Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Log inSign up
Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Blog
Job Board
Q3AS

© 2026 Aqora Quantum S.A.S.

TermsPrivacyLegal Notice

人工知能に対する量子情報科学の応用可能性(その1) (論文名のみ掲載)

健一朗 小川

Published Oct 10, 2023• 0 citations
OpenAlex

Abstract

近年GPT(Generative Pretraimed Transformer)と呼ばれる新たな自然言語処理技術が実用化されるに至り,生成系AI(Artificial Intelligence)の使用を巡って世界中で大きな社会変革の波が訪れている。AIの本質は学習であり,そのためにはクラウド上に存在する膨大なデータを高速で通信・処理する必要がある。そして現在,日々増大するデータを有効活用するために,より情報処理能力の高いコンピューターの開発が進められている。その最有力候補が量子コンピューターであり,現在主要先進国において精力的に研究開発されているが,量子コンピューターの利用にはもう一つ別の側面が考えられる。それは量子コンピューターの従う論理(量子論理)そのものをAIの意思決定に利用することで,既存のコンピューターおよび我々人間の従う論理(古典論理)とは異なる仕方で,従来困難と思われていた課題の解決に役立たせるという野心的な試みである。これに関する研究は今までほぼ行われてこなかったが,AIと量子コンピューターの開発が飛躍的に進みつつある現在,真剣に研究する価値があるものと思われる。そこで,本研究では,量子情報科学のAIへの応用可能性の一つとして,そのような試みの実現可能性と利用可能性について考察する。そのためには,量子力学の理解が欠かせない。特に,量子力学に特有の性質として「重ね合わせの原理」と「量子エンタングルメント」の理解が重要である。そこで,本研究を2部構成とし,本論文では量子力学の基礎原理としての「重ね合わせの原理」と「量子エンタングルメント」を解説すると共に,それらの性質に起因する古典力学的な観点から見たパラドックスを2つ取り上げ,量子力学の本質を明確にすると共に,その意味することについて情報科学的な観点から考察する。そして次の論文で,量子力学の原理に基づく意思決定の特徴を明らかにすると共に,量子情報科学のAIへの応用可能性の一つとして,そのような試みの実現可能性と利用可能性について考察する。

Related papers

量子力学の視点変革(原典)

Masaru Morimoto

量子力学は、波動関数の連続的な構造と、観測によって得られる離散的な結果という二重の性質を持つ。この断絶は量子測定問題として長く議論されてきたが、観測が離散化する物理的理由については依然として明確な説明が存在しない。 本研究では、波動関数の複素数構造に着目し、観測が成立する地点の特徴を幾何学的観点から再検討する。特に、観測可能な空間と観測不能な内部空間を区別し、観測が成立する地点には特定の構造的条件が存在することを示す。 本論文の目的は、量子測定問題に対して新しい視点を提示し、従来の測定理論の枠組みを保持したまま、観測の成立条件をより自然な形で理解するための基礎的構造を論理化することである。

•Aug 1, 2026•0 citations

量子もつれとは何か : 「不確定性原理」と複数の量子を扱う量子力学

明 古澤

量子力学とは テクノロジーの進歩と量子化の必要性 振り子の量子化 光の量子化 レーザー光と量子ゆらぎ 量子エンタングルメント 量子光学を用いたEPRペアを生成するための準備 量子光学を用いてEPRペアを生成 量子光学を用いた量子エンタングルメント検証実験 単一光子状態の生成 量子テレポーテーション 多量子間エンタングルメントと量子エラーコレクション実験

