| 研究領域 | 「学習物理学」の創成－機械学習と物理学の融合新領域による基礎物理学の変革 |
|---|
| 研究課題/領域番号 |
23H04499
|
|---|
| 研究種目 |
学術変革領域研究(A)
|
| 配分区分 | 補助金 |
|---|
| 審査区分 |
学術変革領域研究区分(Ⅱ)
|
|---|
| 研究機関 | お茶の水女子大学 |
|---|
研究代表者 |
工藤 和恵 お茶の水女子大学, 基幹研究院, 教授 (30505574)
|
|---|
| 研究期間 (年度) |
2023-04-01 – 2025-03-31
|
| 研究課題ステータス |
完了 (2024年度)
|
| 配分額 *注記 |
2,600千円 (直接経費: 2,000千円、間接経費: 600千円)
2024年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2023年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
|
|---|
| キーワード | 量子機械学習 / イジングマシン |
|---|
| 研究開始時の研究の概要 |
近年の量子コンピュータ開発の加速を背景に、量子機械学習が注目を集めている。本研究では、量子機械学習における学習の難しさが何によって決まるのかを解明する。とくに、イジングマシンおよび量子回路を用いた最適化と機械学習に関する複数のテーマを並行して進める。学習の難しさを決定づける要素が解明されれば、量子機械学習の得意とする問題を選別できるようになる。そして将来的には、機械学習の有力な手法として量子機械学習を選択できるようになることが期待される。
|
| 研究実績の概要 |
近年の量子コンピュータ開発の加速を背景に、量子機械学習が注目を集めている。本研究では、イジングマシンまたはゲート型量子コンピュータと従来型コンピュータを併用するハイブリッド・アルゴリズムを用いた量子機械学習の手法に注目する。量子機械学習には、それに特有の部分と従来の機械学習にも共通する部分がある。それらをいくつかの要素に切り分けて考えることで、量子機械学習における学習の難しさが何によって決まるのかを解明することが本研究の目的である。
イジングマシンと従来コンピュータを併用する手法としては、非負値二値行列因子分解(NBMF)を用いた協調フィルタリング、ブラックボックス最適化による画像分類、微分方程式の求解などのテーマに取り組んだ。それぞれのテーマに関して、研究成果をまとめて学会発表および論文投稿した。
ゲート型量子コンピュータを用いる手法としては、グラフ彩色問題および量子オートエンコーダを活用した画像分類などのテーマに取り組んだ。グラフ彩色問題は、ゲート型量子コンピュータを用いた手法では、現在は非常に小さい問題しか解けないが、将来の量子デバイスの進化を見込んでアルゴリズムの開発に取り組んだ。量子オートエンコーダは、情報圧縮などに用いられる量子機械学習の手法であり、本来は分類問題を解くための方法ではない。それを分類問題に応用するための手法を開発し、その性能を検証した。それぞれのテーマに関して、研究成果をまとめて学会発表および論文投稿した。
|
| 現在までの達成度 (段落) |
令和6年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和6年度が最終年度であるため、記入しない。
|
