NNUE

NNUE(Efficiently Updatable Neural Network)は、盤面評価に浅い層のニューラルネットワークを用いる評価関数アーキテクチャ。2018年に那須(tanuki-チーム)が考案し、将棋エンジン「やねうら王」で最初に採用された。その後チェスにも移植され、Stockfishが2020年に採用したことで西洋チェス界にも広まった。

基本原理

NNUEは「入力特徴量の非ゼロ要素が少ないこと」と「1手進むごとに入力の変化が小さいこと」という2つの性質を前提に設計されている。アルファベータ探索中は1手ごとに評価関数を何百万回も呼び出す必要があるが、NNUEは差分更新(incremental update)によって、盤面全体のニューラルネットワークを毎回フルで計算し直すのではなく、直前の評価からの変化分だけを反映してAccumulator(入力層直後の中間表現)を更新する。これにより、疎な全結合層を持つネットワークでも高速に評価値を算出できる。

アーキテクチャの典型例

入力層は玉の位置と各駒の位置の組み合わせ(King-Piece)などを特徴量としたスパースなベクトル(チェスでは768次元程度)で、Feature Transformer(FT)層と呼ばれる隠れ層(数千ユニット程度)に変換され、さらにいくつかの隠れ層を経て最終的に1つのスカラー値(評価値)を出力する。

差分更新の限界とFinny Tables

差分更新は「駒が動く」ケースには強いが、玉の位置自体が入力特徴に含まれる(King-Piece方式の)場合、玉が移動すると入力特徴が全て変わってしまい差分更新できず、盤面全体を再計算する「full refresh」が必要になる。このコストを削減する最適化がFinny Tables。

出典

#nnue #shogi #chess #neural-network

🔗 リンクされているノート

作成日時: 2026-08-15 17:49 / 更新日時: 2026-08-15 17:49