講談社 eBooks•Jan 1, 2011•0 citations

量子畳みこみニューラルネットワークのチャネル注意機構の提案

Gekko Budiutama, 大門 俊介, 西 紘史 +3 more

量子コンピュータ上での機械学習アルゴリズムとして、量子畳み込みニューラルネット ワーク(QCNNs)が提案された[1]。他の量子ニューラルネットワークと比較して、QCNNs は勾配消失問題に耐性を示し、画像認識から量子相の認識まで成功を収めた[2]。しかし、 古典コンピュータで解決不可能な課題に対して、量子コンピュータ上で QCNNs を活用す るために QCNNs の性能向上とコストの削減が求められる。 この課題を解決するために、本研究では QCNNs 向けのチャネル注意機構を提案する[3]。 チャネル注意機構では従来のモデルで破棄される量子ビットの測定により確率分布のチ ャネルを定義し、各チャネルに重みパラメーターを割り当てる(図 a)。チャネル注意機 構を導入した QCNNs の性能を評価するために、基底状態での量子相を予測する量子相認 識タスクにおいて、従来の QCNNs と比較した。 従来の QCNN に比べて、チャネル注意機構を導入することにより QCNN の出力が理想 的な解に近づいた(図 b)。チャネル注意機構を導入した QCNN は少ないエポック数で 訓練することができ、QCNN の学習コストの抑制につながった。また、チャネル注意機構 を導入した QCNN は量子・古典機械学習としてみなすことができ、従来のハイブリッド 手法であるQCNN-feedforward Neural Networkとの比較を行った。その結果、チャネル注 意機構は少ないパラメーター数で従来のハイブリッド手法よりも高精度で量子相を認識 することができた。提案したチャネル注 意機構は QCNNs の実用性を高め、より 複雑な問題の解決に重要である。

•Mar 20, 2024•0 citations

古典論理・量子論理・実在II

壽郎 石垣

立正大学文学部論叢•Mar 1, 2009•0 citations

人工智能与量子计算:范式、挑战与展望

Jingzhao Zhou, 电子科技大学 基础与前沿研究院,四川 成都 611731, Zizhu Wang +1 more

人工智能(artificial intelligence,AI)和量子都是近年来既重要又引发了大量关注的领域。本综述旨在探讨人工智能与量子计算在“计算”范式中的双向作用:一方面分析人工智能在量子计算研究中的应用(AI for Quantum),另一方面评估量子计算对人工智能发展的潜在价值(Quantum for AI)。首先从函数拟合视角出发,系统阐释人工智能对科学问题的通用价值,再通过典型插值方法的比较实验、模型分析理论等,归纳出其在泛化性、可解释性和效率方面面临的核心难题。结果表明,人工智能在量子系统生命周期的各个阶段上均能起到助力效果,但受制于泛化与解释困难,其优势难以得到完全保障。同时,在量子赋能人工智能方面,本文通过复杂度理论和量子纠错成本估算,指出多数现有成果在工业应用层面缺乏可持续的优势,而“量子启发”的经典算法更具现实潜力。综上,我们认为人工智能与量子计算的结合虽已展示初步成果,但要实现长期突破仍需在理论基础与方法体系上进一步深化,尤其在可解释性和效率度量方面建立更坚实的框架。

