特許ウォッチ

公開番号2025149718
公報種別公開特許公報(A)
公開日2025-10-08
出願番号2024050527
出願日2024-03-26
発明の名称情報処理プログラム、情報処理方法、および情報処理装置
出願人富士通株式会社
代理人個人
主分類G06N 10/20 20220101AFI20251001BHJP(計算;計数)
要約【課題】量子回路による分類精度を向上すること。
【解決手段】情報処理装置100は、学習済みモデル110を取得する。情報処理装置100は、特定の種類のデータを含む第2データセット102を記憶する。情報処理装置100は、特定の種類のデータの分類精度が向上するよう、第2データセット102に基づいて、取得した学習済みモデル110を更新する。情報処理装置100は、第2データセット102に基づいて、更新した学習済みモデル111によって入力されたデータから抽出される特徴量に応じて当該データの分類結果を出力する機能を有する量子回路120を学習するよう、演算部130を制御する。
【選択図】図1
特許請求の範囲【請求項１】
入力されたデータから抽出される特徴量に応じて当該データの分類結果を出力する機能を有する学習済みモデルを取得し、
特定の種類のデータの分類精度が向上するよう、前記特定の種類のデータを含むデータセットに基づいて、取得した前記学習済みモデルを更新し、
前記データセットに基づいて、更新した前記学習済みモデルによって入力されたデータから抽出される特徴量に応じて当該データの分類結果を出力する機能を有する量子回路を学習するよう、演算部を制御する、
処理をコンピュータに実行させることを特徴とする情報処理プログラム。
続きを表示（約 920 文字）【請求項２】
前記演算部を前記学習に利用するリクエストを、前記演算部に送信する、
処理を前記コンピュータに実行させ、
前記更新する処理は、前記リクエストに応じて前記演算部が前記学習に利用可能になる前に開始される、ことを特徴とする請求項１に記載の情報処理プログラム。
【請求項３】
前記更新する処理は、前記リクエストに応じて前記演算部が前記学習に利用可能になるまでに繰り返し実行され、
前記制御する処理は、
前記演算部が前記学習に利用可能になった後に、前記データセットに基づいて、最後に更新した前記学習済みモデルによって入力されたデータから抽出される特徴量に応じて当該データの分類結果を出力する機能を有する量子回路を学習するよう、前記演算部を制御する、ことを特徴とする請求項２に記載の情報処理プログラム。
【請求項４】
入力されたデータから抽出される特徴量に応じて当該データの分類結果を出力する機能を有する学習済みモデルを取得し、
特定の種類のデータの分類精度が向上するよう、前記特定の種類のデータを含むデータセットに基づいて、取得した前記学習済みモデルを更新し、
前記データセットに基づいて、更新した前記学習済みモデルによって入力されたデータから抽出される特徴量に応じて当該データの分類結果を出力する機能を有する量子回路を学習するよう、演算部を制御する、
処理をコンピュータが実行することを特徴とする情報処理方法。
【請求項５】
入力されたデータから抽出される特徴量に応じて当該データの分類結果を出力する機能を有する学習済みモデルを取得し、
特定の種類のデータの分類精度が向上するよう、前記特定の種類のデータを含むデータセットに基づいて、取得した前記学習済みモデルを更新し、
前記データセットに基づいて、更新した前記学習済みモデルによって入力されたデータから抽出される特徴量に応じて当該データの分類結果を出力する機能を有する量子回路を学習するよう、演算部を制御する、
制御部を有することを特徴とする情報処理装置。

発明の詳細な説明【技術分野】
【０００１】
本発明は、情報処理プログラム、情報処理方法、および情報処理装置に関する。
続きを表示（約 1,700 文字）【背景技術】
【０００２】
従来、入力されたデータの分類結果を出力する量子回路を学習する技術がある。また、学習済みモデルを活用して、入力されたデータから、学習済みモデルによって抽出した特徴量に応じて、当該データの分類結果を出力する量子回路を学習する手法がある。
【０００３】
先行技術としては、例えば、データセットの第１の表現と第２の表現との間の差を最小化する損失項と複雑度を最小化する正則化項を含む目的関数を定式化するものがある。また、例えば、ユーザの不満度を考慮して、実行中のジョブの一時的な停止または一時的な中断を行う技術がある。また、例えば、ニューラルネットワークの１または複数のコンポーネントを、量子コンポーネントに置換する技術がある。また、例えば、離散変分自動エンコーダを介して、入力空間に対して教師なし学習を実行する技術がある。
【先行技術文献】
【特許文献】
【０００４】
特開２０１９－０９６３３４号公報
特開２００１－０２２６０１号公報
米国特許出願公開第２０２０／０２８５９４７号明細書
米国特許出願公開第２０２１／０３６５８２６号明細書
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、従来技術では、量子回路による分類精度を向上することが難しい場合がある。例えば、学習済みモデルを学習する際のデータセットと、学習済みモデルを活用して、量子回路を学習する際のデータセットとの関連性が小さいほど、量子回路による分類精度を向上することが難しくなる傾向がある。
【０００６】
１つの側面では、本発明は、量子回路による分類精度を向上することを目的とする。
【課題を解決するための手段】
【０００７】
１つの実施態様によれば、入力されたデータから抽出される特徴量に応じて当該データの分類結果を出力する機能を有する学習済みモデルを取得し、特定の種類のデータの分類精度が向上するよう、前記特定の種類のデータを含むデータセットに基づいて、取得した前記学習済みモデルを更新し、前記データセットに基づいて、更新した前記学習済みモデルによって入力されたデータから抽出される特徴量に応じて当該データの分類結果を出力する機能を有する量子回路を学習するよう、演算部を制御する情報処理プログラム、情報処理方法、および情報処理装置が提案される。
【発明の効果】
【０００８】
一態様によれば、量子回路による分類精度を向上することが可能になる。
【図面の簡単な説明】
【０００９】
図１は、実施の形態にかかる情報処理方法の一実施例を示す説明図である。
図２は、情報処理システム２００の一例を示す説明図である。
図３は、情報処理装置１００のハードウェア構成例を示すブロック図である。
図４は、計算装置２０１のハードウェア構成例を示すブロック図である。
図５は、情報処理装置１００の機能的構成の一例を示すブロック図である。
図６は、情報処理システム２００の機能的構成の具体例を示すブロック図（その１）である。
図７は、情報処理システム２００の機能的構成の具体例を示すブロック図（その２）である。
図８は、情報処理システム２００の動作の一例を示す説明図（その１）である。
図９は、情報処理システム２００の動作の一例を示す説明図（その２）である。
図１０は、情報処理システム２００の動作の一例を示す説明図（その３）である。
図１１は、全体処理手順の一例を示すフローチャートである。
図１２は、更新処理手順の一例を示すフローチャートである。
【発明を実施するための形態】
【００１０】
以下に、図面を参照して、本発明にかかる情報処理プログラム、情報処理方法、および情報処理装置の実施の形態を詳細に説明する。
（【００１１】以降は省略されています）

関連特許