T-QARD Harbor

               

T-QARD Harbor

T-QARD Harborは東北大学・東京科学大学 量子アプリケーション研究開発センター学生チーム「T-QARD Crews」が　運営する, 量子アニーリング, 量子コンピュータ, 量子情報, 数理最適化, 機械学習分野の情報を提供するWebサイトです                

活動報告

学会発表: ICIAM 2023

T-QARD Crews

T-QARDメンバーが第10回国際産業数理・応用数理会議 (ICIAM2023, 東京都) で発表を行いました。

  • 羽場廉一郎 (2023/8/24, Oral) “Nonnegative binary matrix factorization by continuous relaxation and reverse annealing”

学会発表: STATPHYS28

T-QARD Crews

T-QARDメンバーが第28回統計物理学国際会議 STATPHYS28 (STATPHYS28, 東京大学) で発表を行いました。

  • 高林泰成 (2023/8/8, Poster) “Improvement of Hybrid Scheme of Continuous Optimization and Simulated Annealing”
  • 平間草太 (2023/8/7, Poster) “Algorithm for Binary Quadratic Programming Problem by Column Generation and Quantum Annealing”
  • 丸山尚貴 (2023/8/9, Oral) “Interpretation of unfair sampling in quantum annealing by node centrality”
  • 森田圭祐 (2023/8/11, Oral) “A Simple Post-Processing Method for Improving Bayesian Optimization of Combinatorial Problems”
もっと見る »

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

山田 竜雅

非負二値行列因子分解(NBMF)は、元々量子アニーリングを用いて学習される生成モデルとして提案された手法です。以前の研究ではNBMFを用いた顔画像の再構築といった課題が扱われてきました。しかし、NBMFを他の機械学習課題に応用したり、他の機械学習手法と比較したりする試みはほとんど行われていませんでした。そこで本論文ではNBMFの応用として多クラス画像分類モデルを提案し、手書き数字画像データの分類問題に対して、提案手法と古典的な機械学習手法を比較して、その有効性を評価しました。その結果、データ量、特徴数、エポック数が少ないという特定の条件下で、NBMFがニューラルネットワークなどの従来手法よりも高い分類精度を示すことが明らかになりました。さらに、量子アニーリングマシンを用いることで、学習にかかる計算時間を大幅に削減できることも示されました。これらの結果から、特定の条件下において、機械学習に量子アニーリング技術を活用することの有効性と利点が明らかとなりました。

read

バッチサイズが大きいとなぜ汎化性能が下がるのか？

鹿内 怜央

深層学習では計算効率を高めるために大規模バッチ学習（LB）が盛んに使われますが、経験的に「テスト精度が下がる」という問題が知られています。本記事では、その原因を「損失関数の谷の形状」という観点から探り、数値実験を通してLBが鋭い谷に、小規模バッチ（SB）が平坦な谷に収束しやすいことを示します。さらに、両者の利点を活かすために提案された「ウォームスタート」の効果を紹介し、汎化性能をめぐる新たな理解と今後の課題について考察します。

read
もっと見る »

実践記事

もっと見る »