こんにちは。情報発信すると反応があるのがとても良いところです。色々juliaの勉強になりましたので、せっかくなので、コードの改善と一緒にみてみます。 Juliaの情報もまだ少ないので、せっかくなのでみんなで勉強しましょう！ 品岡先生に、twitterで添削いただき、さらにgithubで改善コードまで出していただきました！<a href="https://twitter.com/HShinaoka/status/1336497601286295553?s=20" rel="noopener noreferrer" target="_blank" style="color: rgb(0, 0, 0);">https://twitter.com/HShinaoka/status/1336497601286295553?s=20</a> ありがとうございます！ <a href="https://gist.github.com/shinaoka/ada5a6db8d8f3fe4ff81a0a90370b6dc" rel="noopener noreferrer" target="_blank">https://gist.github.com/shinaoka/ada5a6db8d8f3fe4ff81a0a90370b6dc</a> <h2>関数でまとめる</h2>富谷先生からも指摘があった通り、丸ごと関数でまとめた方が良さそうです。 <pre class="ql-syntax" spellcheck="false">function run_opt!(q, T::Float64, r::Float64, Tf::Float64, ite, rng)
 N = length(q)
 #温度が終了温度以上の場合、
 ene = energy(q)
 beta = 1/T
 while T &gt; Tf
 for i=1:ite
 x = rand(rng, 1:N)
 q[x] *= -1
 
 #エネルギー差を計算 (注: エネルギー差を直接計算すればさらにコストは下がる)
 ene_prop = energy(q)
 dx = ene_prop - ene

 #評価if exp(dx * beta) &lt; rand(rng)
 ene = ene_prop
 elseq[x] *= -1
 end
 end
 #温度を下げる
 T *= r
 end
 return T
end

q = ones(N)
rng = MersenneTwister(4649)
Tf_ = run_opt!(q, T, r, Tf, N, rng)
</pre> 引用：<a href="https://gist.github.com/shinaoka/ada5a6db8d8f3fe4ff81a0a90370b6dc" rel="noopener noreferrer" target="_blank" style="color: rgb(38, 58, 131);">https://gist.github.com/shinaoka/ada5a6db8d8f3fe4ff81a0a90370b6dc</a> 乱数生成にはメルセンヌツイスターを設定しています。僕はやりがちなのですが、最初にエネルギーを求めてからの指定のビットだけ反転させて計算させれば、配列複製しなくていいですね！自分の書いたコードよりも三倍以上早くなり、メモリの使用量も劇的に減りました。 あとは、BenchmarkToolsというみんなが欲しい便利ツールが良さそうです。 <pre class="ql-syntax" spellcheck="false">using BenchmarkTools, Random
</pre> で読み込み、In [3]:<pre class="ql-syntax" spellcheck="false">@benchmark run(T, r, Tf, q, ite)
</pre>Out[3]:<pre class="ql-syntax" spellcheck="false">BenchmarkTools.Trial: 
memory estimate: 1.16 MiB
allocs estimate: 8484
--------------
minimum time: 630.291 μs (0.00% GC)
median time: 648.125 μs (0.00% GC)
mean time: 672.268 μs (2.16% GC)
maximum time: 4.169 ms (0.00% GC)
--------------
samples: 7423
evals/sample: 1
</pre> まず、上は自分が書いたコードです。速度もかかっています。In [5]:<pre class="ql-syntax" spellcheck="false">rng = MersenneTwister(4649)
q = ones(N)
@benchmark run_opt!(q, T, r, Tf, N, rng)
</pre>Out[5]:<pre class="ql-syntax" spellcheck="false">BenchmarkTools.Trial: 
memory estimate: 16 bytes
allocs estimate: 1
--------------
minimum time: 190.208 μs (0.00% GC)
median time: 193.958 μs (0.00% GC)
mean time: 197.269 μs (0.00% GC)
maximum time: 1.498 ms (0.00% GC)
--------------
samples: 10000
evals/sample: 1
</pre> かなりの高速化と資源の節約に成功です。アルゴリズムってすごいですね。初めてJuliaを使いましたが、かなりいい感じですので、この調子でもう少し学習してみたいと思います。 本当はこのあと量子モンテカルロを使って、横磁場イジングの量子アニーリング実装でもしようかと思いましたが、先に品岡先生に紹介いただいた、Juliaの例題をやってみたいと思います。 <a href="https://shinaoka.github.io/hpc_julia/docs/1dIsing.html" rel="noopener noreferrer" target="_blank">https://shinaoka.github.io/hpc_julia/docs/1dIsing.html</a> 皆さんJuliaとともに！

Juliaでシミュレーテッドアニーリング改善版！

Yuichiro Minato