| 講演抄録／キーワード |
| 講演名 |
2023-05-30 10:00
確率分布生成のための量子GANに対する新しい初期分布の提案
○佐野裕一・古賀亮佑（京大）・阿部真也・中川 慧（野村アセットマネジメント） |
| 抄録 |
（和） |
量子コンピュータは、特定の問題を古典コンピュータよりも高速に解けることから注目されており、その一つに金融分野などで多く用いられているモンテカルロ法を高速化する量子期待値推定アルゴリズムがある。
先行研究では、GANの量子回路版である量子GANを用いて、浅い量子回路で量子期待値推定アルゴリズムの実行に必要な確率分布を再現できることが示された。
しかしながら、先行研究において初期分布の違いによって収束速度や生成分布の精度が大きく異なることが示唆されている。
特に正規分布を初期分布とすることの有効性が主張されていたが、正規分布を利用するにはより深い量子回路が必要となり、量子GANの利点を失う可能性がある。
そこで、本研究では、量子GANの学習をより効率化する浅い量子回路の初期分布の作成方法を提案する。
具体的には、``ラベルの入れ替え''という古典的な処理によって、一様分布と同様の浅い量子回路で様々な確率分布生成できる方法を提案する。
提案手法を用いて、金融分野などで重要な確率分布である対数正規分布を既存手法よりも効率的かつ高精度に生成できることを実証した。
また、本研究で提案した初期分布が量子GANの初期の重みの決定する問題になっていることを示した。 |
| （英） |
Quantum computers are gaining attention for their ability to solve certain problems faster than classical computers, and one example is the quantum expectation estimation algorithm that accelerates the widely-used Monte Carlo method in fields such as finance.
A previous study has shown that qGAN, a quantum circuit version of GAN, can generate the probability distribution necessary for the quantum expectation estimation algorithm in shallow quantum circuits.
However, a previous study has also suggested that the convergence speed and accuracy of the generated distribution can vary greatly depending on the initial distribution of the generator of qGAN.
In particular, the effectiveness of using a normal distribution as the initial distribution has been claimed, but it requires a deep quantum circuit, which may lose the advantage of qGAN.
Therefore, in this study, we propose a novel method for generating an initial distribution that improves the efficiency of qGAN learning.
Our method uses the classical process of "label replacement" to generate various probability distributions in shallow quantum circuits similar to the uniform distribution.
We demonstrate that our proposed method can generate the log-normal distribution, which is important in financial engineering, more efficiently than existing methods.
Additionally, we show that the initial distribution proposed in our research is related to the problem of determining the initial weights for qGAN. |
| キーワード |
（和） |
量子計算 / 量子アルゴリズム / モンテカルロ法 / 量子機械学習 / 量子GAN / / / |
| （英） |
Quantum computation / Quantum algorithms / Monte Carlo method / Quantum machine learning / Quantum GAN / qGAN / / |
| 文献情報 |
信学技報 |
| 資料番号 |
|
| 発行日 |
|
| ISSN |
|
| PDFダウンロード |
|
| 研究会情報 |
| 研究会 |
QIT |
| 開催期間 |
2023-05-29 - 2023-05-30 |
| 開催地（和） |
京都大学 桂キャンパス |
| 開催地（英） |
