T-QARD Harbor

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 […]

この論文では、交差点で待機する車両数と隣接する交差点の信号状況をもとに、適切な信号を選択するという交通信号最適化問題を解く方法について考えます。その問題を解くためにこの論文では効率の良い信号制御のため、「より多くの車を流す」点と、「より隣接交差点からスムーズに流れるようにする」という2点に着目し、量子アニーリング用に定式化しました。その結果、定式化した式と量子アニーリングを用いて、より効率の良い信号の組み合わせを得ることができました。

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。

渋滞を解消するような交通信号機の最適化は、ドライバーのストレス軽減やCO2削減量の削減という点において重要です。現在の日本では、定周期制御と交通感応制御という2つの方法を併用しています。交通感応制御ではリアルタイムに交通情報を取得し信号の状態を決定するため、高速な計算が求められており、量子アニーリングの活用が期待されています。量子アニーリングを活用したR. Shikanai らの先行研究では、曖昧なパラメタが存在し、モデル予測制御も導入されていません。本研究ではそのような曖昧なパラメータを除去し、モデル予測制御を組み込んだイジングモデルを提案します。

電力ネットワーク全体で電力を効率的に使用するためには電力の余剰の最適化が重要な要素です。本論文では、量子アニーリングを用いて電力余剰を最適に活用できるようなネットワークを探索する方法を示しました。そして、ドイツの送電ネットワークでの電力余剰を最適化するという問題に対して、量子と古典のハイブリッドソルバーと古典ソルバーのそれぞれで結果を出して、古典ソルバーに対して量子と古典のハイブリッドソルバーがコスト関数の値がより低い解を出すことを示しました。

概要 量子アニーリングによる作曲 ( メロディの生成 ) の再現実験を行います。具体的には、OpenJij を用いて複数個の音符を同時生成し、メロディが生成されることを確認します。また、D-Wave Ocean の機能を […]

持続可能な社会を実現するためのエネルギー変換や環境浄化、医療などの分野での応用が期待されている「メタマテリアル」の設計図を効率的に探すための手法として「ブラックボックス最適化」技術を用いることが提案されています。ブラックボックス最適化では、すでに性能がわかっている素材の設計図をもとに、より「優れた」設計図を探すための最適化問題を作成し、それを解くことで最適な設計図を探します。本論文では、この最適化問題を量子アニーリングを用いて解く試みを行います。

本記事では量子アニーリングマシンによる数分割問題の計算時間を、総当たりによる計算時間と比較することによってその有用性を確認します。

2023年5月31日をもって、約5年間利用されてきたD-Wave 2000Qが廃止となりました。現在はD-Wave Advantage、そして2023-2024年に発売予定のD-Wave Advantage2のプロトタイプが利用可能です。本論文では、最大クリーク問題、最大カット問題を解くことにより、これら3世代のマシンの性能比較を行っています。その結果、最新のAdvantage2が、最適解に近い解を得られる確率において最も優れていることが分かりました。これはハードウェアグラフが密になり、マイナー埋め込みに必要なチェーンが少なくなったことが一因と考えられます。また、Advantage2では、比較的フェアサンプリングしていないことも分かりました。

現状のD-Waveマシンでは、ハードウェア上に解きたい問題のグラフを埋め込む必要があります。このグラフが密になればなるほど、使用できる量子ビット数は少なくなってしまいます。問題をQUBO形式で表現する際、制約を罰金項で記述することがよくあります。しかし、罰金項は2次項であるため必然的にグラフは密になってしまい、使用できる量子ビット数を少なくしてしまいます。本論文では、このようなD-Waveマシンを使用する際に生じてしまう制限を解消する方法を紹介します。