Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Log inSign up
Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Blog
Job Board
Q3AS

© 2026 Aqora Quantum S.A.S.

TermsPrivacyLegal Notice

The Brain & Neural Networks

Quantum Features and Quantum Neural Network

Kosuke Mitarai

Published Dec 5, 2022• 1 citation
Publisher

Abstract

量子コンピュータハードウェアの目覚ましい発展に伴って，量子コンピュータの応用先を広げるための研究が活発化している．様々な応用先の中でも，機械学習への応用は特に注目されている分野である．本稿では，量子コンピュータの基礎的な事項を抑えることからはじめ，量子コンピュータを機械学習に使う手法を大まかに解説する．特に，近未来の量子コンピュータで実行することが期待されている，量子特徴量や量子ニューラルネットワークの考え方に焦点をあてて，最近の研究の展開を紹介する．

DOI
10.3902/jnns.29.202

Related papers

Combinatorial Optimization by Quantum Neural Networks and Its Applications

Mikio Hasegawa

近年，イジングハミルトニアンのエネルギー最小化を利用した最適化問題の解法が検討されている（S. Utsunomiya et al., Optics Express 19, 2011）．また，そのような手法を大規模に実装する技術の研究も進んでいる（T. Inagaki et al., Science, 234, 2016）．本稿では，このようなハードウェアで実現する量子ニューラルネットワークを用いた組合せ最適化アルゴリズムを検討する．対象とする組合せ最適化問題の目的関数は，イジングスピンの相互結合に実装することとなる．相互作用によるエネルギー最小化を用いた最適化問題の解法は，Hopfield-Tank Neural Network を用いた従来研究において様々な組合せ最適化問題に適用されてきた．本稿では，Hopfield-Tank Neural Network を用いた巡回セールスマン問題の解法を，量子ニューラルネットワークで動作させる方法を説明する．シミュレーション結果を示しながら，提案手法の有効性を示す．

IEICE ESS FUNDAMENTALS REVIEW•Jan 1, 2017•0 citations

Development of Fast Quantum Algorithms

Seiichiro Tani, Yasuhiro Takahashi

量子コンピュータは現在のコンピュータにおける不可能を可能にする高速コンピュータとして大きな期待を集めている．この期待の実現には，新しいハードウェア技術とともに，ハードウェアの能力を引き出す新しいアルゴリズム技術が不可欠である．本稿では，このような高速量子アルゴリズムの開発に焦点を当て，量子コンピュータ単体による計算や通信が可能な複数の量子コンピュータを利用する計算のために開発されてきた高速量子アルゴリズムの歴史を振り返るとともに，我々の成果について，その原点となる発想を中心に紹介する．

IEICE ESS FUNDAMENTALS REVIEW•Jun 30, 2020•0 citations

複素半古典論と多次元障壁トンネル効果(3)分子科学、核理論における量子カオスと半古典理論,京大基研短期研究会 量子力学とカオス-基礎的問題からナノサイエンスまで-,研究会報告)

Kinya Takahashi, Kensuke S. Ikeda

1.5自由度障壁ポテンシャルや二自由度障壁ポテンシャルにおいて観測されるフリンジトンネル効果は本質的に多次元なトンネル効果である。本稿では、フリンジトンネル効果を題材に取り本質的に多次元なトンネル効果を複素領域に拡張した半古典論を用いて解析した結果を紹介する。特に、フリンジトンネル効果の背後にある複素古典力学的な機構に注目する。トンネル波に現れるフリンジは、多数のトンネル軌道が同時に寄与することで作り出された干渉である。そのようなフリンジトンネル効果に寄与するトンネル軌道は、主に複素に拡張した安定多様体や不安定多様体に導かれたカオス的トンネル軌道である。カオス的トンネル軌道が描き出すトンネル効果の描像は、インスタント理論が描く描像と本質的に異なる。

•Aug 20, 2004•0 citations

Quantum-Inspired Algorithms for Accelerating Machine Learning

Kei Majima, Naoko Koide‐Majima

量子コンピュータを使い，機械学習を高速化することは可能だろうか？量子コンピュータへの期待・関心が高まっている昨今，意外に感じる読者も多いかもしれないが，この問いに対する答えはまだでていない．そして，この問いに対する研究が進むにつれ，（ある意味副産物として）既存の古典コンピュータ用の機械学習アルゴリズムが改善され，量子コンピュータを使わずに高速化されるに至っている．本稿ではそのような経緯で2018年にEwin Tang氏によって発見された一連のアルゴリズム「量子インスパイアドアルゴリズム」について解説を試みる．

The Brain & Neural Networks•Dec 5, 2022•2 citations

Information Theoretically Secure Key Agreement and Related Topics

Shun Watanabe

本稿では，情報理論的に安全な秘密鍵共有とそれに関連するトピックについて概説する．まず，秘密鍵共有のモデルについて説明した後，鍵共有プロトコルが情報整合と秘匿増強と呼ばれる二つのステップから成ることを説明し，幾つかの安全性基準を紹介する．その後，情報整合の手段としてSlepian-Wolf 符号化と呼ばれるデータ圧縮法について説明する．次に，従来広く使われていた秘匿増強の方法について述べる．特に，その方法によって生成された秘密鍵は弱い安全性を満たすものの，その他の安全性基準は満たさないことを説明する．そして弱い安全性基準以外の基準を満足するにはどのように秘匿増強を行えばよいか説明する．更に，Slepian-Wolf 符号化と秘匿増強の一般化として，多端子情報源符号化問題と多端子乱数生成問題について説明する．これらの応用として，3者以上の正規ユーザ間での秘密鍵共有と秘匿関数計算について紹介する．

