| 研究課題/領域番号 |
20K11838
|
|---|
| 研究機関 | 東北大学 |
|---|
研究代表者 |
小松 一彦 東北大学, サイバーサイエンスセンター, 准教授 (50813888)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| キーワード | アニーリングマシン / イジングモデル / クラスタリング |
|---|
| 研究実績の概要 |
本研究では、量子アニーリングマシンを高性能計算機の新しいアクセラレータとして容易に利用できるプログラミング基盤の要素技術を確立するために、従来のアクセラレータを利用するためのプログラム情報やライブラリ情報の活用を検討している。これを実現するために、量子アニーリングマシンへのオフロードの検討、量子アニーリングマシンのためのプログラム基盤開発、そして、量子アニーリングマシンの量子ソルバ活用の3つの研究項目を設定し、研究を遂行している。
本年度の量子アニーリングマシンへのオフロード検討について取り組みとして、昨年度検討および性能分析を行ったクラスタリング手法について、量子アニーリングマシンにオフロードすることで高いクラスタリング精度を実現可能なイジングモデルに基づくクラスタリング開発を行った。K-meansなどに代表される疑似最適クラスタリング手法とは異なり、同一クラスタ内距離の総和の合計値を最小化することで、厳密なクラスタリングを実現できることを明らかにした。
量子アニーリングマシンのためのプログラム基盤開発については、機械学習向けプログラムを量子アニーリングマシンやGPUなどを意識することなくシームレスにプログラムが可能なプログラム基盤の概念設計を行い、基盤の開発に着手した。
量子アニーリングマシンの量子ソルバ活用については、量子アニーリングマシンを活用する機械学習向けプログラムにおいて、量子ソルバを活用する方法を検討し、基盤開発とともに概念設計を行った。特に、イジングモデルに基づくクラスタリングにおいて量子ソルバを活用する方法の検討を行った。
|
| 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
本年度は、量子アニーリングマシンを活用するイジングモデルに基づく機械学習アルゴリズムの一つであるクラスタリング手法の開発が出来たことにより、量子アニーリングマシンへのオフロード、量子ソルバの活用に目処がつけられた。また、これらの知見をもとに、量子アニーリングマシンのためのプログラム基盤開発の概念設計ができた。そのため、計画通りに研究が進捗していると考えており、このことから、本研究はおおむね順調に進展していると判断している。
|
| 今後の研究の推進方策 |
次年度は、これまでの研究を継続し、アニーリングマシンを高性能計算機の新しいアクセラレータとして容易に利用できるプログラミング基盤の開発を推進する。特に、3つの研究項目をまとめ、量子アニーリングマシンを活用するプログラム基盤に必要な要素技術を確立する。
|
| 次年度使用額が生じた理由 |
新型コロナウィルスの影響により、予定していた国際会議への現地参加が困難となった。次年度は、オンラインで開催される国際会議への積極的な参加および、現地開催される国際会議への参加予定である。
|
