山下 裕毅 先端テクノロジーの研究を論文ベースで記事にするWebメディア「Seamless/シームレス」を運営。最新の研究情報をX（@shiropen2）にて更新中。 オランダのライデン大学と研究機関AMOLFに所属する研究者らが発表した論文「Controlled pathways and sequential information processing in serially coupled mechanical hysterons」は、ゴムを使った構造物を用いて、エレベーター、自動販売機、改札口、洗濯機などのデバイスに用いられる単純な電子計算タスクを実行できることを示した研究報告である。 従来の電子機器では、複雑な回路を構成する多数の要素を用いてデジタルビットによる計算が行われている。一方、研究チームは、細長いゴム素材を機械的なビットとして使用した構造体を組み立てることで、電子回路を

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 今朝起きたら、とんでもない論文を見つけました。 Othello is Solved ゲームの オセロが"解かれた(弱解決)" というのです。飛び起きました。それで、16時まで二度寝してから読みました。 注意すべきは、この論文が査読を経て公開されているわけではないこと、つまり形式上特にチェックを受けたものではないことです。ただ、タイトルからして非常に衝撃的ですので、個人的に読んでみました。この記事では、私がこの論文(およびソースコード)を読んでわかったことを、なるべくわかりやすくまとめます。随時更新します。 余談ですが、このタイトルはどう

世界中で大きな盛り上がりを見せる「生成AI」。 生成AIを活用したChatGPTが史上最速で月間ユーザー数1億人を突破し、TIME誌の表紙を飾ったことは、その勢いを象徴する出来事だろう。 だが、ここで以下の2つの問いが浮かぶ。 生成AIは今までのAIと明確に何がちがうのか？ なぜ今このタイミングで生成AIがここまで盛り上がっているのだろうか？ この記事では上記2つの問いを海外のいくつかの記事を参考にしつつ解説していく。 生成AIと今までのAI技術との関係性まず生成AI技術とこれまでのAI技術との関係性を概観しておこう。 広い意味でのAI技術として、データの特徴を学習してデータの予測や分類などの特定のタスクを行う機械学習が生まれ、その中でデータの特徴をマシン自体が特定するディープラーニング技術が発展した。 そして、生成AIはこのディープラーニング技術の発展の延長上にある技術だと言える。 そし

動画コーデック/動画エンコード周りの話です。これは一例ですが、巷には「H.265はH.264と同等画質でデータ量が半分になる」みたいな言説が見られます。 H.264/MPEG-4 AVC以上に圧縮効率を高めて半分以下のビットレートを実現する。モバイルデバイスや、4K解像度などの超解像度ビデオにおける利用を想定している。 https://pc.watch.impress.co.jp/docs/news/585297.html たぶんより新しい技術だからすごいんだろうと思う一方で、画質・ビットレートに関する根拠というか考え方がさっぱりわかりません 画質と言われても何をどうやって測定しているのか どんな条件でもぴったり半分になるのか？ さすがにそんなことはなさそう？ よくわからなさすぎて困ったので、会社の自席の近くにいる動画エンコーダの専門家に基本的な事項について教わってみたので、その内容をまと

「そらとぶあざらしさん」を遊んで頂くと、大体の温度感がご理解いただけるかと思います。 制限がされたページ今年の1月10日に、noteタイトルにもある「遺伝的アルゴリズムで最高にエッチな画像を作ろう！」というページを公開しました。 内容はタイトルの通りです。 ランダムに生成された2枚の画像から「エッチ」な方を選んでいくと、アルゴリズム学習によってだんだんとエッチな画像になっていくというものです。 遺伝的アルゴリズムで最高にエッチな画像を作ろう！ (エッチな画像が見れるとは言っていない)　より このページには、筆者のささやかな収入源として、GoogleAdSenseの広告を貼っていました。 GoogleAdSenseとは、大企業であるGoogleが運営している個人クリエイター向けの広告プログラムです。 AdSenseのポリシーとして、「性的に露骨なコンテンツ」(Sexually explici

お知らせ Zennに移植しました。今後こちらの記事は更新されず、Zennの方のみ更新します。 zenn.dev この記事では競技プログラミングと群論に関する解説をします。競技プログラミングの問題を群論という立場から見ることで、新たな視点を得ることができるようになると思います。また、群論の入門にもなればいいなと思っています。 swapと順列 競技プログラミングの問題に、swapと順列は多く登場します。swapとは、2つの要素を入れ替える操作のことです。例えば、次のような問題があります。 第二回全国統一プログラミング王決定戦予選 C - Swaps (問題ページ) $ N $ 要素からなる2つの整数列 $ A_1,\ldots,A_N $ および $ B_1,\ldots,B_N $ が与えられます。以下の操作を $ N-2 $ 回まで(0回でもよい)行うことで、1以上 $ N $ 以下のすべ

