| 講演抄録／キーワード |
| 講演名 |
2023-12-18 14:30
Advantage of Quantum Machine Learning from General Computational Advantages
Hayata Yamasaki・○Natsuto Isogai・Mio Murao（UTokyo） |
| 抄録 |
（和） |
量子計算機を用いた機械学習が古典計算機のみを用いた場合より厳密に優位となる一般的な学習問題の存在を示すことは、量子機械学習の理解を深めるための重要なマイルストーンである。これまでは量子機械学習ではShorのアルゴリズムのような特定の量子アルゴリズムに基づいた学習問題においてのみ優位性が示されていた。本研究では、古典データを入出力とした教師あり学習において、一般的な量子計算の優位性に基づく量子機械学習の優位性を示す。この手法は量子計算が古典アルゴリズムでは計算不可能な関数を効率的に計算可能であることに基づいており、量子機械学習の利点を実験的に実証する方法を開拓する。 |
| （英） |
Demonstrating the existence of general learning problems where machine learning using quantum computers exhibits rigorous advantages over using only classical computers is a crucial milestone in deepening our understanding of quantum machine learning (QML).
However, the provable advantages of QML so far have been shown in learning problems based on only specific quantum algorithms, such as Shor's algorithm.
This work demonstrates the advantages of QML based on the general advantages of quantum computing, in supervised learning with classical data as input and output.
This approach is based on the ability of quantum computing to efficiently compute functions intractable for classical algorithms, paving the way for experimental methods to demonstrate the advantages of quantum machine learning. |
| キーワード |
（和） |
量子機械学習 / 教師あり学習 / PAC学習 / / / / / |
| （英） |
Quantum machine learning / Supervised learning / PAC learning / / / / / |
| 文献情報 |
信学技報 |
| 資料番号 |
|
| 発行日 |
|
| ISSN |
|
| PDFダウンロード |
|