IEICE ESS FUNDAMENTALS REVIEW•Jan 1, 2013•0 citations

An Overview of Quantum Algorithms

Seiichiro Tani

量子コンピュータは，量子力学の原理を用いて計算を行うコンピュータであり，現在のコンピュータを超える計算能力を発揮することが期待されている．そのためには，量子コンピュータのハードウェアを効果的に使って計算を行うアルゴリズム（量子アルゴリズム）が必要となる．本稿では，これまで行われてきた量子アルゴリズム研究を概観し，課題と展望について議論する

Denshi Jouhou Tsuushin Gakkai Tsuushin Sosaieti magajin/B-plus/Denshi Jouhou Tsuushin Gakkai Tsuushin Sosaeti magajin•Jan 1, 2020•0 citations
量子コンピュータハードウェアの目覚ましい発展に伴って，量子コンピュータの応用先を広げるための研究が活発化している．様々な応用先の中でも，機械学習への応用は特に注目されている分野である．本稿では，量子コンピュータの基礎的な事項を抑えることからはじめ，量子コンピュータを機械学習に使う手法を大まかに解説する．特に，近未来の量子コンピュータで実行することが期待されている，量子特徴量や量子ニューラルネットワークの考え方に焦点をあてて，最近の研究の展開を紹介する．
近年，イジングハミルトニアンのエネルギー最小化を利用した最適化問題の解法が検討されている（S. Utsunomiya et al., Optics Express 19, 2011）．また，そのような手法を大規模に実装する技術の研究も進んでいる（T. Inagaki et al., Science, 234, 2016）．本稿では，このようなハードウェアで実現する量子ニューラルネットワークを用いた組合せ最適化アルゴリズムを検討する．対象とする組合せ最適化問題の目的関数は，イジングスピンの相互結合に実装することとなる．相互作用によるエネルギー最小化を用いた最適化問題の解法は，Hopfield-Tank Neural Network を用いた従来研究において様々な組合せ最適化問題に適用されてきた．本稿では，Hopfield-Tank Neural Network を用いた巡回セールスマン問題の解法を，量子ニューラルネットワークで動作させる方法を説明する．シミュレーション結果を示しながら，提案手法の有効性を示す．
量子コンピュータは現在のコンピュータにおける不可能を可能にする高速コンピュータとして大きな期待を集めている．この期待の実現には，新しいハードウェア技術とともに，ハードウェアの能力を引き出す新しいアルゴリズム技術が不可欠である．本稿では，このような高速量子アルゴリズムの開発に焦点を当て，量子コンピュータ単体による計算や通信が可能な複数の量子コンピュータを利用する計算のために開発されてきた高速量子アルゴリズムの歴史を振り返るとともに，我々の成果について，その原点となる発想を中心に紹介する．
1.5自由度障壁ポテンシャルや二自由度障壁ポテンシャルにおいて観測されるフリンジトンネル効果は本質的に多次元なトンネル効果である。本稿では、フリンジトンネル効果を題材に取り本質的に多次元なトンネル効果を複素領域に拡張した半古典論を用いて解析した結果を紹介する。特に、フリンジトンネル効果の背後にある複素古典力学的な機構に注目する。トンネル波に現れるフリンジは、多数のトンネル軌道が同時に寄与することで作り出された干渉である。そのようなフリンジトンネル効果に寄与するトンネル軌道は、主に複素に拡張した安定多様体や不安定多様体に導かれたカオス的トンネル軌道である。カオス的トンネル軌道が描き出すトンネル効果の描像は、インスタント理論が描く描像と本質的に異なる。
量子コンピュータを使い，機械学習を高速化することは可能だろうか？量子コンピュータへの期待・関心が高まっている昨今，意外に感じる読者も多いかもしれないが，この問いに対する答えはまだでていない．そして，この問いに対する研究が進むにつれ，（ある意味副産物として）既存の古典コンピュータ用の機械学習アルゴリズムが改善され，量子コンピュータを使わずに高速化されるに至っている．本稿ではそのような経緯で2018年にEwin Tang氏によって発見された一連のアルゴリズム「量子インスパイアドアルゴリズム」について解説を試みる．
本稿では，情報理論的に安全な秘密鍵共有とそれに関連するトピックについて概説する．まず，秘密鍵共有のモデルについて説明した後，鍵共有プロトコルが情報整合と秘匿増強と呼ばれる二つのステップから成ることを説明し，幾つかの安全性基準を紹介する．その後，情報整合の手段としてSlepian-Wolf 符号化と呼ばれるデータ圧縮法について説明する．次に，従来広く使われていた秘匿増強の方法について述べる．特に，その方法によって生成された秘密鍵は弱い安全性を満たすものの，その他の安全性基準は満たさないことを説明する．そして弱い安全性基準以外の基準を満足するにはどのように秘匿増強を行えばよいか説明する．更に，Slepian-Wolf 符号化と秘匿増強の一般化として，多端子情報源符号化問題と多端子乱数生成問題について説明する．これらの応用として，3者以上の正規ユーザ間での秘密鍵共有と秘匿関数計算について紹介する．
量子コンピュータは，量子力学の原理を用いて計算を行うコンピュータであり，現在のコンピュータを超える計算能力を発揮することが期待されている．そのためには，量子コンピュータのハードウェアを効果的に使って計算を行うアルゴリズム（量子アルゴリズム）が必要となる．本稿では，これまで行われてきた量子アルゴリズム研究を概観し，課題と展望について議論する