2019 Fiscal Year Annual Research Report
量子最適化計算の拡張定式化による新基軸確立とその古典・量子計算両面での問題解決
| Project/Area Number |
15H01677
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
今井 浩 東京大学, 大学院情報理工学系研究科, 教授 (80183010)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
山下 茂 立命館大学, 情報理工学部, 教授 (30362833)
|
|---|
| Project Period (FY) |
2015-04-01 – 2020-03-31
|
| Keywords | 量子最適化 / 量子アニーリング / Isingモデル / 分配関数 / 量子グラフ状態 / 量子回路設計 / ノイズ付き量子コンピュータ |
|---|
| Outline of Annual Research Achievements |
2019年度(その繰越等での活動を含み)においては、本研究で取り組んできた種々の面からの量子計算に関する研究を、クラウドで利用可能となった量子コンピュータも用いて、研究推進した。拡張定式化に関して、その定義そのものの観点では、組合せ構造と量子計算の間の興味深い関係を得て、古典の場合での面白い成果を論文発表した。さらに、これらを2018年度までの研究である、Isingモデルとグラフ最大カットの等価性を用いた問題展開し、量子近似最適化における特徴づけについても行った。そこでは、グラフのカットに関する拡張定式化で解析した知見が有用であった。
量子回路設計に関しては、T-ゲートを中心としたボトルネック解消の研究を推進し、それらの技術が実際のシステムに用いられるベースを構築し、招待解説論文を出版することができた。古典回路理論で有効であるTransduction法が、量子回路においても有効であることも示した。現在の量子コンピュータがノイズ付きである点に関して、量子非局所性の実験でノイズを超える範囲での量子性が実現されていることを示すことも行った。これらのことは、これからの量子誤り訂正符号回路を含んだ場合でのベースをなすものである。
研究期間中にノイズ付きではあるものの実機の量子コンピュータが開発された点から、理論面での本研究の成果を量子機械学習の問題に適用することも行った。ノイズがある中でランダムな量子回路から構成される出力分布について、種々の機械学習手法を適用することで、出力分布が量子性によって非一様な特殊な分布に近くなる点に関係した諸性質を学習することができている。これは近未来の量子コンピュータの有用な計算例になるとともに、
|
| Research Progress Status |
令和元年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和元年度が最終年度であるため、記入しない。
|