Journal of Applied Optics•Jan 1, 2025•0 citations

古典論理・量子論理・実在I

壽郎 石垣, Toshio ISHIGAKI

•Sep 1, 2007•0 citations
近年GPT(Generative Pretraimed Transformer)と呼ばれる新たな自然言語処理技術が実用化されるに至り,生成系AI(Artificial Intelligence)の使用を巡って世界中で大きな社会変革の波が訪れている。AIの本質は学習であり,そのためにはクラウド上に存在する膨大なデータを高速で通信・処理する必要がある。そして現在,日々増大するデータを有効活用するために,より情報処理能力の高いコンピューターの開発が進められている。その最有力候補が量子コンピューターであり,現在主要先進国において精力的に研究開発されているが,量子コンピューターの利用にはもう一つ別の側面が考えられる。それは量子コンピューターの従う論理(量子論理)そのものをAIの意思決定に利用することで,既存のコンピューターおよび我々人間の従う論理(古典論理)とは異なる仕方で,従来困難と思われていた課題の解決に役立たせるという野心的な試みである。これに関する研究は今までほぼ行われてこなかったが,AIと量子コンピューターの開発が飛躍的に進みつつある現在,真剣に研究する価値があるものと思われる。そこで,本研究では,量子情報科学のAIへの応用可能性の一つとして,そのような試みの実現可能性と利用可能性について考察する。そのためには,量子力学の理解が欠かせない。特に,量子力学に特有の性質として「重ね合わせの原理」と「量子エンタングルメント」の理解が重要である。そこで,本研究を2部構成とし,本論文では量子力学の基礎原理としての「重ね合わせの原理」と「量子エンタングルメント」を解説すると共に,それらの性質に起因する古典力学的な観点から見たパラドックスを2つ取り上げ,量子力学の本質を明確にすると共に,その意味することについて情報科学的な観点から考察する。そして次の論文で,量子力学の原理に基づく意思決定の特徴を明らかにすると共に,量子情報科学のAIへの応用可能性の一つとして,そのような試みの実現可能性と利用可能性について考察する。
量子力学は、波動関数の連続的な構造と、観測によって得られる離散的な結果という二重の性質を持つ。この断絶は量子測定問題として長く議論されてきたが、観測が離散化する物理的理由については依然として明確な説明が存在しない。 本研究では、波動関数の複素数構造に着目し、観測が成立する地点の特徴を幾何学的観点から再検討する。特に、観測可能な空間と観測不能な内部空間を区別し、観測が成立する地点には特定の構造的条件が存在することを示す。 本論文の目的は、量子測定問題に対して新しい視点を提示し、従来の測定理論の枠組みを保持したまま、観測の成立条件をより自然な形で理解するための基礎的構造を論理化することである。
量子力学とは テクノロジーの進歩と量子化の必要性 振り子の量子化 光の量子化 レーザー光と量子ゆらぎ 量子エンタングルメント 量子光学を用いたEPRペアを生成するための準備 量子光学を用いてEPRペアを生成 量子光学を用いた量子エンタングルメント検証実験 単一光子状態の生成 量子テレポーテーション 多量子間エンタングルメントと量子エラーコレクション実験
量子コンピュータ上での機械学習アルゴリズムとして、量子畳み込みニューラルネット ワーク(QCNNs)が提案された[1]。他の量子ニューラルネットワークと比較して、QCNNs は勾配消失問題に耐性を示し、画像認識から量子相の認識まで成功を収めた[2]。しかし、 古典コンピュータで解決不可能な課題に対して、量子コンピュータ上で QCNNs を活用す るために QCNNs の性能向上とコストの削減が求められる。 この課題を解決するために、本研究では QCNNs 向けのチャネル注意機構を提案する[3]。 チャネル注意機構では従来のモデルで破棄される量子ビットの測定により確率分布のチ ャネルを定義し、各チャネルに重みパラメーターを割り当てる(図 a)。チャネル注意機 構を導入した QCNNs の性能を評価するために、基底状態での量子相を予測する量子相認 識タスクにおいて、従来の QCNNs と比較した。 従来の QCNN に比べて、チャネル注意機構を導入することにより QCNN の出力が理想 的な解に近づいた(図 b)。チャネル注意機構を導入した QCNN は少ないエポック数で 訓練することができ、QCNN の学習コストの抑制につながった。また、チャネル注意機構 を導入した QCNN は量子・古典機械学習としてみなすことができ、従来のハイブリッド 手法であるQCNN-feedforward Neural Networkとの比較を行った。その結果、チャネル注 意機構は少ないパラメーター数で従来のハイブリッド手法よりも高精度で量子相を認識 することができた。提案したチャネル注 意機構は QCNNs の実用性を高め、より 複雑な問題の解決に重要である。
人工智能(artificial intelligence,AI)和量子都是近年来既重要又引发了大量关注的领域。本综述旨在探讨人工智能与量子计算在“计算”范式中的双向作用:一方面分析人工智能在量子计算研究中的应用(AI for Quantum),另一方面评估量子计算对人工智能发展的潜在价值(Quantum for AI)。首先从函数拟合视角出发,系统阐释人工智能对科学问题的通用价值,再通过典型插值方法的比较实验、模型分析理论等,归纳出其在泛化性、可解释性和效率方面面临的核心难题。结果表明,人工智能在量子系统生命周期的各个阶段上均能起到助力效果,但受制于泛化与解释困难,其优势难以得到完全保障。同时,在量子赋能人工智能方面,本文通过复杂度理论和量子纠错成本估算,指出多数现有成果在工业应用层面缺乏可持续的优势,而“量子启发”的经典算法更具现实潜力。综上,我们认为人工智能与量子计算的结合虽已展示初步成果,但要实现长期突破仍需在理论基础与方法体系上进一步深化,尤其在可解释性和效率度量方面建立更坚实的框架。