| 研究課題/領域番号 |
22K19820
|
|---|
| 研究機関 | 名古屋市立大学 |
|---|
研究代表者 |
小山 聡 名古屋市立大学, データサイエンス学部, 教授 (30346100)
|
|---|
| 研究期間 (年度) |
2022-06-30 – 2025-03-31
|
| キーワード | 機械学習 / 量子計算 |
|---|
| 研究実績の概要 |
２つ以上の量子系が量子エンタングルメントの関係にあるか否かを判定する問題は、エンタングルメント検出と呼ばれ、様々な量子情報処理において必要となる基本的な問題である。従来は、エンタングルメントを検出するための数式を研究者の考察に基づいて設計する方式が主流であったが、近年では、機械学習を用いて訓練データからエンタングルメント検出器を学習する方式が注目されている。とくに、サポートベクターマシンなどのカーネル法に基づく方式は、量子情報処理との相性が良く、学習した分類器を量子回路にマッピングすることで、現実の量子状態に適用可能なエンタングルメント検出器を実現することも試みられている。機械学習を用いてエンタングルメント検出を行う方式の困難の一つに、訓練データ生成の問題がある。通常の機械学習とは異なり、与えられた量子系がエンタングルメントにあるかどうかを人手で判断することは困難であり、訓練データ自動生成のための方式が必要となる。そこで我々は、エンタングルメントが存在するデータの生成は困難であるのに対し、エンタングルメントが存在しない場合のデータの生成は容易であるという点に着目した。具体的には、部分系のテンソル積を計算することで、エンタングルメントの無い状態を容易に生成できる。機械学習においては、単一クラス学習と呼ばれる、１つのクラスのデータだけを用いて学習を行う方式が存在し、異常検知などに用いられてきた。我々は、エンタングルメントの存在しないデータだけを用いてエンタングルメント検出器を学習する方式を提案し、単一クラス学習のアルゴリズムの１つであるOne-class SVMを用いて実験を行った。
|
| 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
エンタングルメントの存在しないデータだけを用いてエンタングルメント検出器を学習する方式を提案し、単一クラス学習のアルゴリズムの１つであるOne-class SVMを用いて実験を行うことができたため。
|
| 今後の研究の推進方策 |
One-class SVMのハイパーパラメータや使用するカーネル関数を様々に変更して実験を行うことで、精度の高いエンタングル検出器が学習できる条件を探索する。
|
| 次年度使用額が生じた理由 |
既存の物品の有効活用などの効率化を行うことができたことにより、物品費を中心に未使用額が生じた。物価高騰や円安の影響により当初の見込みより航空券や学会参加費などが値上がりしているため、次年度使用額は次年度交付額と合わせてそれらに使用する計画である。
|
