量子-古典機械学習（量子アニーリング方式）
概要
既存の古典コンピュータ、量子コンピュータのそれぞれの特性を組み合わせた機械学習の提案を行っています。 ここでは特に組み合わせ最適化に特化した量子アニーリング方式について紹介しています。
事例
【詳細】
機械学習においては、モデル構築のために大量のデータを繰り返し学習するため、学習に大きなコストが必要となります。 この事例では、学習データに対し、量子アルゴリズムによるクラスタリングを行い、学習効果の高いデータの選別を行うことで、学習の高速化を図りました。
量子コンピュータで学習効果の高い最適なデータを選別
高速化性能の比較
【システム構成】
- OS：Ubuntu
- 最適化実行環境：D-Wave（量子コンピュータ）、Fixstars Amplify、OpenJij（シミュレータ）
【開発ツール】
- Python、PyTorch
【対象業務】
- 概念実証（社内研究）