• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2017 年度 実施状況報告書

ハードウェア実装を前提とした脳型量子計算アルゴリズムの学習に関する研究

研究課題

研究課題/領域番号 17K18864
研究機関東北大学

研究代表者

佐藤 茂雄  東北大学, 電気通信研究所, 教授 (10282013)

研究期間 (年度) 2017-06-30 – 2019-03-31
キーワード量子計算 / 学習 / アルゴリズム / 脳型計算
研究実績の概要

まず申請者らが提案している脳型量子計算アルゴリズムでは、ニューロン間相互作用を量子ビット間相互作用に変換することにより、人工神経回路での計算手法(最適化問題への応用など)を、量子計算に応用することが可能となっている。この際、ニューロン間相互作用を表現するシナプス荷重値行列が、量子ビット間の相互作用を決定するハミルトニアンに変換される。また、量子ビット回路の状態遷移はハミルトニアンの断熱的変化、すなわち、すべての量子状態が基底状態を構成する初期ハミルトニアンから、解くべき問題に対応するハミルトニアンへの準静的変化によって引き起こされる。
初年度は量子計算アルゴリズム自動獲得の実現に向け、上記脳型量子計算アルゴリズムをベースに、ハミルトニアンを学習によって獲得する手法を提案した。すなわち、学習対象パターンに応じて量子ビット間相互作用強度を徐々に変調することで学習対象パターンの重ね合わせ状態を基底状態に持つようなハミルトニアンを自動獲得する手法を考案した。より具体的には、人工神経回路で用いられる学習則の一種であるヘッブ則と反ヘッブ則を量子計算用に変換し、ハミルトニアンの更新則として適用した。
こうして得られた学習則を用いて、量子ビットネットワークに適用し、連想記憶や認識処理に応用し、学習則の有効性と問題点を明らかにした。500回学習して獲得したハミルトニアンを用いた量子連想記憶の正解パターン想起確率を調べた結果、従来の自己相関(学習無し)から得られたハミルトニアンに比べ、7%程度想起性能が向上することが明らかになった。このことは、学習によるハミルトニアンの最適化が可能であることを意味している。

現在までの達成度 (区分)
現在までの達成度 (区分)

2: おおむね順調に進展している

理由

交付申請書に記載の計画通りに研究が進んでいる。得られた知見は、学習によって獲得された量子計算用ハミルトニアンが正しく機能することを証明しており、アルゴリズムを自動獲得しうる量子計算機の実現に向けた重要な成果であると言える。

今後の研究の推進方策

当初の計画通り、得られた学習則を具体的に実装するためのハードウェアを設計し、その性能を数値シミュレーションによって評価する。超伝導量子ビットのひとつである磁束量子ビットを用いること想定し、ジョセフソン接合やSQUID、各種フィルタを構成要素とする超伝導量子回路を構成する。引き続き、得られた量子回路での学習動作を数値シミュレーションによって評価し、その有効性と問題点を明らかにする。ハードウェア上の制約に由来する性能劣化が認められれば、これについて検討を加え、学習則の改良を図る。

次年度使用額が生じた理由

計算アルゴリズムの改良によりシミュレーションに必要な計算量を低減できることが判明し、購入する計算機のスペックを落としたため、購入金額を大幅に抑えることができた。一方、二年度はハードウェア実装を意識したシミュレーションを行うことを予定しており、シミュレーションの精度を高めるためには、超伝導体の物性データを自身の実験により確定することが近道であり、初年度で生じた差額をそのような実験用に充当する予定である。

  • 研究成果

    (5件)

すべて 2018 2017

すべて 雑誌論文 (1件) (うち査読あり 1件、 オープンアクセス 1件) 学会発表 (4件) (うち国際学会 4件)

  • [雑誌論文] Quantum Associative Memory with Quantum Neural Network via Adiabatic Hamiltonian Evolution2017

    • 著者名/発表者名
      Y. Osakabe, H. Akima, M. Sakuraba, M. Kinjo, S. Sato
    • 雑誌名

      IEICE Transactions on Information and Systems

      巻: E100-D ページ: 2683-2689

    • DOI

      10.1587/transinf.2017EDP7138

    • 査読あり / オープンアクセス
  • [学会発表] Hebbian and anti-Hebbian learning for a qunatum associative memory2018

    • 著者名/発表者名
      S. Sato, Y. Osakabe, H. Akima, M. Sakuraba
    • 学会等名
      The 6th RIEC International Symposium on Brain Functions and Brain Computer
    • 国際学会
  • [学会発表] Neuro-inspired Quantum Learning Rule Inspired by Boltzmann Machine2018

    • 著者名/発表者名
      Y. Osakabe, H. Akima, M. Sakuraba, M. Kinjo, S. Sato
    • 学会等名
      APS March Meeting 2018
    • 国際学会
  • [学会発表] Neuro-inspired Quantum Associative Memory Using Adiabatic Hamiltonian Evolution2017

    • 著者名/発表者名
      Y. Osakabe, S. Sato, H. Akima, M. Sakuraba, M. Kinjo
    • 学会等名
      Int. Joint Conf. on Neural Networks
    • 国際学会
  • [学会発表] Neuro-inspired Quantum Associative Memory Model2017

    • 著者名/発表者名
      Y. Osakabe, H. Akima, M. Sakuraba, M. Kinjo, S. Sato
    • 学会等名
      The 30th International Symposium on Superconductivity
    • 国際学会

URL: 

公開日: 2018-12-17  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi