デジタル人材の育成
公開日:2024年5月29日
量子コンピュータの活用先の一つである機械学習では、古典データを量子状態に変換するために量子特徴マッピングと呼ばれる手法が用いられている。この手法を用いることで、座標や価格等の実世界のデータを量子の性質を活用しながら計算することが可能となる。さらに、変換後の要素の内積を計算するとカーネルとして扱うことができるため、古典機械学習との連携が容易になる。しかし、データセットの特性に合わせた量子特徴マッピング手法の選定方法やパラメータの調整方法は十分に検証されていない。そこで、本プロジェクトでは実世界のデータセットを目的別に分類し、ハードウェアの制約を考慮しながら量子特徴マッピング手法を評価することで、手法の選定方法とパラメータが与える影響を明らかにする。その後、新規マッピング手法の提案と開発を目指す。
量子機械学習における古典と量子のインターフェースとなる古典データから量子状態へのマッピング、量子特徴量マップの実装や最適化を行うという提案であり、量子機械学習の基礎と発展においては重要なテーマ。Kaggleなどで公開されている実データの量子回路への埋め込みや、それを快適に実行するためのライブラリーが整備されることで、量子機械学習がより民主化され普及することを期待する。量子機械学習に関する学術的・専門知識の観点からサポートしたい。
2024年5月29日
2024年度採択プロジェクト概要(作花PJ)を掲載しました。