文献

J-GLOBAL ID：202102268633857011   整理番号：21A1054046

「人工知能と物理学」機械学習における物理が果たす役割-量子機械学習とその現状

Role of Physics in Machine Learning-Quantum Machine Learning and Its Current Status

著者 (1件)： 大関真之 (東北大 大学院情報科学研究科)
資料名： 日本物理学会誌
巻： 76  号： 4  ページ： 194-201  発行年： 2021年04月05日 
JST資料番号： F0221A  ISSN： 0029-0181  CODEN： NBGSA  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： 機械学習では,入力と出力の関係がよくわからないものに対して,とりあえず自分たちが扱うことのできる簡素な関数を用意する.猫の姿を見て,猫だと認識するのは,入力が画像データであるのに対して,猫だという指摘をする結果をはじき出すのだからよくわからない入出力関係があるのは間違いない.しかしそれをコンピュータが実践できるように扱いがしやすい関数を用意する必要がある.ただし,その関数には変更可能なパラメータを複数含ませておき,できるだけ広い豊富な表現力をもつようにしておく.後で微調整を行い,実際に入力を与えた時に適切な出力が与えられるようにする.関数に変更を加えてなんとか辻褄を合わせるというのは変分法に相当する.変更可能なパラメータ以外にも機械学習では,非線形変換を伴う関数を利用して,その表現能力を増強することができる.ニューラルネットワークが深層化を経て,非常に複雑な非線形変換を獲得するのも,そうした目的があるためだ.非線形変換というのは,ある種の飛躍であり,計算の難しさの象徴として現れる.例えば高校生のときに二次関数まで学んだのちに,三角関数をはじめ,指数関数と対数関数を学び,その豊富な数学の表現力に魅了される.しかし同時にその扱いに厄介さを覚えることもある.ただ慣れてくれば,その扱いもその存在も親しみをもって普段使いをする対象となる.人間というのはなかなか勝手なものである.そうした機械学習の分野で一つ気になる用語が登場しつつある.量子機械学習である.その冠にある量子力学は理解をすんなりと許さない,厄介な対象となる代表例である.交換しない演算子を利用して微視的な自由度の変化を追う際に新しい計算方法や概念を学ぶため,私たちの感覚のアップデートを必要とするというのも大きい.この量子力学は,機械学習とは一切関係のなさそうなものである.しかし人類はそうしたものですら,より豊富な表現力を得るために,機械学習において利用する関数に取り込もうとしている.量子力学では,エネルギーの固有状態を調べるのに,原理的には高次元の行列の対角化を伴い,最終的には数値計算に頼る.また時間発展にしても,ハミルトニアンが指数関数化されて状態ベクトルにかかることにより,そう単純ではない変化を生み出し,やはり数値計算に頼る他なかった.問題設定そのものは単純に行えるとしても単純ではない変化を生み出すのが量子力学の難しさである.しかしこの部分を積極的に利用すれば,機械学習で利用されうる「複雑な非線形変換」を作り出せることが期待される.量子機械学習とはそういう営みであると換言できる.他にもニューラルネットワークでなされる誤差逆伝播法から始まる勾配法による最適化を,運動方程式により駆動される系の変化と捉えれば,その運動方程式をシュレーディンガー方程式に置き換えるなどして量子力学の原理を導入することも考えられる.これも量子機械学習の一つのあり方と言える.こうした自然に量子力学を取り入れようとする発想が出てきた理由は,近年注目される量子コンピュータを始めとして制御可能な量子デバイスの進展があり,実際に動作する量子デバイスを手にしているという現状にある.人類にとって,もはや量子力学は親しみをもって普段使いする対象になりつつあるのだ.(著者抄録)

シソーラス用語： *機械学習 ,  *物理学 ,  *人工知能 ,  *ニューラルネットワーク ,  量子論 ,  損失関数 ,  傾斜法 ,  非線形変換 ,  量子デバイス ,  ディープニューラルネットワーク
準シソーラス用語： 量子機械学習 ,  深層ニューラルネットワーク ,  誤差逆伝搬法 ,  勾配法 ,  量子傾斜法

分類 (2件)： 人工知能  (JE08000Z) ,  物理学一般  (BA01010T)

引用文献 (12件)：

• 1) M. Welling and Y. W. Teh, in ICML’11: Proceedings of the 28th International Conference on Machine Learning(Omnipress, 2011)p. 681.
• 2) P. Chaudhari et al., J. Stat. Mech. 2019, 124018(2019).
• 3) M. Ohzeki et al., Sci. Rep. 8, 9950(2018).
• 4) E. Grumbling, M. Horowitz編,西森秀稔訳,『米国科学・工学・医学アカデミーによる量子コンピュータの進歩と展望』(共立出版,2019).
• 5) P. J. J. O’Malley, Phys. Rev. X 6, 031007(2016).

タイトルに関連する用語 (8件)： 人工知能 ,  物理学 ,  機械学習 ,  物理 ,  役割 ,  量子機械 ,  学習 ,  現状