実験的なソルバー連携: Amplify, D-Wave, OpenJij

⚠️ Experimental — PyQBPP のみ

サードパーティのソルバー本体 (Fixstars Amplify, D-Wave Advantage / Leap Hybrid, OpenJij) はいずれも実用に供されている製品です。ここで 実験的 なのは PyQBPP 側の連携部分 — ラッパクラスである AmplifySolver, DWaveSolver, DWaveHybridSolver, OpenJijSolver の API です。今後の PyQBPP リリースで予告なく変更される可能性があります。

これらは PyQBPP (Python) からのみ利用可能 で、C++ の QUBO++ ライブラリからは呼び出せません。各バックエンド (Amplify SDK, D-Wave Ocean SDK, OpenJij) は Python パッケージとしてのみ提供されているため、 PyQBPP は Python 経由で直接モデルを渡しています。C++ 側のエントリーポイントはありません。

各ソルバーは対応するサードパーティ Python パッケージを別途インストールする必要があります。PyQBPP 自体はこれらのパッケージに依存しておらず、ソルバーを生成した時点で初めて遅延 import されます。

PyQBPP は問題定式化を変更せず、以下の外部ソルバーにモデルを送れます。ソルバーのインターフェースは qbpp.EasySolver や qbpp.GurobiSolver と揃えてあります。

solver = qbpp.AmplifySolver(e)        # または DWaveSolver / DWaveHybridSolver / OpenJijSolver
sol    = solver.search(...)
print(sol.energy, sol.info)

一覧

ソルバー	バックエンド	インストール	トークン	`time_limit`
`AmplifySolver`	Fixstars Amplify SDK (クラウド: Fixstars AE, Fujitsu DA など)	`pip install amplify`	必要（既定: Fixstars AE）	対応
`DWaveSolver`	D-Wave QPU (Advantage, Ocean SDK 経由)	`pip install dwave-ocean-sdk`	必要（D-Wave Leap）	非対応 — `num_reads` を使う
`DWaveHybridSolver`	D-Wave Leap Hybrid Sampler	`pip install dwave-ocean-sdk`	必要（D-Wave Leap）	対応
`OpenJijSolver`	OpenJij (ローカル SA / SQA、オープンソース)	`pip install openjij`	不要	非対応 — `num_reads` を使う

D-Wave QPU と OpenJij のサンプラはハードウェア／アルゴリズムの仕組み上、壁時計の打ち切り (wall-clock time limit) という概念がありません。 PyQBPP はこれらのソルバーに time_limit=... が渡されるとエラーで明示的に拒否します（dimod のサンプラは未知の kwargs を黙って無視することが多く、気づかぬまま time_limit が効かないという事故を防ぐためです）。

対応プラットフォーム

3 ソルバーとも x86_64 と aarch64 (ARM) Linux の両方で動作します。 PyPI のホイール提供状況は次の通り。リストにない Python バージョンを使うと pip がソースビルドにフォールバックしますが、 dimod/dwave-system は小さな Cython 拡張なのでビルド可能、 amplify と openjij/jij-cimod は実用的にはほぼ不可能です。プリビルドホイールがある Python バージョンを使ってください。

パッケージ	Linux x86_64	Linux aarch64	必要な Python
`amplify`	✅	✅	3.10 以上（3.9 以下は aarch64 ホイール無し）
`openjij` + `jij-cimod`	✅	✅	aarch64 は 3.10〜3.12
`dimod`	✅	✅	aarch64 は 3.10 以上
`dwave-cloud-client`, `dwave-system`	✅ pure Python	✅ pure Python	任意

実用上：

Ubuntu 22.04 / 24.04（既定 Python 3.10 / 3.12）— x86_64・ARM どちらも普通に pip install ... するだけで動きます。
Ubuntu 20.04（既定 Python 3.8）— ホイールが提供されていないので、 deadsnakes PPA から Python 3.10 以上を入れて venv を切るか、新しい Ubuntu に移ってください。

AmplifySolver

Fixstars Amplify SDK を呼び出します。既定のバックエンドは Fixstars AE。client= で他の Amplify クライアント (FixstarsClient, FujitsuDA4Client, LeapHybridSamplerClient ほか) にも切り替えられます。

import pyqbpp as qbpp

x = qbpp.var("x", 4)
e = qbpp.sqr(x[0] + 2*x[1] + 3*x[2] + 4*x[3] - 5)

