前回はQUBOと呼ばれる定式化を利用し、Social Distancingを実行した場合とそうでない場合の感染シミュレーションを行いました。今回は東京の山手線と中央線を利用した場合に、乗降者数を合わせて感染の度合いをシミュレーションしました。
今回は問題サイズがまだ小さいのでD-WaveのLeap2には投げず、blueqat proのクラウド環境を利用しました。
（１）あくまで仮想のウイルスの感染モデルです。
（２）初期値は山手線のターミナル駅ですが、これも仮想の初期値です。
山手線での初期状態を設定し、その後一定のSocial Distancingを確保した後に、中央線を含む各駅への感染のシミュレーションを行いました。初期状態は、
今回利用したデータは乗降者数を元にシミュレーションを行うので、ランダム初期状態に乗降者数を適用したものを利用しましたので、初期状態はターミナル駅などの乗降者数の多い駅を中心として感染者の多い場所ができてきます。
今回は山手線と中央線で感染をシミュレーションしました。結果として乗り換え駅の感染のヒートマップが強くなるような傾向が見られます。
上記はQUBOで行える単純なシミュレーションですので、多くの条件はまだ導入されていませんが、今後はより多くの量子ビット数を利用して範囲を拡大したりとシミュレーションを行ってみる次第です。
これから言えるのは、ターミナル駅や乗り換え駅での感染が大きくなっているということを意識して、Social Distancingを実行し、他者との距離を取りつつ行動を行うことが大事ではないでしょうか。