T-QARDメンバーが国際会議 INQA Conference 2025 (スペイン, バルセロナ) で発表しました。
- Yuuma Matsumoto, Taisei Takabayashi, Rima Sato, Rumiko Honda, Masayuki Ohzeki (2025/11/5, Poster) “Scalable Design and Demonstration of a Compatibility-Based Childcare Support Service.”
T-QARDメンバーが国際会議 INQA Conference 2025 (スペイン, バルセロナ) で発表しました。
T-QARDメンバーが日本物理学会第80回年次大会 (広島大学東広島キャンパス) で発表しました。
T-QARDメンバーが第29回統計物理学国際会議 (STATPHYS29, イタリア, フィレンツェ) で発表しました。
量子アニーリング(QA)は、QAから得られる出力値の分布がボルツマン分布に近いことを利用してボルツマン機械学習に使われることがあります。今回は、QAの代わりにシミュレーテッド量子アニーリング(SQA)を用いて、どの温度のボルツマン分布にどのくらい近いのかをエネルギー分布だけでなく、磁化やオーバーラップといった違う指標も使って確かめました。さらにそれぞれのサンプリングを使ってRBMを学習し、実際にどのようなサンプリングの分布になっているか確かめました。結果として、SQAの分布はボルツマン分布に従う様子が見らましたが、T=1.0のボルツマン分布に補正するとずれがみられました。また、SQA学習のRBMのサンプリング分布はMCMCベースのRBMよりも低エネルギー帯に分布していることがわかりました。
read
制限ボルツマンマシン(RBM)は、学習する際、コンストラクティブ・ダイバージェンス(CD)という手法で近似的に学習します。また、別の手法として、量子アニ―ラ―(QA)からサンプリングして学習する手法があります。この二つの手法は、全く異なる手法を取っているため、性能比較がされる必要があります。本論文では、CDで学習されたRBMとQAで学習されたRBMを使って、画像分類、画像再構成、対数尤度の精度を比較しました。
read
概要 解説記事「量子アニーリングを活用した非負二値行列因子分解による画像分類」では、非負二値行列因子分解を応用した多クラス画像分類モデルを提案し, 手書き数字画像を分類するという問題に対して提案モデルと全結合ニューラルネ […]
read
解説記事「量子アニーリングとADMMのハイブリッド方式による不等式制約への対処」では、不等式制約付きの組合せ最適化問題を解くために、量子アニーリング(QA : Quantum Annealing)と ADMM(Alternating Direction Method of Multipliers)を組み合わせた手法を提案した論文を紹介しました。本記事では、そのアルゴリズムを実装し、元論文の再現実験を行います。
read