Quantum Shogi AI — compact native-accelerated edition

この版は、学習と Web 対局に必要なものだけを残した軽量構成です。

要点:

• 単一モデル運用: checkpoints/model.pt だけを使い、他の .pt は使いません。
• native collector は並列収集に対応しています。
• 量子将棋は quant_native_cpp、乱将棋は rans_native_cpp を推奨します。
• --collector_workers 0 は推奨値を自動選択します。
  • 量子将棋: 2 worker
  • 乱将棋: 4 worker

セットアップ

python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
python tools/build_native.py

量子将棋の学習

find checkpoints -type f -name '*.pt' ! -name 'model.pt' -delete

python -m backend.qs.train_policy_value \
  --init_model checkpoints/model.pt \
  --out checkpoints/model.pt \
  --minutes 360 \
  --games_per_cycle 256 \
  --epochs_per_cycle 1 \
  --batch_size 1024 \
  --lr 8e-4 \
  --device cpu \
  --max_ply 1000 \
  --repeat_draw 4 \
  --eps 0.22 \
  --select_temp 0.80 \
  --target_temp 1.10 \
  --selfplay_mode quant_native_cpp \
  --collector_workers 0 \
  --micro_limit 2 \
  --micro_random_extra 1 \
  --micro_prior_scale 0.02 \
  --position_stride 8 \
  --tail_keep 10 \
  --informative_value 0.30 \
  --outcome_blend 0.20 \
  --search_converge_mode none \
  --selected_converge_mode local \
  --selected_converge_time_budget_ms 0.15 \
  --selected_converge_approx_iters 1 \
  --variant quantum

乱将棋の学習

find checkpoints -type f -name '*.pt' ! -name 'model.pt' -delete

python -m backend.qs.train_policy_value \
  --init_model checkpoints/model.pt \
  --out checkpoints/model.pt \
  --minutes 360 \
  --games_per_cycle 256 \
  --epochs_per_cycle 1 \
  --batch_size 1024 \
  --lr 8e-4 \
  --device cpu \
  --max_ply 1000 \
  --repeat_draw 2 \
  --eps 0.30 \
  --select_temp 1.00 \
  --target_temp 1.20 \
  --selfplay_mode rans_native_cpp \
  --collector_workers 0 \
  --micro_limit 2 \
  --micro_random_extra 1 \
  --micro_prior_scale 0.02 \
  --position_stride 8 \
  --tail_keep 8 \
  --informative_value 0.30 \
  --outcome_blend 0.20 \
  --search_converge_mode none \
  --selected_converge_mode local \
  --selected_converge_time_budget_ms 0.10 \
  --selected_converge_approx_iters 1 \
  --variant ranshogi

速度ベンチマーク

PYTHONPATH=. python tools/benchmark_native_parallel_speed.py

Web 対局

python run_server.py --host 127.0.0.1 --port 8000

ブラウザ:

http://127.0.0.1:8000/

• 量子将棋: Variant = quantum
• 乱将棋: Variant = Ran Shogi / 乱将棋