Rustの特徴のひとつは、所有権(ownership)・移動(move)・借用(borrow)の概念です。これらがコンパイル時に厳格にチェックされることにより、古くから未定義挙動でプログラマを悩ませてきたダングリングポインタなどの問題がなくなり、メモリ安全性がもたらされます。 しかし一方で、自分で多少複雑なデータ構造を定義しようとする場合にはコンパイルを通すだけでもかなりの知識・力量が要求されます。 この（不定期）連載では、 Rustではじめるデータ構造とアルゴリズム と題し、プログラミングコンテストなどでよく見かける基礎的なデータ構造とアルゴリズムを、できるだけシンプルにRustで実装していきます。 &, &mut, Box, Rc, Cell, RefCell などの使い分けや、なぜそれを使う必要があるかの解説を、実例を通して行います。 第1回は、最もシンプルな木構造である 二分木 を

東芝は4月20日、量子コンピュータが得意とする計算の一つである「組み合わせ最適化問題」を、従来のコンピュータ（古典コンピュータ）で高速に解けるアルゴリズムを開発したと発表した。ある問題設定では、現行の量子コンピュータ（※1）に比べて10倍高速に解を求められるという。同アルゴリズムを活用したサービスプラットフォームの、19年中の事業化を目指す。 東芝は、自社が持つ量子計算の理論から、古典力学の「分岐現象」「断熱過程」「エルゴード過程」という3つの現象に着目。これらをうまく利用し、古典コンピュータ上で組み合わせ最適化問題を解くアルゴリズムを「シミュレーテッド分岐アルゴリズム」（Simulated Bifurcation, SB）と名付けた。 SBは従来の手法に比べて並列計算に向くとしており、GPUを8台つないだクラスタで10万変数・全結合の大規模問題を計算すると、数秒で良解（※2）を導けるとい

本書は、「計算」にまつわる様々な概念を、日常生活やよく知られた物語にたとえて描いている。『ヘンゼルとグレーテル』は森を抜けて家に帰るためのアルゴリズムを実行しており、『恋はデジャ・ブ』は決定不可能な問題の話であり、『シャーロック・ホームズ』はデータ構造を駆使して事件を解決している。『ハリー・ポッター』の世界の魔法は型と抽象化を通して理解でき、『インディ・ジョーンズ』は探索の複雑さを体現していることになる。議論されている内容は、アルゴリズム、記号と表現、データ構造、P=NP問題、言語・構文・曖昧さ、制御構造とループ、再帰、停止性問題、型、アルゴリズムの検証など多岐にわたる。 ・森に置き去りにされた『ヘンゼルとグレーテル』は、どうやって家に帰った？ ・『シャーロック・ホームズ』は犯人を見つけるのにどんなデータ構造を使った？ ・『インディ・ジョーンズ』が潜り抜けた死の罠はどれくらい難しい問題か？

昨日、BLANCAで作ったハードウェア・フーリエ変換機では、FFTの演算をした後、その結果を画面に表示するために、パワースペクトラムの計算をおこなっています。 その計算は、すなわち、log10 √(x2+y2)の計算を行うわけですが、これをハードウェアで計算しなければなりません。 そこで、次のように回路を工夫しました。 まずx2+y2の計算です。xとyというのはある周波数での実部と虚部ですが、これはSpartan3のハードウェア乗算器を使って計算しているので、簡単に実装できます。 平方根をハードウェアで計算するのは難しいのですが、log10 √P、という演算であればそれほど難しくはありません。対数の性質により、平行根の部分をlogの外に出すことができるからです。つまり、 log10 √P = 1/2 log10 P だからです。 よって、この計算の中心は、logを求めることになります。 さ

AlphaGo Zeroが自己学習のみで過去最強になったというニュースが出たのでその元論文を読み、要約をしました。 まず感想を述べると、過去数千年にわたって蓄積してきた知識をAIが数時間で発見することに対する気持ち良さがありました。人間などクソ食らえと思っておりますので、こう言うニュースはとてもスッキリします。そして人間の発見していない打ち筋の発見にも感動しました。これこそがAIの真髄だと信じています。人間が見えていないものをAIが見つける、僕もいつかそんなことをしてみたいと思いながら生きています。 あともう一つ重要だと思ったのは、とてもネットワーク構造および学習過程が簡素化されたことです。マシンパワーも過去に比べて非常に少なく済み、個人でもすぐに再現実験ができそうなくらいです。AIが強くなることと、構造および学習のsimplerが同時に達成できていることが本質的だと思います。 一応、下記

