お知らせ 研究会の開催と会場に参加される皆様へのお願い(2020年10月開催~)
電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
[ログイン]
技報アーカイブ
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2021-05-25 09:30
量子特異値分解の脱量子化によるエクストリーム機械学習の高速化
武田伊織髙比良宗一御手洗光祐藤井啓祐阪大
抄録 (和) 2016年にKerenidisとPrakashによって量子推薦システムが提唱され、量子計算機上でO(poly(log n))で次元 n の行列の特異値分解が可能であることが示された。さらに、2018年にTangによって量子インスパイアアルゴリズムが提唱され、適切なサンプリングを行えば古典計算機でも同様にO(poly(log n))で特異値分解が計算可能であることが示された。このアルゴリズムは、入力データに二分探索木構造を持たせ、行列の行と列を乱択することで行列の次元圧縮を行い、圧縮した行列を特異値分解した後、得られた特異ベクトルなどをもちいて元の行列の特異ベクトルを復元するというものである。このように、量子計算機のアルゴリズムを古典計算機でも同様の計算量で行えるようにすることを脱量子化という。これらのアルゴリズムは、低ランク近似を行なっており、行列のランクが小さい場合、良い近似を与える。本研究では、量子インスパイア特異値分解の機械学習への応用を提案し、機械学習で用いられる標準的なデータセットにおいて低ランク近似が有効であるかどうかを数値的に検証する。 
(英) In 2016, the quantum recommendation system was proposed by Kerenidis and Prakash, and it was shown that the singular value decomposition of a matrix of dimension n is possible on a quantum computer with O(poly(logn)) time. Furthermore, the quantum inspired algorithm was proposed by Tang in 2018, and it was shown that with an appropriate sampling, singular value decomposition can be computed in O(poly(log n)) time on classical computers as well, which is called de-quantization. In this algorithm, the matrix, which is stored with a binary search tree structure, is sampled randomly according to the row and column L2 norms so that the matrix is compressed. Then the singular value decomposition is performed for the compressed matrix is singularly decomposed, and the singular vectors obtained are used to recover the singular vectors of the original matrix. This algorithm is based on a low-rank approximation and gives a good approximation when the rank of the matrix is small. In this pa- per, we propose an application of the quantum inspired singular value decomposition to machine learning, specifically extreme learning machine, and numerically verify the effectiveness of the low-rank approximation on standard data sets used in machine learning.
キーワード (和) 脱量子化 / 量子特異値分解 / 機械学習 / / / / /  
(英) Dequantization / Quantum Singular Value Decomposition / Machine Learning / / / / /  
文献情報 信学技報
資料番号  
発行日  
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380
PDFダウンロード

研究会情報
研究会 QIT  
開催期間 2021-05-24 - 2021-05-25 
開催地(和) オンライン開催 
開催地(英) Online 
テーマ(和) 量子情報, 一般 
テーマ(英) Quantum Information 
講演論文情報の詳細
申込み研究会 QIT 
会議コード 2021-05-QIT 
本文の言語 日本語 
タイトル(和) 量子特異値分解の脱量子化によるエクストリーム機械学習の高速化 
サブタイトル(和)  
タイトル(英) Acceleration of Extreme Learning Machines by Dequantization of Quantum Singular Value Decomposition 
サブタイトル(英)  
キーワード(1)(和/英) 脱量子化 / Dequantization  
キーワード(2)(和/英) 量子特異値分解 / Quantum Singular Value Decomposition  
キーワード(3)(和/英) 機械学習 / Machine Learning  
キーワード(4)(和/英) /  
キーワード(5)(和/英) /  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 武田 伊織 / Iori Takeda / タケダ イオリ
第1著者 所属(和/英) 大阪大学 (略称: 阪大)
Osaka University (略称: Osaka Univ.)
第2著者 氏名(和/英/ヨミ) 髙比良 宗一 / Souichi Takahira / タカヒラ ソウイチ
第2著者 所属(和/英) 大阪大学 (略称: 阪大)
Osaka University (略称: Osaka Univ.)
第3著者 氏名(和/英/ヨミ) 御手洗 光祐 / Kousuke Mitarai / ミタライ コウスケ
第3著者 所属(和/英) 大阪大学 (略称: 阪大)
Osaka University (略称: Osaka Univ.)
第4著者 氏名(和/英/ヨミ) 藤井 啓祐 / Keisuke Fujii / フジイ ケイスケ
第4著者 所属(和/英) 大阪大学 (略称: 阪大)
Osaka University (略称: Osaka Univ.)
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者
発表日時 2021-05-25 09:30:00 
発表時間 20 
申込先研究会 QIT 
資料番号  
巻番号(vol)  
号番号(no)  
ページ範囲  
ページ数  
発行日  


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会