" alt="">概要
量子機械学習（QML）は、NISQコンピュータの有望な応用先の一つと考えられている。QMLを実現するアーキテクチャーの一つである変分量子アルゴリズム（VQA）では、調整可能なパラメータを含むユニタリー演算を使ってAnsatzを作り、量子状態を学習する。そのため、NISQデバイスに適した浅い量子回路を構成できるという利点がある。古典入力データをヒルベルト空間に埋め込み（いわゆる特徴量マップ）、その状態をAnsatzで学習することで、分類や回帰、最適化などの問題に対して古典データを解析することが可能になる。
研究
VQAを用いた初期研究（標準模型背景事象からの超対称性粒子生成事象の識別）から、データサンプルのサイズが小さい場合には、VQAは古典機械学習と同等な性能を持つことがわかってきた。我々は、データの埋め込みや学習モデルの最適化、勾配によるパラメータ更新、勾配消失の問題（いわゆるBarren Plateau）等の研究から、VQAの応用を高エネルギー物理と産業応用の両面でさらに進めていく。rren plateau” problem (vanishing gradient with the number of qubits).
