特許ウォッチ

公開番号2025098997
公報種別公開特許公報(A)
公開日2025-07-02
出願番号2024225844
出願日2024-12-20
発明の名称量子機械学習向けの変動等価可変量子回路を実装するためのシステムおよび方法ならびに関連する方法
出願人マルチバースコンピューティングソシエダッドリミターダ
代理人弁理士法人YKI国際特許事務所
主分類G06N 10/60 20220101AFI20250625BHJP(計算;計数)
要約【課題】対称型量子回路を実装するためのシステムを提供すること。
【解決手段】
対称型量子回路を実装するためのシステムおよび方法は、入力データを処理するためのデータ処理モジュールと、対称型量子演算を用いて一連の量子ビットに関する対称型量子回路を構築するための量子回路構築モジュールと、最適化技法を用いて回路パラメータを最適化するための最適化モジュールと、新たな入力データに対して出力データを生成するための出力生成モジュールとを含む。対称型量子回路は、様々な量子ハードウェア上に実装され得、より高速な収束および訓練、より優れた精度を提供する。
【選択図】図1
特許請求の範囲【請求項１】
対称型量子回路を実装するためのシステムであって、
データ源からの入力データを処理するためのデータ処理モジュールと、
対称型量子演算を用いて一連の量子ビットに関するデータ特質を尊重する対称型量子回路を構築するための量子回路構築モジュールと、
最適化技法を用いて性能メトリックを最小化するように回路パラメータを最適化するための最適化モジュールと、
新たな入力データに対して出力データを生成するための出力生成モジュールとを備えることを特徴とするシステム。
続きを表示（約 930 文字）【請求項２】
請求項１に記載のシステムであって、前記データ処理モジュールがデータセットから古典的データを読み取ることを特徴とする、システム。
【請求項３】
請求項２に記載のシステムであって、前記対称型量子回路構築モジュールが等価可変変動型量子回路を確立することを特徴とする、システム。
【請求項４】
請求項３に記載のシステムであって、前記最適化モジュールが、前記等価可変変動型量子回路の前記パラメータを精密にチューニングするために、共役勾配降下または類似のものを使用することを特徴とする、システム。
【請求項５】
請求項４に記載のシステムであって、前記出力生成モジュールが、データポイントの新たなセットに対して予測を行うことを特徴とする、システム。
【請求項６】
請求項１に記載のシステムであって、量子ハードウェアが、超伝導キュービット、イオントラップ、リュードベリ原子、フォトニックシステム、およびソリッドステート量子ドット上に実装され得ることを特徴とする、システム。
【請求項７】
請求項１に記載のシステムであって、前記対称型量子回路が、より高速な収束および訓練、より優れた精度を提供することを特徴とする、システム。
【請求項８】
対称型量子回路を実装するための方法であって、
データ源からの入力データを処理するステップと、
対称型量子演算を用いて一連の量子ビットに関するデータ特質を尊重する対称型量子回路を構築するステップと、
最適化技法を用いて性能メトリックを最小化するように回路パラメータを最適化するステップと、
新たな入力データに対して出力データを生成するステップとを含むことを特徴とする方法。
【請求項９】
請求項８に記載の方法であって、前記入力データがデータセットからの古典的データであることを特徴とする、方法。
【請求項１０】
請求項９に記載の方法であって、前記量子回路が等価可変変動型量子回路であることを特徴とする、方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、量子機械学習における変動等価可変量子回路を実装するためのシステムおよび方法に関する。回路は様々な量子ハードウェア上に実装することができ、学習されるべきデータセットの対称性を用いて構築（ｂｕｉｌｄ）される。システムは、データモジュールと、等価可変変動型量子回路と、古典的な最適化アルゴリズムと、インターフェア連ス（干渉：推論）モジュールとを含む。
続きを表示（約 2,900 文字）【背景技術】
【０００２】
量子機械学習は、機械学習アルゴリズムを改善するために量子力学の原理を活用する、急速に進化している分野である。量子回路は量子計算の基本単位であり、本領域において重要な役割を担う。これらの回路は、一度に１つの状態にだけあり得る古典的なビットとは異なる、同時に複数の状態で存在することができる量子ビットまたはキュービット（ｑｕｂｉｔｓ）に基づいて確立される。キュービットのこの特性により、量子回路は、同時に莫大な量の情報を処理することができ、場合によっては、より高速かつより効率的な機械学習アルゴリズムをもたらすことができる。しかしながら、この潜在能力を効率的に引き出すことができる量子回路を設計することは難易度の高いタスクである。重要な難題の１つは、確実に量子回路が、学習されているデータセットの高度な対称性を尊重するようにすることである。これが重要であるのは、機械学習アルゴリズムの性能を改善するために使用することができる高度な対称性が、データの構造内に有益な洞察を提供することができるためである。別の難題は、訓練セットに対してコスト関数を最小化するために、量子回路のパラメータを最適化することである。これは通常、古典的な最適化アルゴリズムを用いて行われるが、これらのアルゴリズムは、コンピュータ計算の面で高価な場合があり、常に最適な解決策に収束するとは限らない可能性がある。その上さらに、量子回路は、訓練された時点で、データポイントの新たなセットに対して正確な予測を行うことができる必要がある。これには効率的な推論機構が必要であるが、それは、量子機械学習において進行中の別のエリアの研究である。
