量子相認識に向けた量子畳み込みニューラルネットワークのチャネル注意機構の提案
Gekko Budiutama, 大門 俊介, 西 紘史, 隆威 金子, Tomi Ohtsuki, 松下雄一郎
Published Mar 25, 2024• 0 citations
Abstract
量子畳み込みニューラルネットワーク(QCNNs)は、量子コンピュータ上での機械学習アルゴリ ズムとして有望なアプローチの一つである[1]。QCNNsは量子位相認識といった様々な学習タスク で成功を収めており[2]、勾配消失問題に耐性があるため、トレーニングが容易である。しかし、 QCNNsの実用性を向上させるためには、トレーニングコストの削減と性能の向上が不可欠である。 本研究では、QCNNsに向けたチャネル注意機構を提案する[3]。このチャネル注意機構では、従 来のQCNNsで破棄される量子ビットを測定することにより出力状態のチャネルを生成し、各チャ ネルに重要性を示す重みパラメータが割り当てられる(図 a)。基底状態から量子相を予測する 量子相認識タスクにおいて、チャネル注意機構を導入したQCNNと従来のQCNNを比較した。 その結果、チャネル注意機構を導入した QCNN は、正しい状態の確率を高め、予測結果を理想 的な解に近づけた(図 b)。さらに、チャネル注意機構は QCNN の訓練エポック数を大幅に削減 し、訓練コストを抑えることができた。また、QCNN−古典ニューラルネットワークの従来のハイ ブリッドモデルに比較した結果、 チャネル注意機構を導入した QCNN はより少ないパラメータ かつ高精度で量子相を認識する ことができた。したがって、提案 したチャネル注意機構は QCNNs の実用性、汎用性、および使いや すさを向上する高効率かつ低コ ストな手法である。