【グレタもナオミも納得🌏】AIと量子コンピュータでごみ収集ルート最適化　総走行距離を約57％削減、収集車も減らせます【2chまとめ】

AIモデル構築などのクラウドサービスを提供するグルーヴノーツ（福岡市）と三菱地所は、み収集ルートを機械学習と量子コンピュータ（量子アニーリング方式）を用いて最適化すると、従来の総走行距離を約57％削減できるとする計算結果を発表した。

ごみ収集ルートを機械学習と量子コンピュータ（量子アニーリング方式）を用いて最適化すると、従来の総走行距離を約57％削減できる──AIモデル構築などのクラウドサービスを提供するグルーヴノーツ（福岡市）と三菱地所は3月30日、こんな計算結果を発表した。
https://i.imgur.com/air8mb7.png

ごみ収集のルートを最適化
三菱地所が東京・丸の内エリアで運営する26棟のビルから廃棄物を収集ルートを、グルーヴノーツのクラウドプラットフォーム「MAGELLAN BLOCKS」（マゼランブロックス）を使って最適化した。

マゼランブロックスは専門的な知識がなくても機械学習で予測モデルを作成できるクラウドサービス。カナダD-Wave Systemsの量子アニーリングマシン「D-Wave 2000Q」を利用して「組合せ最適化問題」を解くこともできる。

AIでごみ発生量を予測　量子アニーリングで収集ルートを最適化
収集ルートの最適化では、まず各ビルに入っているテナントの種類や割合、過去3年間分のごみの種類別発生量などを可視化。可視化したデータに加え、気象データや地区のイベント情報などの予測因子を加味して、ごみの発生量を予測するAIモデルを構築した。

AIが予測した数カ月後の結果に基づき、確実にごみを回収しながら車両台数が最も少なく、かつ移動距離が最短となるルートの組み合わせを、量子アニーリングを用いてシミュレーションした。

その結果、実際のごみ発生量に対し、AIは約94％の精度で予測できたという。AIの予測結果から量子アニーリングを用いて収集ルートの最適化シミュレーションを行ったところ、現状では2296.2kmだった総走行距離（1日分）を1004.2kmに短縮できるという計算結果が出た。収集車の台数も75台から31台と少なく済ませられるという。
https://i.imgur.com/EW3iCuE.png
https://www.itmedia.co.jp/news/spv/2003/31/news107.html

＊抜粋記事です。全文はリンク先へお願い致します。

🌏関連スレッド🌏

【高校物理賞数学賞受賞ドイツのナオミちゃん】グレタさんへ「気候変動で世界は終わらない。現実的な見方が必要」気候現実派誕生
https://asahi.5ch.net/test/read.cgi/newsplus/1585650039/

https://www.itmedia.co.jp/news/spv/1911/20/news149.html
本当に量子アニーリングは「巡回セールスマン問題」が解けないのか？　東北大・大関准教授の視点 (1/4)

巡回セールスマン問題は、1人のセールスマンが複数の都市を回るときの最短距離を求める問題で、組合せ最適化問題の代表的な例としてしばしば挙げられます。
しかし、量子コンピュータのベンチャー企業であるMDRの湊雄一郎社長は、量子アニーリングについて「実際に解きたい問題を式に変換しにくい上、巡回セールスマン問題が解けない」と以前に指摘していました。「4都市の問題でも解けるか怪しい」とも。