Presentation Information
[A-2-12]Diversification of Quantum Kernels for Multiple Kernel Learning via Input Embedding Region Adjustment
〇Ryotaro Nagumo1, Hirokazu Shimauchi1 (1. Future Univ. Hakodate)
Keywords:
Quantum Kernel,Multiple Kernel Learning,Geometric Difference
本研究では，Multiple Kernel Learning（MKL）への応用を念頭に，多様な量子カーネル群を構成する方法を検討した．具体的には，Havlíčekら（Nature 567, 2019）のZZ型Pauli特徴写像に基づく量子カーネルを対象とし，従来調整対象として着目されてきた帯域幅に加えて，入力角度の位相オフセットも調整することで，同等以上の分類性能を保ちつつ，異なる幾何構造を有するカーネルを生成できるかを検証した．実データセットおよび人工データセットからなる40件の二値分類データセットに対し，量子カーネルSVMを構築し，ROC-AUC，Huangら（Nat. Commun. 12, 2021）が導入したGeometric Difference，およびSVM出力のPearson相関により評価した．その結果，位相オフセットの調整により，基準となる量子カーネルや比較対象の古典カーネルとは異なる構造を示しながら，基準カーネルと同程度の分類性能を維持できる場合が複数確認された．さらに，一部の条件では，基準カーネルのSVM出力との相関も低下しており，MKLにおいて相補的に利用し得る量子カーネル群を構成できる可能性が示された．