2020 Fiscal Year Annual Research Report
| Project/Area Number |
18J23456
|
|---|
| Research Institution | Yokohama National University |
|---|
Principal Investigator |
倉見谷 航洋 横浜国立大学, 理工学府, 特別研究員(DC1)
|
|---|
| Project Period (FY) |
2018-04-25 – 2021-03-31
|
| Keywords | 量子情報 |
|---|
| Outline of Annual Research Achievements |
初年度の2018年度は、機械学習と最適化を用いた統合的ハミルトニアンラーニング手法の確立と、NV中心系における実用的な運用を行った。機械学習と最適化における大規模かつ高速な演算を可能にするため、高い演算能力を有するPCを導入した。また、実験においてはNV中心系に対するスピン磁気共鳴制御を行い、最適化された制御波形の再現のためにIQ変調器などを用いたマイクロ波回路を構築した。2019年度は、初年度で確立、実証したハミルトニアンラーニングの手法を基礎に、スピン量子系の制御高忠実度化と万能量子制御の実装を図った。初年度時点の研究成果では高忠実度制御の実現のために十分な量と精度のハミルトニアン情報を得られるには至っていなかったが、この原因は主に当初のスキームで必要としている計算量がいまだ多いことが考えられ、計算機自体の改善や計算手法のさらなる効率化を行った。前者に関してはGPUサーバーの構築による計算リソースの増大を図り、後者は勾配法の導入によるベイズ推定そのもので扱うパラメータ数の減少やフロケ理論の導入による量子ダイナミクス計算の効率化を試みた。これと平行して、量子認証スキームそのものの理論体系の構築も試みた。最終年度の2020年度は、2019年度までに確立されたハミルトニアンラーニングの統合運用技術をさらに洗練し、NV中心系で実装されるカンタムウェアセキュリティデバイスの包括的な原理実証を考察した。2019年度までの研究によって明らかになった本手法の実験に際する有意性およびそこから導き出される適切な評価法に基づいて、量子情報処理に必要とされるNV中心系への種々の制御に対する最適な学習の導入を試みた。
|
| Research Progress Status |
令和2年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和2年度が最終年度であるため、記入しない。
|
