| 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 | 2024-08-27 13:55 量子アニーラーを用いた深層展開型組合せ最適化ソルバーのための転移学習 ○萩原 涼・荒井俊太・高邉賢史（東工大）  SIP2024-59 |
|
| 抄録 | （和） | 本研究では、深層学習技術である深層展開を適用した, 学習可能なサンプリングベースの組合せ最適化ソ ルバーの転移学習を提案する. 我々は先行研究において, 勾配法とサンプラーを融合した組合せ最適化ソルバーに対し て深層展開を適用することで, 組合せ最適化ソルバーの内部パラメータの学習を可能にする深層展開型組合せ最適化 ソルバーを提案した. しかし, 組合せ最適化ソルバーが本来対象とする量子アニーリング (Quantum Annealing; QA) へ の適用は計算コストの観点から学習することが困難という問題が存在している. そこで本研究では, 古典サンプラーに よって学習されたパラメータを用いて、組合せ最適化ソルバーを QA で実行する古典・量子転移学習を提案する. 数 値実験では, 古典・量子転移学習を適用した組合せ最適化ソルバーが, 元の組合せ最適化ソルバーと比較して収束速度 を大幅に加速することが明らかとなった. |
| （英） | This paper proposes transfer learning for a trainable sampling-based COP solver applying deep learning technique called deep unfolding (DU), for combinatorial optimization problems (COP). In our previous research, we proposed a deep- -unfolded COP solver that enables learning of the internal parameters of the COP solver that combines a gradient method and a sampler. However, applying DU to QA, which is the original target of the COP solver, is challenging due to a computational cost. We propose classical-quantum transfer learning, which performs the COP solver with the parameters of a solver leared with the classical sampler by QA. Numerical experiments showed that the COP solver with classical-quantum transfer learning significantly accelerated convergence speed compared to the original COP solver. | |
| キーワード | （和） | 組合せ最適化問題 / サンプリング / 量子アニーリング / 深層学習 / 深層展開 / 転移学習 / / |
| （英） | Combinatorial Optimization Problems / Sampling / Quantum Annealing / Deep Learning / Deep Unfolding / Transfer Learning / / | |
| 文献情報 | 信学技報, vol. 124, no. 162, SIP2024-59, pp. 69-74, 2024年8月. | |
| 資料番号 | SIP2024-59 | |
| 発行日 | 2024-08-19 (SIP) | |
| 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 | SIP2024-59 |
|
| 研究会情報 | |
| 研究会 | SIP |
| 開催期間 | 2024-08-26 - 2024-08-27 |
| 開催地（和） | 福井大学文京キャンパス |
| 開催地（英） | University of Fukui (Bunkyo Campus) |
| テーマ（和） | 信号処理，一般 |
| テーマ（英） | Signal processing, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | SIP |
| 会議コード | 2024-08-SIP |
| 本文の言語 | 日本語 |
| タイトル（和） | 量子アニーラーを用いた深層展開型組合せ最適化ソルバーのための転移学習 |
| サブタイトル（和） | |
| タイトル（英） | Transfer Learning for Deep-Unfolded Combinatorial Optimization Solver with Quantum Annealer |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 組合せ最適化問題 / Combinatorial Optimization Problems |
| キーワード(2)（和/英） | サンプリング / Sampling |
| キーワード(3)（和/英） | 量子アニーリング / Quantum Annealing |
| キーワード(4)（和/英） | 深層学習 / Deep Learning |
| キーワード(5)（和/英） | 深層展開 / Deep Unfolding |
| キーワード(6)（和/英） | 転移学習 / Transfer Learning |
| 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） | 萩原 涼 / Ryo Hagiwara / ハギワラ リョウ |
| 第1著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Tech) |
| 第2著者 氏名（和/英/ヨミ） | 荒井 俊太 / Shunta Arai / |
| 第2著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Tech) |
| 第3著者 氏名（和/英/ヨミ） | 高邉 賢史 / Satoshi Takabe / |
| 第3著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Tech) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-08-27 13:55:00 |
| 発表時間 | 20分 |
| 申込先研究会 | SIP |
| 資料番号 | SIP2024-59 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.162 |
| ページ範囲 | pp.69-74 |
| ページ数 | 6 |
| 発行日 | 2024-08-19 (SIP) |
[研究会発表申込システムのトップページに戻る]