ニューラルネットワークと深層学習 What this book is about On the exercises and problems ニューラルネットワークを用いた手書き文字認識 逆伝播の仕組み ニューラルネットワークの学習の改善 ニューラルネットワークが任意の関数を表現できることの視覚的証明 ニューラルネットワークを訓練するのはなぜ難しいのか 深層学習 Appendix: 知性のある シンプルな アルゴリズムはあるか? Acknowledgements Frequently Asked Questions Sponsors Resources 「ニューラルネットワークと深層学習」は無料のオンライン書籍です。 この本では、次のような内容を扱います。 ニューラルネットワーク：コンピュータに、観測データにもとづいて学習する能力を与える、生物学にヒントを得たプログラミングパラダイム。 深

あけましておめでとうございます。白ヤギの物理担当、シバタアキラ(@punkphysicist)です。 皆様はどんなお正月を過ごされましたか？日本の正月といえば、おせち、日本酒、おばあちゃん、そしてパズル、ですよね。私の正月はそんな感じでした。お節をたらふく食べ、美味しいお酒でほろ酔い気分になっている私の横で、黙々とおばあちゃんがパズルをやっているのに気づいたのです。部屋中をフワフワしている私とは全く対照的に、微動だにせずパズルを続けるおばあちゃん。御年迎えられると辛抱強さが半端ない。 そんなおばあちゃんがやっていたのはかわいいチョコレートのピースとは裏腹にこんな挑発的な文言の書かれたパズルです（この記事はアフィリエイトではありませんが、写真をクリックすると買えます） 何時間たっても答えが出ないおばあちゃん、辛抱強さは人一倍強いですが、私も何とか助けてあげたいと思いトライ。しかし日本酒が・・

@chomado さんの「社内のセキュリティ研修のテスト(4択全10問)」を満点をとるまで延々とやらされる場合に何回やり直せば満点を取れるかという問題に立ち向かった人々の記録です。 ■ちょまど問題（引用・加筆） 4択問題10問のテストを全部埋めて提出すると正解数がわかります。 何回提出すればすべての正解を知ることができますか。 続きを読む

「フカシギの数え方」おねえさんといっしょ！みんなで数えてみよう！ ※LINEスタンプ「フカシギお姉さんと仲間たち」をリリースしました。※ "The Art of 10^64 -Understanding Vastness-" Time with class! Let's count! LINE sticker "Combinatorial Explosion!" has been launched! http://line.me/S/sticker/1143771 「フカシギの数え方」で紹介している、組み合わせ爆発の例です。 「それでもね。私はみんなに「組み合わせ爆発のすごさ」を教えたいの！止めないで！」 お姉さんと子どもたちが実際に数え上げる大変さを伝えます。 This is an example about combinatorial explosion. "I want to de

遺伝的アルゴリズムを使ってスーパーマリオブラザーズをコンピュータに学習させて見ました。研究室の夏休みの自由研究で作ったものです。グラディウス編:sm19443458

人型のロボットを作って遺伝的アルゴリズムでハイハイを学習させた。評価：前進した距離。横への移動は評価しない。選択：評価の高いほうから5人を選ぶ。交叉：5人からランダムに2人選び、遺伝子を混ぜる。突然変異：ランダムな場所を選び、ランダムな値にする。何箇所行うかはランダムに決める。YouTube版⇒ http://www.youtube.com/watch?v=gWExx-NpimQ

前回は私が作成したアルゴリズムで漕いだ。 今回はコンピュータにアルゴリズムを学習させる。 遺伝的アルゴリズムを用いた。 コンピュータは私のアルゴリズムを超えられるか？ 評価：踏み台の初期位置からの最大移動距離で決めている。 選択：評価の高いほうから4人を選ぶ。 交叉：4人(A,B,C,D)からランダムに2人選ぶ(AとAなど同じ人を選ぶ場合もある)。一方から遺伝子の前半、他方から遺伝子の後半をもらう。 突然変異：ランダムな場所を選び、0と1を逆転させる。何箇所行うかはランダムに決める(0個から3個の間)。 ニコニコ動画版 https://www.nicovideo.jp/watch/sm16212939 #むにむに #munimuni #物理エンジン #遺伝的アルゴリズム