Innovative Quantum/Ising based Machine Learning

点击翻译按钮获取中文摘要

本研究課題では，イジングマシンや量子アニーリングマシンと高性能デジタル計算機の連携による機械学習の高性能化を目指している．当該年度は，(1)組合せクラスタリングを用いたイジングマシンの評価，(2)量子-デジタルハイブリッド型コヒーレントイジングマシンによる組合せクラスタリング，(3)イジングマシンによる線形回帰を行った．(1)はじめに，組合せクラスタリングの評価は，イジングマシンの適切な運用方法を明らかにするために行われた．評価の結果，探索空間が複雑な最適化問題においては，解空間中のエネルギー障壁をすり抜ける探索が有効であることが明らかになった．また，このエネルギー障壁をすり抜ける探索は，複数のスピンやビットが同時にフリップすることで起こるため，これを実現する機構がイジングマシンの探索効率を向上させると考えられる．(2)量子-デジタルハイブリッド型コヒーレントイジングマシンは，最適化問題においてアナログ領域での探索とデジタル値によるエネルギー計算を組み合わせて問題を解くマシンである．組合せクラスタリングを解く評価の結果，複数のスピンが同期的に反転することで解空間のエネルギー障壁をすり抜ける探索を行う提案手法において探索性能が向上した．(3)最後に，これまで組合せクラスタリングを中心にイジングマシンの評価などを行ってきたが，新たな機械学習手法として線形回帰タスクに関する取り組みをおこなった．今後は，線形回帰や他の機械学習タスクについても調査し，実アプリケーション向けの適切なイジングマシンの運用方法とシステムのあり方を明らかにしていく．