[18a-PA2-1~16] FS.1 フォーカストセッション「AIエレクトロニクス」

[18a-PA2-1] 量子・古典ハイブリッド機械学習による物体検出モデル

〇李 昂¹、鮑 飛¹、佐藤 嶺²、岡野 元基² (1.マクニカ、2.Classiq)

キーワード：

量子機械学習、量子計算、量子AI

画像認識分野において、CNNやVision Transformer (ViT) は標準的な技術となっているが、これら古典的手法による特徴表現能力には限界が存在する。本研究では、量子回路の高い表現力を活用し、古典モデルでは抽出困難な高次相関を捉える量子・古典ハイブリッド物体検出モデルを提案する。具体的には、ResNet18からの特徴マップに対し、古典Transformerによる大域的文脈と、変分量子回路 (VQC) による局所的な量子もつれ相関を統合する「ハイブリッド特徴増強モジュール」を構築した。また、学習の安定化と効率化を図るため、古典・量子パラメータを交互に更新するファインチューニング手法を導入した。交通標識検出データセットを用いた実験の結果、提案手法がベースラインモデルの精度を向上させる可能性が示されたため、複数の量子回路構成 (Ansatz) における比較結果とともに報告する。