[15p-M_123-1~8] FS.1 フォーカストセッション「AIエレクトロニクス」

14:30 〜 14:45

[15p-M_123-3] 適応補間量子変換（AIQT）：効率的なデータ適応量子変換学習

〇ブディウタマ パトリア ゲッコ^1,2、大門 俊介³、黄 欣馳^1,2、西 紘史^1,2、金子 隆威⁴、大槻 東巳⁴、松下 雄一郎^1,2,3 (1.Quemix、2.東大、3.量研、4.上智)

キーワード：

量子機械学習、量子アルゴリズム、量子コンピューター

量子計算における「学習（データ駆動）」は重要な目標である一方、多くの量子アルゴリズムは固定構造に基づいて設計され、データから最適化される枠組みはまだ限定的である。現状の代表例として量子ニューラルネットワーク（QNN）があるが、学習の困難さ（barren plateau に類する学習停滞）、パラメータ数の増大、回路規模のスケーリングなどが実装上の課題となる。本講演では、これらの課題に対し、少数のグローバル／構造化パラメータで「よく定義されたユニタリ変換間を滑らかに補間」する学習可能ユニタリとして 適応補間量子変換（AIQT） を紹介する。AIQTは任意のユニタリを直接学習するのではなく、意味のある制約付き部分空間に学習を限定することで、構造的帰納バイアスと学習効率の両立を狙う。