　東芝は2026年6月17日、刻々と状況が変化する現実環境において、組み合わせ最適化問題を高速かつ安定して解くことができる「量子インスパイアード最適化フレームワーク」を開発したと発表した。同社が既に事業化している量子インスパイアード最適化計算機「シミュレーテッド分岐マシン（SBM）」に適用することで、処理時間の高速化や、解けなかった問題が解けるようになるいった効果が得られることを確認した。既に一部の大学／研究機関や顧客向けに技術提供を行っており、今後は無線通信や車載システム、ロボットなどへの適用を拡大しアプリケーション実装例を提供する予定である。

東芝が開発した「量子インスパイアード最適化フレームワーク」［クリックで拡大］出所：東芝

　東芝のSBMは、クラウドベースのサービス提供を想定したGPUを用いる高スループットの方式と、組み込み機器などに搭載できるFPGAを用いる高速リアルタイムの方式を事業展開している。今回開発したフレームワークは、主にFPGAを用いる高速リアルタイムの方式に向けたものだ。

東芝のSBMはGPU実装とFPGA実装の2方式がある［クリックで拡大］出所：東芝

　新たなフレームワークを開発した狙いは、SBMが“刻々と状況が変化する現実環境”に対応可能な幅広い条件変化に応じた継続的な最適化を実行できるようにすることにある。そこで導入したのが「最適化制御AI」と「イジングモデル圧縮」だ。

　SBMなどの最適化計算機の高い性能を引き出すには、対象問題の規模や条件、求められる解の品質、許容される計算時間に応じて、パラメータを個別に調整する必要がある。しかし、無線通信や車載システム、ロボットなどの実システムでは、通信状況や周囲の移動体、センサー情報などが刻々と変化するため、固定的なパラメータ設定では安定した性能を維持することが難しい場合がある。

「最適化制御AI」の概要［クリックで拡大］出所：東芝

　最適化制御AIは、対象となる問題の特徴を判断してSBMに適用するパラメータを自動的に推定することができる。さらに、問題の規模や推定結果を基に、SBMによる計算をFPGAとCPUのどちらで実行すべきかを判断して選択／切り替えを行う。一般的には、問題規模が大きいとFPGAが、小さいとCPUが高速に処理できるようになるためだ。組み込み機器向けFPGAデバイスはCPUも集積されていることが多いため、FPGAとCPUの選択／切り替えはシステム実装の観点でも現実的といえる。なお、最適化制御AIはオフラインで学習したAI（人工知能）モデルを組み込むことを想定している。

　「イジングモデル圧縮」は、SBMの対象となる組み合わせ最適化問題をマッピングしたイジングモデルに同じ値が繰り返し現れる点に着目し、同じ値をまとめてそれらに番号（インデックス）を割り当てて表現することで圧縮する技術である。これにより、SBMに転送するデータ量を削減してデータ転送時間を短縮できる。さらに、圧縮後のイジングモデルを展開せずにそのまま計算できるように演算方法を工夫し、同一の値を持つ要素をまとめて処理することで演算効率を高めてSBM上での演算時間を削減した。これにより、データ転送と演算の両方で低遅延化を図れるようになる。