| 講演抄録／キーワード |
| 講演名 |
2019-11-18 13:50
［ポスター講演］固体NMRを用いたカーネル法による量子機械学習
○楠本武流・御手洗光祐・根来 誠・藤井啓祐・北川勝浩（阪大） |
| 抄録 |
（和） |
固体 NMR の複雑な量子ダイナミクスを、量子カーネル法を用いて機械学習へと応用した。
本研究では、データに依存したハミルトニアンによる時間発展を用いて生成した量子状態を特徴量として機械学習を行う。具体的には、特徴量同士の内積のみを用いて学習を行うカーネル法を応用し、異なるデータに対応する量子状態間の内積を干渉によって測定してモデルを構成する。
デモンストレーションとして$10$ 個以上の$^1$Hスピンが関与しているダイナミクスで簡単な機械学習のタスクである１次元フィッティングタスクを行った。
発展時間が長いほど、言い換えると、より多くのスピンがダイナミクスに関与するほど、学習の精度は向上する傾向にあった。 |
| （英） |
We employ so-called quantum kernel estimation to exploit complex quantum dynamics of solid-state NMR for machine learning.
We propose to map an input to a feature space by input-dependent Hamiltonian evolution, and the kernel is estimated by the interference of the evolution.
Simple machine learning tasks, namely one-dimensional fitting tasks, are performed using proton spins which exhibit correlation over 10 spins.
The performance of the trained model tends to increase with the longer evolution time, or equivalently, with a larger number of spins involved in the dynamics.
This work can be regarded as one of the baselines for this emerging field. |
| キーワード |
（和） |
量子アルゴリズム / 量子機械学習 / 固体NMR / / / / / |
| （英） |
Quantum algorithm / quantum machine learningm / solid-state NMR / / / / / |
| 文献情報 |
信学技報 |
| 資料番号 |
|
| 発行日 |
|
| ISSN |
|
| PDFダウンロード |
|