# 既定: Fixstars AE
sol = qbpp.AmplifySolver(e).search(token="...", time_limit=1.0)

# Amplify クライアントを差し替え
from amplify import FujitsuDA4Client
sol = qbpp.AmplifySolver(e, client=FujitsuDA4Client(token="...")
                         ).search(time_limit=5.0)

search() で認識される kwargs:

kwarg	意味
`time_limit`	秒 (float)。`client.parameters.timeout` に設定されます。
`token`	API トークン。`client.token` に設定。
`proxy` / `url`	ネットワーク設定。
その他	`client.parameters.<name>` 属性が存在すればそこへ転送。

AmplifySolver は任意の次数の多項式を受け付けます。バックエンドが QUBO のみ対応の場合、Amplify SDK が自動で次数下げを行います。

DWaveSolver

D-Wave QPU (Advantage) を Ocean SDK 経由で直接呼びます。Minor embedding は自動 (EmbeddingComposite(DWaveSampler(...)))。オフライン実験用には、任意の dimod 互換サンプラを sampler= で注入できます。

import pyqbpp as qbpp

# 実機 QPU
sol = qbpp.DWaveSolver(e, token="DEV-...", solver="Advantage_system6.4"
                       ).search(num_reads=1000, chain_strength=2.0)

# オフライン Simulated Annealing (トークン・ネット不要)
from dwave.samplers import SimulatedAnnealingSampler
sol = qbpp.DWaveSolver(e, sampler=SimulatedAnnealingSampler()
                       ).search(num_reads=1000)

DWaveSolver はモデルが degree ≤ 2 (BQM) であることを要求します。高次項は事前に二次化が必要で、HUBO のまま DWaveSolver を構築すると RuntimeError になります。

time_limit は 非対応 です。QPU の実行時間は num_reads × annealing_time (μs) で決まります。 time_limit=... を渡すと RuntimeError で拒否されます（壁時計予算が黙って無視される事故を防ぐためです）。

DWaveHybridSolver

D-Wave Leap Hybrid Sampler を呼びます。古典最適化と QPU 呼び出しを組み合わせるため、QPU 単体より遥かに大きな問題（〜10⁶ 変数）を扱えます。time_limit (秒) で壁時計制御。

sol = qbpp.DWaveHybridSolver(e, token="DEV-...").search(time_limit=5)

DWaveSolver と同じく、degree ≤ 2 が必要です。

OpenJijSolver

OpenJij (Jij Inc., オープンソース Ising/QUBO サンプラ) を呼びます。既定のサンプラは openjij.SASampler() (Simulated Annealing)。SQASampler() (Simulated Quantum Annealing)、CSQASampler() (連続時間 SQA)、JijZept のクラウドサンプラなどを sampler= で注入できます。

import pyqbpp as qbpp
import openjij as oj

# 既定: ローカル Simulated Annealing
sol = qbpp.OpenJijSolver(e).search(num_reads=1000)

# SQA に差し替え
sol = qbpp.OpenJijSolver(e, sampler=oj.SQASampler()).search(num_reads=100)

search() でよく使う kwargs (そのまま sampler.sample(bqm, **kwargs) に転送される): num_reads, num_sweeps, beta_min, beta_max, schedule。DWaveSolver と同様、time_limit は非対応で degree ≤ 2 が必要。

戻り値の型

4 つのソルバーすべて、PyQBPP 標準の SolverSol を返します (EasySolverSol/ABS3SolverSol/GurobiSolverSol と同じ型)。そのため、ソルバーを切り替えてもプログラムの後段は変更不要です。

print(sol.energy)            # 最良目的関数値
print(sol.tts)               # time-to-best-solution (秒)
print(sol.info["solver"])    # "AmplifySolver" / "DWaveSolver" / ...
for s in sol.sols:           # 追加で得られた解
    print(s.energy, s.tts)

sol.info の中身はソルバーごとに異なります:

AmplifySolver: amplify_version, client, execution_time, response_time, total_time など
DWaveSolver / DWaveHybridSolver: dimod_<key> として SampleSet.info の全エントリ (timing, embedding context など)
OpenJijSolver: 同様に dimod_<key>