2016 Fiscal Year Research-status Report
量子情報理論と量子バイオロジーに立脚した計算知能論の確立と知的センシング処理応用
| Project/Area Number |
16K00337
|
|---|
| Research Institution | University of Hyogo |
|---|
Principal Investigator |
松井 伸之 兵庫県立大学, 工学研究科, 教授 (10173783)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
礒川 悌次郎 兵庫県立大学, 工学研究科, 准教授 (70336832)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 量子ビットニューロン / 複素数表示 / 四元数極表示 / 量子論理ゲート / カオス時系列予測 / 量子粒子群最適化 / 量子バイオロジー / 臭気識別 |
|---|
| Outline of Annual Research Achievements |
本課題では、量子情報理論と量子バイオロジーに立脚した計算知能手法を確立し、これらの技法が優位に働く知的センシングシステム応用をめざして以下の３点の研究：１．量子状態の完全記述としての四元数極表示を検討し、その優位性を明かにすること、２．多次元動的システムの状態変化に適用可能な量子粒子群最適化法を開発すること、３．上記１、２および量子バイオロジーを基盤とした機能モデルの優位性を実システムにて示すこと、を進め、当該年度においては、上記１～３に対し、主に以下の研究成果を得た。
１．に関しては、量子ビットニューロンの量子状態の完全記述である四元数極表示の定式化を試みた研究成果を得た。しかし、その成果をさらに進展させる前に、これまでに研究代表者が提唱した複素数表示量子ビットニューロンのさらなる効能・利点やその表現機能の量子的役割を吟味し直した。その結果、複素数表示モデルによる量子ビットニューラルネットワークは、従来モデルでは予測が困難なカオス時系列予測問題においても優れた予測を行いうることを確認し得た。また複素数表示量子ビットニューロンモデル単体でもXORなどの非線形分離問題解法に有効であることを示せた。これは量子もつれ効果を間接的に示した試みとして量子計算知能研究において意義深いものと考えている。
２．に関しては、量子粒子群最適化法の急激な動的変化への追随性の精査およびシュレディンガー方程式における量子ポテンシャルを２重量子ポテンシャルに拡張した場合の性能評価などを行い得て新手法の端緒を得た。
３．に関しては、量子バイオロジー関連の文献に注目して嗅覚に関する量子現象の文献精査をするとともに、まずは現状のセンサーシステムでどの程度の臭気識別が可能かを探った。
以上が当該年度に行い得た研究成果の概要である。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
研究代表者らの複素数表示量子ビットニューロンモデルを引用した文献やレビューが近年増加し、多くの実応用においてその有用性が示されてきている。そこで四元数極表示の量子ビットニューロンモデルをさらに進展させる前に、複素数表示によるモデルの性能を精査するべく、複素数表示量子ビットニューロンの単体素子における性能精査とカオス時系列予測性能を調べた。そのため、量子状態の四元数による完全記述については試論に留まった。しかしながら、研究発表欄に記載したように、研究成果の一部を国内外に発表し得て、当初の研究計画はおおむね達成できたものと考える。
|
| Strategy for Future Research Activity |
量子ビットニューロンにおける量子状態記述は完全ではなく、自由度を制限した特殊な表現であるので、今後は、画像や音声などの信号処理、ならびにそれらの組み合わせになる多モードの情報処理、計測機器などにより得られた多次元のセンシング信号群から知識・法則性を見出すデータマイニングへの応用を想定して、量子状態完全記述としてのブロッホ球による３次元表示を確立すべく、四元数極表示量子ビットニューロンの優位性を示すこと、およびこれまでの複素数表示の量子ビットニューラルネットワークや量子情報描像のない四元数ニューラルネットワークとの性能比較を、パリティチェック符号問題や時系列データ、カオスデータの予測などをベンチマークとして行うことが今後の研究推進方策である。また、人工知能研究を牽引して最近注目されている深層学習には、膨大な計算パワーと膨大なデータ学習が必須であるが、量子並列性や量子もつれを取り入れた量子ビットニューラルネットワークが深層学習の欠点を補いうるかも検証することも今後の課題である。さらに量子粒子群最適化法もこれまで検討してきているが、多次元パラメータの時変システムの動的最適化などに適用しうる手法をあらたに開発するために、シュレディンガーの波動方程式に周期性の多重ポテンシャルの導入を試み、その優位性を明かにすることも今後進める予定である。
初年度において調べた量子バイオロジー関連の文献にも注目し、その知見を加味した量子情報理論からの計算知能、すなわち、量子生物知能モデルを模索するために、臭気識別システム構築を進展させる予定である。各問題点などは相互に関連させフィードバックさせながら研究を進める予定である。
|
| Causes of Carryover |
国内での研究発表に研究代表者が当初行く予定の学会があったが、その予定を取りやめたため、旅費が少なくて済んだことによる。
|
| Expenditure Plan for Carryover Budget |
これらの経費は、今後さらに増えると推測される研究発表・打ち合せ旅費に追加使用する予定である。
|
