抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
不完全近項中間スケール量子(NISQ)プロセッサに展開された量子機械学習に向けては,決定すべきいくつかのアドホックパラメータのみを有するできるだけ少ない手設計モジュールを含むべきである。本研究では,不完全近項中間スケール量子(NISQ)プロセッサで実装できるハードウェアに優しいエンドツーエンド量子機械学習方式を提示した。提案は機械学習タスクを制御量子動力学の最適化に変換し,その中で学習モデルを実験的に調整可能な制御変数によってパラメータ化した。また,この設計は,エージェント制御変数を通して量子状態への生入力を符号化することにより,自動特徴選択を可能にする。ゲートベースのパラメータ化量子回路と比較して,提案したエンドツーエンド量子学習モデルは,決定すべきわずかなアドホックパラメータだけが存在するので,実装が容易である。ベンチマークMNISTデータセットに関する数値シミュレーションは,このモデルがデータセットをダウンサイジングすることなく3-5キュービットだけを用いて高性能を達成できることを示し,NISQプロセッサの学習モデルに関する大規模実世界学習タスクを達成する大きな可能性を示した。このスキームは,中間スケール量子プロセッサを用いた大規模実世界学習タスクを効率的に実行するために有望である。【JST・京大機械翻訳】