講演情報
[15p-M_123-1]カオス的量子拡散モデルによる量子データ分布の学習
〇チャン クオック ホアン1、鎮西 弘毅1、遠藤 康浩1、大島 弘敬1 (1.富士通)
キーワード：
量子データ分布、拡散モデル、射影アンサンブル
量子データの生成は量子現象の理解を深め，化学・生物学・材料科学に応用する基盤となる．量子ノイズ除去拡散確率モデル（QuDDPM）は量子スクランブリングで拡散過程を作成し，逆過程を学習してターゲット分布をモデル化するが，高忠実度回路を要し，ノイズに敏感である．本研究では，カオス的ハミルトニアンの時間発展によるカオス的量子拡散モデルを提案する．このアプローチはグローバルの制御のみを要求するため，多様なアナログ量子プラットフォームでの実装オーバーヘッドを削減しつつ，QuDDPM と同等の精度を達成する．この方法により，訓練可能性と頑健性が向上し，量子生成モデルの適用範囲が広がる．