T-QARD Harbor

               

T-QARD Harbor

T-QARD Harborは東北大学量子アプリケーション研究開発センターT-QARDが運営する情報統計学、量子コンピュータ、最適化、機械学習分野の情報を提供するWebサイトです                

お知らせ

CCP 2024

T-QARDメンバーがConference on Computational Physics (CCP2024, 場所: ギリシャ,テッサロニキ)で発表を行いました。

  • 宮本誠也(2024/07/10, Oral)“Efficient sampling in a glassy phase using a machine-learning-assisted Markov Chain Monte Carlo Method”

AQC2024

T-QARDメンバーが国際会議 Adiabatic Quantum Computing Conference AQC2024 (スコットランド, グラスゴー)で発表を行いました。

  • 宮本誠也(2024/06/11, Oral)“Efficient sampling in a glassy phase using a machine-learning-assisted Markov Chain Monte Carlo Method”
  • 平間草太(2024/6/11, Poster)“Development of Exact Solution Method for Binary Quadratic Programming Problems Using Quantum Annealing and Dantzig-Wolfe Decomposition”
  • 高林泰成(2024/6/13, Poster)“Optimization of connection patterns to base stations with Quantum Annealing”
  • 森田圭祐 (2024/6/13, Poster) “Fast algorithm for Bayesian optimization of high-dimensional combinatorial problems”

日本物理学会2024年春季大会

T-QARDメンバーが日本物理学会2024年春季大会 (オンライン) で発表を行いました。

  • 西山颯大 (2024/3/18, 口頭)「一般の活性化関数を持つ全結合2層ニューラルネットワークの記憶容量」
  • 森田圭祐 (2024/3/18, 口頭)「Factorization Machinesを用いたベイズ最適化の性能評価」
もっと見る »

先行研究の記事

制約付き量子アニーリング:罰金項を使わずにグラフ彩色問題を解く

量子アニーリングでは、組合せ最適化問題の制約は罰金項として表現することが一般的です。しかしこの手法は量子アニーリング (QA) の性能を落としてしまうことが知られています。本論文では 制約付き量子アニーリング (Constrained Quantum Annealing, CQA) と呼ばれる手法を用いて組合せ最適化問題を解きます。この手法は制約を罰金項として表現するのではなく、量子効果を表す driver Hamiltonian を適切に用いることで制約を満たした解のみに限定して探索を行うことができる手法です。本論文では組合せ最適化問題の一例としてグラフ彩色問題に注目して、グラフ彩色問題を CQA を用いて解きます。実験の結果では CQA により最適解に近い解を得ることができました。一方で予想と違う結果も得られ、この考察も行います。

read

無限幅ニューラルネットワークの統計力学 ― 活性化関数の観点から

ニューラルネットワーク(NN)の性能と活性化関数の関係にまつわる2つの研究の流れがあります.1つは,記憶容量の問題の統計力学的解析です.記憶容量とは,二値分類モデルが記憶できるランダムなデータの最大数(パラメータあたり)で,モデルの表現能力の指標の一つです.もう1つは,無限幅NNとGauss過程の関連に関するものです.この研究の流れは,NNの高い性能に対してより深い洞察を与える理論として注目されています.これらの研究は独立に発展してきましたが,両者には深いつながりがあることを指摘します.

read
もっと見る »

実践記事

もっと見る »