Katsura Campus, Kyoto University |
| テーマ（和） |
量子情報, 一般 |
| テーマ（英） |
Quantum Information |
| 講演論文情報の詳細 |
| 申込み研究会 |
QIT |
| 会議コード |
2023-05-QIT |
| 本文の言語 |
日本語 |
| タイトル（和） |
確率分布生成のための量子GANに対する新しい初期分布の提案 |
| サブタイトル（和） |
|
| タイトル（英） |
A new initial distribution for qGAN to load probability distributions |
| サブタイトル（英） |
|
| キーワード(1)（和/英） |
量子計算 / Quantum computation |
| キーワード(2)（和/英） |
量子アルゴリズム / Quantum algorithms |
| キーワード(3)（和/英） |
モンテカルロ法 / Monte Carlo method |
| キーワード(4)（和/英） |
量子機械学習 / Quantum machine learning |
| キーワード(5)（和/英） |
量子GAN / Quantum GAN |
| キーワード(6)（和/英） |
/ qGAN |
| 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） |
佐野 裕一 / Yuichi Sano / サノ ユウイチ |
| 第1著者 所属（和/英） |
京都大学 (略称： 京大)
Kyoto University (略称： Kyoto Univ.) |
| 第2著者 氏名（和/英/ヨミ） |
古賀 亮佑 / Ryosuke Koga / コガ リョウスケ |
| 第2著者 所属（和/英） |
京都大学 (略称： 京大)
Kyoto University (略称： Kyoto Univ.) |
| 第3著者 氏名（和/英/ヨミ） |
阿部 真也 / Masaya Abe / アベ マサヤ |
| 第3著者 所属（和/英） |
野村アセットマネジメント株式会社 (略称： 野村アセットマネジメント)
Nomura Asset Management Co,Ltd. (略称： Nomura Asset Management) |
| 第4著者 氏名（和/英/ヨミ） |
中川 慧 / Kei Nakagawa / ナカガワ ケイ |
| 第4著者 所属（和/英） |
野村アセットマネジメント株式会社 (略称： 野村アセットマネジメント)
Nomura Asset Management Co,Ltd. (略称： Nomura Asset Management) |
| 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： ) |
| 第19著者 氏名（和/英/ヨミ） |
/ / |
| 第19著者 所属（和/英） |
(略称： )
(略称： ) |
| 第20著者 氏名（和/英/ヨミ） |
/ / |
| 第20著者 所属（和/英） |
(略称： )
(略称： ) |
| 第21著者 氏名（和/英/ヨミ） |
/ / |
| 第21著者 所属（和/英） |
(略称： )
(略称： ) |
| 第22著者 氏名（和/英/ヨミ） |
/ / |
| 第22著者 所属（和/英） |
(略称： )
(略称： ) |
| 第23著者 氏名（和/英/ヨミ） |
/ / |
| 第23著者 所属（和/英） |
(略称： )
(略称： ) |
| 第24著者 氏名（和/英/ヨミ） |
/ / |
| 第24著者 所属（和/英） |
(略称： )
(略称： ) |
| 第25著者 氏名（和/英/ヨミ） |
/ / |
| 第25著者 所属（和/英） |
(略称： )
(略称： ) |
| 第26著者 氏名（和/英/ヨミ） |
/ / |
| 第26著者 所属（和/英） |
(略称： )
(略称： ) |
| 第27著者 氏名（和/英/ヨミ） |
/ / |
| 第27著者 所属（和/英） |
(略称： )
(略称： ) |
| 第28著者 氏名（和/英/ヨミ） |
/ / |
| 第28著者 所属（和/英） |
(略称： )
(略称： ) |
| 第29著者 氏名（和/英/ヨミ） |
/ / |
| 第29著者 所属（和/英） |
(略称： )
(略称： ) |
| 第30著者 氏名（和/英/ヨミ） |
/ / |
| 第30著者 所属（和/英） |
(略称： )
(略称： ) |
| 第31著者 氏名（和/英/ヨミ） |
/ / |
| 第31著者 所属（和/英） |
(略称： )
(略称： ) |
| 第32著者 氏名（和/英/ヨミ） |
/ / |
| 第32著者 所属（和/英） |
(略称： )
(略称： ) |
| 第33著者 氏名（和/英/ヨミ） |
/ / |
| 第33著者 所属（和/英） |
(略称： )
(略称： ) |
| 第34著者 氏名（和/英/ヨミ） |
/ / |
| 第34著者 所属（和/英） |
(略称： )
(略称： ) |
| 第35著者 氏名（和/英/ヨミ） |
/ / |
| 第35著者 所属（和/英） |
(略称： )
(略称： ) |
| 第36著者 氏名（和/英/ヨミ） |
/ / |
| 第36著者 所属（和/英） |
(略称： )
(略称： ) |
| 講演者 |
第1著者 |
| 発表日時 |
2023-05-30 10:00:00 |
| 発表時間 |
15分 |
| 申込先研究会 |
QIT |
| 資料番号 |
|
| 巻番号（vol） |
vol. |
| 号番号（no） |
|
| ページ範囲 |
|
| ページ数 |
|
| 発行日 |
|
|