| 講演抄録／キーワード |
| 講演名 |
2024-11-28 15:10
量子カーネル学習におけるエナジー効率化パラメトライズを用いたネットワークサービス故障診断の検討
○山内啓嗣（ソフトバンク）・曽我部東馬（電通大）・ロドニー バン ミータ（慶大） |
| 抄録 |
（和） |
量子カーネル学習は, 量子コンピュータを使用して特徴ベクトル間の内積を計算することにより, サポートベクターマシン(SVM) などの機械学習モデルでカーネルとして使用するグラム行列を得るための手法として知られている. しかし, 一貫して高い性能を達成する方法は確立されていない. 本研究において, 通信事業者のネットワーク運用で使用されるネットワークサービス故障診断システムの商用データセットを用いて, 量子カーネル学習に焦点を当てた故障診断精度を調査し, 高性能を安定して達成する方法を提案する. 入力データのパラメータマッピングと相対位相強度に関するパラメータ調整を通じ, 量子カーネルを作成する一般的な量子回路の一部に量子もつれを適用することで, 従来の方法に対して大幅な性能向上と効率的な高性能の達成が可能であることを示す. さらに, IBM 社製超伝導量子コンピュータ「IBM-Kawasaki」を使用して量子カーネルの実験的検証を行い, QCTRL 社製エラー抑制システム「Fire Opal」を適用しながらその実用性の検証を行った. |
| （英） |
In quantum kernel learning, the primary method involves using a quantum computer to calculate the inner product between feature vectors, thereby obtaining a Gram matrix used as a kernel in machine learning models such as support vector machines (SVMs). However, a method for consistently achieving high performance has not been established. In this study, we investigate the diagnostic accuracy using a commercial dataset of a network service fault diagnosis system used by telecommunications carriers, focusing on quantum kernel learning, and propose a method to stably achieve high performance. We show significant performance improvements and an efficient achievement of high performance over conventional methods can be attained by applying quantum entanglement in the portion of the general quantum circuit used to create the quantum kernel, through input data parameter mapping and parameter tuning related to relative phase angles. Furthermore, experimental validation of the quantum kernel was conducted using IBM’s superconducting quantum computer IBM-Kawasaki, and its practicality was verified while applying the error suppression feature of QCTRL’s Fire Opal. |
| キーワード |
（和） |
量子コンピュータ / 量子機械学習 / 量子カーネル学習 / ネットワークシステム / 故障診断 / / / |
| （英） |
Quantum Computer / Quantum Machine Learning / Quantum Kernel Learning / Network System / Fault Diagnosis / / / |
| 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 |
2024-11-26 - 2024-11-28 |
| 開催地（和） |
サンポートホール高松 |
| 開催地（英） |
Sunport Hall Takamatsu |
| 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 |
2024-11-QIT |
| 本文の言語 |
日本語 |
| タイトル（和） |
量子カーネル学習におけるエナジー効率化パラメトライズを用いたネットワークサービス故障診断の検討 |
| サブタイトル（和） |
|
| タイトル（英） |
Parametrized Energy-Efficient Quantum Kernels for Network Service Fault Diagnosis |
| サブタイトル（英） |
|
| キーワード(1)（和/英） |
量子コンピュータ / Quantum Computer |
| キーワード(2)（和/英） |
量子機械学習 / Quantum Machine Learning |
| キーワード(3)（和/英） |
量子カーネル学習 / Quantum Kernel Learning |
| キーワード(4)（和/英） |
ネットワークシステム / Network System |
| キーワード(5)（和/英） |
故障診断 / Fault Diagnosis |
| 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） |
山内 啓嗣 / Hiroshi Yamauchi / ヤマウチ ヒロシ |
| 第1著者 所属（和/英） |
ソフトバンク株式会社 (略称： ソフトバンク)
SoftBank Corp (略称： SoftBank) |
| 第2著者 氏名（和/英/ヨミ） |
曽我部 東馬 / Tomah Sogabe / ソガベ トウマ |
| 第2著者 所属（和/英） |
国立大学法人電気通信大学 (略称： 電通大)
The University of Electro-Communications (略称： UEC) |
| 第3著者 氏名（和/英/ヨミ） |
ロドニー バン ミータ / Rodney Van Meter / ロドニー バン ミータ |
| 第3著者 所属（和/英） |
慶應義塾大学 (略称： 慶大)
Keio University (略称： Keio) |
| 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： ) |
| 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 |
2024-11-28 15:10:00 |
| 発表時間 |
20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 |
|
|