Construction of Quaternionic Qubit Neural Network and Its Application to Signal Processing

2021 Fiscal Year Final Research Report

• Project/Area Number: 19K12141
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 61040:Soft computing-related
• Research Institution: University of Hyogo
• Principal Investigator: Isokawa Teijiro 兵庫県立大学, 工学研究科, 准教授 (70336832)
• Co-Investigator(Kenkyū-buntansha): 松井 伸之 兵庫県立大学, 工学研究科, 特任教授 (10173783)
• Project Period (FY): 2019-04-01 – 2022-03-31
• Keywords: 複素ニューラルネットワーク / 量子情報処理 / 四元数

Outline of Final Research Achievements

The purposes of this project are to construct neuron model and its feedforward network based on quantum information processing, to analyze the properties of the network, and to evaluate the effectiveness and performances of the neural network by using real-world signals, as compared to conventional (real-valued) neural network. The following outcomes have been achieved in this project: (1) A neuron model that incorporates quaternionic algebra into qubit neuron model with complex-valued representation, and its feedforward neural network, called Quaternionic Qubit Neural Network (QQNN), with an error-backpropagation algorithm as its learning method. (2) QQNNs have been evaluated through a prediction problem of three-dimensional outputs of Lorenz equations, and it is shown that QQNNs have superior performance in prediction accuracies than real-valued NNs.

Free Research Field

知能情報学

Academic Significance and Societal Importance of the Research Achievements

従来のニューラルネットワークでは，ニューロンと呼ばれる基本素子により信号を処理するシステムである．画像情報などの多次元データを処理するためには数多くのニューロンが必要となり，様々な学習アルゴリズムが提案されてきた．本研究課題では，ニューロンの数ではなく各ニューロンが有する性能を向上させることによって多次元のデータを処理という大規模化の方法を検討したものである．本課題で構成したニューラルネットワークでは，多次元のデータを処理するために量子情報処理および四次元の数体系を導入することにより，従来の実数に基づくニューラルネットワークよりも効率的に信号が処理できることを示し得た．