| Project/Area Number |
20K23342
|
|---|
| Research Category |
Grant-in-Aid for Research Activity Start-up
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
1002:Human informatics, applied informatics and related fields
|
|---|
| Research Institution | Yamagata University (2021-2022)
Toyohashi University of Technology (2020) |
|---|
Principal Investigator |
Takahashi Chako 山形大学, 大学院理工学研究科, 助教 (60878297)
|
|---|
| Project Period (FY) |
2020-09-11 – 2023-03-31
|
| Project Status |
Completed (Fiscal Year 2022)
|
| Budget Amount *help |
¥2,860,000 (Direct Cost: ¥2,200,000、Indirect Cost: ¥660,000)
Fiscal Year 2021: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2020: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
|---|
| Keywords | ボルツマンマシン / 統計的機械学習 / マルコフ確率場 / 自由エネルギー評価 / 量子機械学習 / 量子ボルツマンマシン |
|---|
| Outline of Research at the Start |
量子力学的に拡張されたモデルによる機械学習を扱う新しい研究領域は量子機械学習と呼ばれ始めた。量子機械学習が従来の機械学習に比べ飛躍的に優れた性能を示すことが数値的に実証されているものの，理論研究は量子機械学習モデルの持つ複雑さから困難であり，その優位性の理論的な根拠は十分には得られていない。本研究では，統計力学の手法を用いて量子機械学習の性能評価を行い，機械学習に量子力学的拡張を行うことで生じる優位性を理論的に裏付ける。さらにその理論に基づき，効率的な学習アルゴリズムを開発する。本研究を通して，量子機械学習モデルの設計方針，性能評価，実装についての統一的な枠組みを提供することを目指す。
|
| Outline of Final Research Achievements |
We addressed fundamental problems in machine learning that are expected to be extended to the quantum machine learning framework. The main result is developing a method for the approximate evaluation of free energy in Markov random fields, an important model class when considering applications to quantum machine learning, using a sampling method called annealed importance sampling.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究で扱ったマルコフ確率場に属する統計的機械学習モデルは非常に広汎な用途を持ち、特に現在の人工知能技術を支える深層学習モデルや生成モデルなどの基礎モデルである制限ボルツマンマシンに対する理論面での貢献があると考えられる。また、量子機械学習モデルへの拡張がすでに提案されている機械学習モデルも扱ったことから、本研究の成果が今後の量子機械学習における理論的または数値的な知見を与える可能性もある。
|
