CNNの特徴マップを高速演算量子コンピュータで加速する機械学習の可能性を実証

膨大な演算が必要な機械学習において、量子コンピュータの応用が効果的であると実証された。

[Cliff Saran，Computer Weekly]

　マサチューセッツ工科大学（MIT）とオックスフォード大学は、IBMのQ部門と共同で量子コンピュータが機械学習をいかに加速するかを示す論文を発表した。

Computer Weekly日本語版　5月22日号無料ダウンロード

本記事は、プレミアムコンテンツ「Computer Weekly日本語版　5月22日号」（PDF）掲載記事の抄訳版です。本記事の全文は、同プレミアムコンテンツで読むことができます。

• Computer Weekly日本語版　5月22日号：5Gの最初の5年に起こること

なお、同コンテンツのEPUB版およびKindle（MOBI）版も提供しています。

　国際的な総合科学ジャーナル「Nature」に掲載されたこの論文によると、量子コンピュータの特徴マップ（Feature Map）の演算性能は従来のコンピュータをしのぐという。

　特徴マップとは、データを分解してより細かい情報にアクセスするための機械学習の技法だ。これを利用して、データセットに含まれる猫と犬の違いのような特徴を識別する（訳注）。

訳注：特徴マップは画像認識などに利用されるCNN（Convolutional Neural Network：畳み込みニューラルネットワーク）において、畳み込み層でカーネルが抽出したデータ（テンソル）。ディープラーニングに興味のない人は、ディープラーニングで発生する演算プロセスの一つと考えておけばよい。

　IBMの研究員クリスタン・テメ氏は、この論文について本誌に次のように語った。「特徴マップは、取得したデータに含まれる全ての特徴を列挙する」

　機械学習では、複雑なデータを使って学習させるのは困難だと考えられている。複雑なデータでは、猫や犬の画像を一意に識別するのに必要な特徴の数よりもサンプル数が少ないためだ。

　データ分析の種類によっては、問題の規模に比例して特徴マップに必要な演算リソースが指数関数的に増大する。そのため従来のコンピュータでは問題を解決するのが困難になる。この複雑さは量子コンピュータにうってつけだとテメ氏は言う。

　「特徴マップと量子力学には自然な重なりがあるので、特徴マップに量子回路を当てはめることができる。従来のコンピュータで伝統的な機械学習を使って行うのは困難かもしれない」とテメ氏は語る。

　テメ氏は次のように続ける。

続きはComputer Weekly日本語版　5月22日号にて

本記事は抄訳版です。全文は、以下でダウンロード（無料）できます。

• Computer Weekly日本語版　5月22日号：5Gの最初の5年に起こること

■Computer Weekly日本語版 最近のバックナンバー

Computer Weekly日本語版　5月8日号　セキュリティ演習でレベルアップ

Computer Weekly日本語版　4月17日号　今すぐできるクラウドコストダイエット

Computer Weekly日本語版　4月3日号　ストレージ管理者はもう要らない