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。 本年度は、昨年度に引き続き、量子計算アルゴリズムを自動獲得しうる断熱的量子計算用ハードウェアの構成についてより詳細に検討を行った。超伝導電荷量子ビットネットワークを用いて構成する方法について、超伝導体の物性データ等を加味した数値シミュレーションを行い、これまでに得られている成果の妥当性を再確認した。また、量子連想記憶モデルについて、量子ヘッブ・反ヘッブ学習時に連想能力が飽和する現象を数値シミュレーションによって検証した。その結果、学習時に常にKL情報量が減少することとは限らないこと、その原因が量子ダイナミクスに由来することを確認した。 以上の結果から、脳型量子計算アルゴリズムの有効性と課題を明らかにすると共に、将来の実用化に向けて、ハードウェアの構成方法についても指針を示すことに成功した。
|