敵対的生成ネットワーク(GAN:Generative Adversarial Network)は、画像を生成する深層学習であり、パラメータが多くなるほど、計算コストが一層高くなるという問題があります。そこで、本論文ではGANの生成器を量子回路とニューラルネットワークのハイブリットで構成し、その結果、手書き画像の生成において、計算コストを削減することに成功しました。

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。