文献

J-GLOBAL ID：201802271316174682   整理番号：18A1231671

「物理学とAI」量子コンピュータが人工知能を加速する?-量子揺らぎによるニューラルネットワークの最適化手法-

著者 (1件)： 大関真之 (東北大 大学院情報科学研究科)
資料名： 人工知能  (人工知能学会誌)
巻： 33  号： 4  ページ： 397-402  発行年： 2018年07月01日 
JST資料番号： X0330A  ISSN： 2188-2266  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・人工知能の基礎の発展に貢献しているニューラルネットワークの最適化手法としてエントロピー勾配法を紹介し,量子力学を利用した最適化手法の優位性について解説。
・量子アニーリングでは実現値が変動する量子揺らぎを利用しているが,エントロピー勾配法ではこの量子揺らぎによって誤差関数の形状を意識した最適化を実行可能。
・量子力学による定式化から汎化性能を引き上げることにより注目したコスト関数が得られるので,汎化性能を重視するニューラルネットワークの最適化において優位。
・計算量を大幅に減らすために大胆な近似を行うので,量子力学による実装をネイティブに行える量子コンピュータを用いて近似の精度を上げる試みの重要性を指摘。

シソーラス用語： *人工知能 ,  *物理学 ,  *量子コンピュータ ,  *ニューラルネットワーク ,  量子ゆらぎ ,  *最適化手法 ,  エントロピー ,  量子論 ,  実装設計 ,  精度 ,  高精度
準シソーラス用語： *AI【人工知能】 ,  量子力学

分類 (5件)： 人工知能  (JE08000Z) ,  物理学一般  (BA01010T) ,  その他の計算機  (JC06020B) ,  ニューロコンピュータ  (JC06010Q) ,  その他のオペレーションズリサーチの手法  (KA03070E)

引用文献 (9件)：

• [Baldassi 18] Baldassi, C. and Zecchina, R.: Efficiency of quantum vs. classical annealing in nonconvex learning problems, Proc. National Academy of Sciences, Vol. 115, No. 7, pp. 1457-1462 (2018)
• [Chaudhari 16] Chaudhari, P., Choromanska, A., Soatto, S., Le-Cun, Y., Baldassi, C., Borgs, C., Chayes, J., Sagun, L. and Zecchina, R.: Entropy-SGD: Biasing gradient descent into wide valleys, ArXiv e-prints (2016)
• [Chen 14] Chen, T., Fox, E. B. and Guestrin, C.: Stochastic gradient Hamiltonian Monte Carlo, Proc. 31st Int. Conf. on Machine Learning (ICML' 14), Vol. 32, pp. II-1683-II-1691, JMLR.org (2014)
• [Hatano 98] Hatano, N.: Localization in non-Hermitian quantum mechanics and flux-line pinning in superconductors, Physica A: Statistical Mechanics and Its Applications, Vol. 254, No. 1, pp. 317-331 (1998)
• [Kadowaki 98] Kadowaki, T. and Nishimori, H.: Quantum annealing in the transverse Ising model, Phys. Rev. E, Vol. 58, pp. 5355-5363 (1998)

タイトルに関連する用語 (8件)： 物理学 ,  AI ,  量子コンピュータ ,  人工知能 ,  加速 ,  量子揺らぎ ,  ニューラルネットワーク ,  最適化手法