている理由でもある。 Poolsideのコーディングモデル Laguna S 2.1 は、総パラメータ117.6B、1トークンあたり8.5Bが動くMoEだ。NVFP4に量子化した重みは約71GB。Hugging Faceのモデルカードは、これが128GBの1台で動くと書く。vLLMでNVFP4のまま回した生成速度は、コードで毎秒22〜24トークンだ。71GBを載せるのに64GBでは届かない。128GBという刻みが要る。値上げの理由に会社が挙げたのはメモリで、買う理由になっているのもメモリの容量だ。 日本の店頭も動いた。日経クロステックは4月27日に「販売店にもよるが、2026年3月末時点では大体70万〜80万円といったところだ」と書いている。その5か月弱あとの最安値が97万4,980円だ。希望小売価格は2月の改定以降4,699ドルのままで、その後の改定は公表されていない。パソコンの値段は普通、発売から時間が経つほど下がる。 700ドルの反対側にいるのがMicron $MU だ。5月28日に締めた四半期で、スマートフォンとPC向けを合算したMobile and Client Business Unitの売上は115億2,100万ドル、全社414億5,600万ドルの27.8%を占めた。前年同期は32億5,500万ドルで、セグメントの粗利率は24%から87%へ動いている。LPDDR5X単体の採算ではない。ただし同四半期の製品ハイライトには、1-gamma 16Gb LPDDR5Xの量産立ち上げが並ぶ。量産している主な会社はSamsung、SK hynix、Micronの3社で、四半期ごとにドル建てで数字が出るのはMicronだ。 決算の設備投資額は、数量と単価を分けて書かない。買った側の損益計算書では、多く買ったぶんも、同じ量を高く買ったぶんも、一つの金額に溶ける。 分けて読める数字が一つだけ、店頭にある。中身は変えていないと会社自身が書いた製品に乗った700ドルだ。 崩れる場所もはっきりしている。8月末に締まるMicronの第4四半期でMobile and Client Business Unitの粗利率が87%から落ち、同じ時期にDGX Sparkの店頭価格も緩むなら、主導権は売り手から買い手へ動き始めている。粗利率は製品構成でも動くので、片方だけでは決まらない。 それまでは、増えた投資額のどこまでが同じ量への値上げなのかを、決算より先に机の上の値札が教える。 🤘情報提供 Stock Slayer :
もっと見る
量子インスパイアード技術「CMOSアニーリング」を活用し、電力の安定供給を支える大規模電力計画の高速作成技術を開発
量子コンピュータ向け紫外線レーザ「Frequad-K」が光学・フォトニクス分野の国際賞「SPIE Prism Awards 2027」のフ...
量子コンピュータによるBTC盗難に担保で対抗、ビットコインコア開発者が3案提案