量子力学による学習でAIの性能を向上させる

Share on FacebookShare on Google+Tweet about this on TwitterShare on LinkedInPrint this pageEmail this to someone

機械学習に量子力学を利用した最適化技術である「量子アニーリング」を適用することで、これまでの手法と比べて学習効果が高まる方法を、東北大学デンソーによる共同研究チームが発見しました。これまでの学習法よりも高い識別能力をもつなど、未知のデータに対しても性能を発揮する可能性が高いという。

機械学習では、データのどの部分に注目して強調するか、あるいは組み合わせるかなど、その最善となる方法を「最適化問題」を通して解決していきます。

最適化問題とは、与えられた制限条件において、ある目的となる関数を最大あるいは最小となる状態を解決する問題です。

最適化問題を解く方法として、近年では原子や分子などミクロなスケールのものを支配する量子力学に基づいた、「量子アニーリング」が注目されています。

極低温下において原子や分子などの現象を捉えようとすると、結果が常に変動してしまう「量子揺らぎ」が存在することが知られています。この「揺らぎ」を利用することで最適解を見つけるのが量子アニーリングで、さまざまな可能性の重ね合わせの状態を利用して探索します。

研究では、量子アニーリングによって機械学習における最適化問題を解くことで、その性能を試験しました。

機械学習の最適化問題では、効果的な「予習」によって本番の「試験」での成績が向上するように工夫をします。量子アニーリングを利用した場合、予習段階では提示されなかった未知データについても上手に課題をこなすことができるようになり、本番の試験の成績に当たる汎化性能が向上することが確認されました。

研究チームは、さまざまな可能性を探索する「量子揺らぎ」の性質が鍵を握っているとしています。

本研究成果で得られた量子揺らぎの効果例(東北大学)

通常の量子アニーリングでは、導入された量子揺らぎをしだいに弱めていきますが、より効果的に汎化性能を向上させるためには、揺らぎを最終的に切ってしまわずに、ある程度の強度を保ったまま残すことが重要であることがわかりました。

量子揺らぎを利用した探索方法においては、未知のデータであっても課題にうまく対応するようなデータの利用方法を探し出していると、研究チームは予想しています。

Share on FacebookShare on Google+Tweet about this on TwitterShare on LinkedInPrint this pageEmail this to someone
NEW POST