【発明の概要】
【課題を解決するための手段】
【０００３】
実施形態に従って、対称型量子回路を実装するためのシステムが提供される。システムは、データ源からの入力データを処理するためのデータ処理モジュールと、対称型量子演算を用いて一連の量子ビットに関するデータ特質を尊重する対称型量子回路を構築するための量子回路構築モジュールと、最適化技法を用いて性能メトリックを最小化するように回路パラメータを最適化するための最適化モジュールと、新たな入力データに対して出力データを生成するための出力生成モジュールとを含む。対称型量子回路は、より高速な収束および訓練（トレーニング）、より優れた精度を提供し、様々な量子ハードウェア上に実装することができる。
【０００４】
他の実施形態に従って、対称型量子回路を実装するための方法が提供される。方法は、データ源からの入力データを処理するステップと、対称型量子演算を用いて一連の量子ビットに関するデータ特質を尊重する対称型量子回路を構築するステップと、最適化技法を用いて性能メトリックを最小化するように回路パラメータを最適化するステップと、新たな入力データに対して出力データを生成するステップとを含む。方法はさらに、量子回路を構築するためにデータセットの高度な対称性を使用するステップと、量子回路の最適化のために訓練セットを使用するステップと、量子回路の最適化のためにコスト関数を使用するステップと、量子回路の構築の際に量子ゲートを使用するステップと、量子回路の構築（ｃｏｎｓｔｒｕｃｔｉｏｎ）の際に一連のキュービットを使用するステップと、量子回路の実装の際に量子機械学習を使用するステップとを含む。
【図面の簡単な説明】
【０００５】
ある特定の実施形態による、量子機械学習向けの対称型量子回路を実装するための操作をフローチャートで示す図である。
ある特定の実施形態による、データ源からの古典的データを処理するための操作をフローチャートで示す図である。
ある特定の実施形態による、データセットの高度な対称性、量子ゲート、および一連のキュービットを用いて等価可変変動型量子回路を構築するための操作をフローチャートで示す図である。
ある特定の実施形態による、共役勾配降下、訓練セット、およびコスト関数を用いて回路パラメータを最適化するための操作をフローチャートで示す図である。
ある特定の実施形態による、新たな入力データに対して予測を生成するための操作をフローチャートで示す図である。
ある特定の実施形態による、等価可変量子回路システムの主要コンポーネントをブロック図で示す図である。
ある特定の実施形態による、等価可変量子回路システムのデータ摂取コンポーネントをブロック図で示す図である。
ある特定の実施形態による、等価可変量子回路システムにおける、量子回路ビルダ、および、そのサブコンポーネントである等価可変回路コンストラクタをブロック図で示す図である。
ある特定の実施形態による、等価可変量子回路システムのパラメータチューナーをブロック図で示す図である。
ある特定の実施形態による、等価可変量子回路システムの予測生成器をブロック図で示す図である。
ある特定の実施形態による、等価可変量子回路システムの量子ハードウェアインテグレータをブロック図で示す図である。
【発明を実施するための形態】
【０００６】
ステップ６からのステップ１００およびそのサブステップ１００－ａは、データ源からの入力データの処理を含む。これは、データセットからの古典的データの読み取りと表現される（請求項９）。
【０００７】
この動作に関与するコンポーネントは、量子コンピューティングシステムのうちの、データをハンドリングし処理するように設計された部分として理解され得る、データ処理モジュールである。この場合、データは、データセットからの、量子機械学習プロセスのための入力として使用される従来の非量子データを指す、古典的なデータである。
【０００８】
データ処理モジュールはこの古典的データを読み取るが、それは対称型量子回路を実装する方法の最初のステップである。このステップは、システムの残りがその機能を実行するために使用する、必要な入力データを提供する。データ処理モジュールは、当面のタスクに関連のあるデータの任意の集合であり得るデータセットからデータを読み取る。
【０００９】
データ処理モジュールが古典的データを読み取る理由は、このデータが、次にくる量子計算のための基礎として役立つからである。古典的データは、対称型量子回路を構築し、そのパラメータを最適化し、出力データを生成するために使用される。この入力データがなければ、量子機械学習プロセスは開始することができない。
【００１０】
この動作の機構に関して、データ処理モジュールは、古典的データを読み取り処理するために、アルゴリズムおよびコンピュータ計算プロセスを使用する可能性が高い。これらのプロセスの詳細は、データの性質、および、特定の量子機械学習タスクの要件に依存することになる。
（【００１１】以降は省略されています）

関連特許