2023 Fiscal Year Annual Research Report
| Project/Area Number |
19K11816
|
|---|
| Research Institution | Yamagata University |
|---|
Principal Investigator |
中西 正樹 山形大学, 地域教育文化学部, 教授 (40324967)
|
|---|
| Project Period (FY) |
2019-04-01 – 2024-03-31
|
| Keywords | 量子コンピュータ / 量子アルゴリズム / 量子オートマトン / 量子計算機シミュレータ |
|---|
| Outline of Annual Research Achievements |
本研究では，実現初期段階での量子計算機を想定し，その能力の解析を行うとともに，量子アルゴリズムに対して実験的な評価を行うためのシミュレータも含めた環境の開発を行った。以下に代表的な成果について述べる。
量子計算機の能力の理論的な解析のために，実現初期段階の量子計算機をオートマトンでモデル化した。具体的には1方向量子カウンタオートマトンについて，ある種のプロミス付き問題に対し，それを誤りなく解くことができることを示す一方で，同じ問題が古典モデルでは解くことができないことを証明した。本結果は制約のある状況下で，量子モデルが古典モデルよりも能力が高くなることを示すものである。さらには，誤りのない計算を行う際に，言語の認識能力や必要となる状態数について，affine計算モデルが古典計算モデルよりも優れていることを示す等，affineカウンタオートマトンとその他のモデルの能力の比較を行った。affineモデルは量子モデルに非常に近いモデルであると同時に，量子モデルよりも解析をしやすい面があるため，affineモデルを通して間接的に量子モデルの能力を推測できる可能性がある。
また，量子計算機の能力の実験的な解析に向けて，シミュレーターの開発等に関する研究を行った。量子アルゴリズムで頻繁に使用されるウォルシュ-アダマール変換について，演算のスケジューリング，およびメモリへのデータの配置方法を工夫することでパイプラインストールを起こすことなく，ハードウェア上で効率的にシミュレーションを行えることを示した。また，高速計算のための要素技術として，GPGPU向け並列マージ処理の高速化手法の開発を行った。
最終年度には，機械学習の効率化に取り組み，追加で学習すべき層を適切に選択するアルゴリズムを開発した。本結果を整理し，論文誌に投稿する予定である。今後は，量子機械学習への応用を検討する予定である。
|
