| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2022-01-17 11:00 情報幾何に基づく量子ボルツマンマシンにおけるクラスター近似法 ○星川将也・小川朋宏（電通大）  IBISML2021-21 |
|
| 抄録 | （和） | ボルツマンマシン(BM)は機械学習モデルの一つであり，確率的に二種類の状態を取る素子が相互に結合されたネットワークである． BMの学習の目的は，結合パラメータを調整する事により，ネットワークの平衡分布によって外界のデータ特性を近似する事である． BMの学習過程においては，素子の期待値計算が困難である事が知らている． この問題に対して，制限ボルツマンマシンやディープボルツマンマシンが広く研究され， 近年のディープラーニングへと発展した． BMの計算困難性に対する別のアプローチとして統計力学に由来する平均場近似がある． さらにその拡張として，クラスター近似とその学習アルゴリズムが提案されている． 近年，BMの量子スピン系への自然な拡張として量子ボルツマンマシン(QBM)が 研究されているが，BMと同様の問題を抱えている． 本研究では，QBMにおけるクラスター近似を量子情報幾何の観点から研究し， 近似されたネットワークのパラメータが満たすべき条件を導出した． |
| （英） | A Boltzmann Machine (BM) is a model of machine learning which consists of mutually connected probabilistic binary units. BMs are trained by tuning their parameters to approximate statistics of environments as equilibrium distribution of networks. It is known in the learning process of fully connected BMs that computational difficulty arises to obtain expectation values of binary units in the networks. As a solution of the problem, restricted BM and deep BM had been proposed and extensively studied, which had lead to recent development of deep learning. The mean-field approximation is another approach to computational difficulty in BMs motivated by the idea in statistical physics. As an extension of the mean-field approximation, cluster approximation and its training algorithm have been proposed. Recently, Quantum Boltzmann Machines (QBMs) have been studied as a natural extension of BMs to quantum spin systems, where the same problem as BM arises. In this work, we study cluster approximation of QBMs in terms of quantum information geometry, and derive a condition to be satisfied for the parameters of approximated network. |
|
| キーワード | （和） | ボルツマンマシン / 量子ボルツマンマシン / 平均場近似 / クラスター近似 / 情報幾何 / / / |
| （英） | Boltzmann Machine / Quantum Boltzmann Machine / Mean Field Approximation / Cluster Approximation / Information Geometry / / / | |
| 文献情報 | 信学技報, vol. 121, no. 321, IBISML2021-21, pp. 23-28, 2022年1月. | |
| 資料番号 | IBISML2021-21 | |
| 発行日 | 2022-01-10 (IBISML) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IBISML2021-21 |
|
| 研究会情報 | |
| 研究会 | IBISML |
| 開催期間 | 2022-01-17 - 2022-01-18 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 機械学習一般 |
| テーマ（英） | Machine Learning, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2022-01-IBISML |
| 本文の言語 | 日本語 |
| タイトル（和） | 情報幾何に基づく量子ボルツマンマシンにおけるクラスター近似法 |
| サブタイトル（和） | |
| タイトル（英） | Cluster approximation in quantum Boltzmann machine based on information geometry |
| サブタイトル（英） | |
| キーワード(1)（和/英） | ボルツマンマシン / Boltzmann Machine |
| キーワード(2)（和/英） | 量子ボルツマンマシン / Quantum Boltzmann Machine |
| キーワード(3)（和/英） | 平均場近似 / Mean Field Approximation |
| キーワード(4)（和/英） | クラスター近似 / Cluster Approximation |
| キーワード(5)（和/英） | 情報幾何 / Information Geometry |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 星川 将也 / Masaya Hoshikawa / ホシカワ マサヤ |
| 第1著者 所属（和/英） | 電気通信大学 (略称： 電通大) University of Electro-Communications (略称： UEC) |
| 第2著者 氏名（和/英/ヨミ） | 小川 朋宏 / Tomohiro Ogawa / オガワ トモヒロ |
| 第2著者 所属（和/英） | 電気通信大学 (略称： 電通大) University of Electro-Communications (略称： UEC) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-01-17 11:00:00 |
| 発表時間 | 20分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2021-21 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.321 |
| ページ範囲 | pp.23-28 |
| ページ数 | 6 |
| 発行日 | 2022-01-10 (IBISML) |
[研究会発表申込システムのトップページに戻る]