2017 Fiscal Year Research-status Report
| Project/Area Number |
17K14357
|
|---|
| Research Institution | Tokyo University of Science |
|---|
Principal Investigator |
橋爪 洋一郎 東京理科大学, 理学部第一部応用物理学科, 助教 (50711610)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | 量子アニーリング / データ解析 / 主成分分析 / アルゴリズム |
|---|
| Outline of Annual Research Achievements |
量子アニーリングは1998年に門脇・西森によって提案され，最適化問題を解く汎用的な技術として，期待されている．2011年5月にカナダのD-Wave社が量子アニーリングを実行できる商用量子コンピュータとしてD-Wave Oneを発表して以来，世界各国で開発競争が進み，それまで実現困難とされていた量子コンピューティングが急激に現実味を帯びてきている．このような，量子アニーリングとデータ解析技術の発展を踏まえて， 2015年には研究代表者によって量子アニーリングをデータ解析に用いることが提案された．本研究課題は，こうした量子アニーリングの発展を活用し，これまでの古典計算とは異なるデータ解析を可能にし，より発展させることを目指すものである．
研究期間は３年間であり，初年度である2017年度には量子アニーリングの多面的な展開を行うために，その性質を十分に理解するための研究に費やした．主に，主成分分析/特異値分解の実施を量子アニーリングによって行う際に，ノイズやサイズによる効果がどの程度重要なのかを検討した．その結果，ノイズの強度によっては特別な処理を行うことなく十分に特異値分解を実行可能であることや，フラクタル構造を持つデータ群の解析を通してサイズ依存性を明らかにすることができた．2018年度以降は，これらの成果を踏まえて，本研究課題の中心である「データ解析への量子アニーリングの適用手法の開発」および「材料・デバイスへの応用展開」を遂行する．
なお，以上の研究成果は日本物理学会や国際会議AQCなどで発表しており，他大学（早大，東大など）の研究者らと共に論文も出版予定である．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
世界中のいたるところをセンサーが結ぶIoT（Internet of Things）社会が実現した際には，集積された莫大なデータを解析することが必要になる．大規模なデータを適切に処理し，有益な情報を手に入れるためには，データ処理にむけた革新的な技術が必要である．この要求に応えるため，情報統計力学の生んだ強力な手法である「量子アニーリング」を，より一般的かつ多面的に，大規模データの解析へと活用できる新しい方法論の開発とその応用展開を行い，新たなデータ解析の概念を創出することを目的として本研究を遂行している．
2016年度は，本研究課題の初年度でもあり，研究代表者が既に提案した「量子アニーリングを用いて特異値分解を行う手法についての詳細な検討」を実施した．具体的には「ノイズの影響をどの程度受けるかについての検討」「データが階層構造を持つ場合についての検討」および「アニーリング時間のデータサイズ依存性についての検討」である．
計測や観測によって得られるデータがノイズを含むことは避けられないが，このようなノイズに特別な処理を行わなくても，ある程度のノイズであれば同程度の結果が得られることが当初から経験的にわかっていた．そこでノイズの強度分布に対する信号／雑音比（S/N比）やフィデリティについて数値解析的に調べた．この結果は現時点では未発表であるが，2017年内に学会で公開する．また，「データが階層構造を持つ場合についての検討」および「アニーリング時間のデータサイズ依存性についての検討」については自己相似形（フラクタル）なデータを対象とした研究を実施した．その結果，データの階層数が多くなるほど，階層数に対して指数関数的に量子アニーリングの実行時間が長くなるということがわかり，これらの結果は日本物理学会や国際会議AQCで発表した．
以上のように，現在までの進捗状況はおおむね順調である．
|
| Strategy for Future Research Activity |
2017年度に得られた，量子アニーリングによる特異値分解・主成分分析の本質的な傾向に基づいて，より多面的なデータ解析の手法に対して量子アニーリングの枠組みで実行可能かどうかについて検証し，適用方法を開発することが2018年度以降の課題である．以下に述べるように，これらの課題は，本研究課題の中心をなすものである．具体的には「データ解析への量子アニーリングの適用手法の開発」および「材料・デバイスへの応用展開」を並行して2019年度までかけて実施する．
「データ解析への量子アニーリングの適用手法の開発」については時系列データの処理や回帰分析・予測への応用可能性の検討を行う．特に，予測や推測と呼ばれる解析は，予想される“原因”から生じる“結果”の確率分布を表す行列を作ることに帰着される．そこで，この行列の基底状態を量子アニーリングによって探索することで最も誤差の小さくなる“原因”を探索する．さらに，予測の妥当性について既知の模型と比較する．また，これらは機械学習や人工知能との関連性も高く，それらとの整合性や関連性の検討も必要である．そのため，2018年度以降は機械学習関係の学会等にも参加予定である．
一方，「材料・デバイスへの応用展開」については，輸送現象を対象としてシミュレーテッドアニーリングによる状態密度推定などができるようになっている．これらを量子アニーリングでもできるように拡張する研究を実施する．これは物質材料科学への量子アニーリングの活用として新たな展開の可能性がある．
また，上記と合わせて，2017年度に得たノイズの効果についての発表なども積極的に行う．
|
| Causes of Carryover |
【次年度使用額が生じた理由】
2017年度は，当初計画していたような大規模な計算シミュレーションが必要ではなかったため，それに関連する費用を次年度使用額とした．これは，ノイズを検証するための作業が比較的小規模に実施できることを発見したためである．また，サイズ効果の検討についても，他大学との連携研究の中で必要最小限の費用で実施することが可能であったことも大きく寄与している．
【使用計画】
2018年度以降はこれまでの詳細検討だけでなく，全く新しいタイプのデータ処理への活用へと研究を進めるので，より広い範囲での情報収集などが必要になる．そこで，次年度使用額とした分をそれらに活用するとともに，必要に応じて大規模な計算シミュレーションも実施できるようにする．また，次年度以降は研究成果の発信も重要であり，特に国際会議などへと広く発信する．
|
