Developing theory and implementation for quantum machine learning based on statistical mechanical approaches

2022 Fiscal Year Final Research Report

• Project/Area Number: 20K23342
• Research Category: Grant-in-Aid for Research Activity Start-up
• Allocation Type: Multi-year Fund
• Review Section: 1002:Human informatics, applied informatics and related fields
• Research Institution: Yamagata University (2021-2022); Toyohashi University of Technology (2020)
• Principal Investigator: Takahashi Chako 山形大学, 大学院理工学研究科, 助教 (60878297)
• Project Period (FY): 2020-09-11 – 2023-03-31
• Keywords: ボルツマンマシン / 統計的機械学習

Outline of Final Research Achievements

We addressed fundamental problems in machine learning that are expected to be extended to the quantum machine learning framework. The main result is developing a method for the approximate evaluation of free energy in Markov random fields, an important model class when considering applications to quantum machine learning, using a sampling method called annealed importance sampling.

Free Research Field

統計的機械学習、情報統計力学

Academic Significance and Societal Importance of the Research Achievements

本研究で扱ったマルコフ確率場に属する統計的機械学習モデルは非常に広汎な用途を持ち、特に現在の人工知能技術を支える深層学習モデルや生成モデルなどの基礎モデルである制限ボルツマンマシンに対する理論面での貢献があると考えられる。また、量子機械学習モデルへの拡張がすでに提案されている機械学習モデルも扱ったことから、本研究の成果が今後の量子機械学習における理論的または数値的な知見を与える可能性もある。