Googleの研究者が量子コンピューティングを利用して画像の分類を改善

Googleの研究者たちが提案した新しいチュートリアルでは、Googleの研究者たちが、量子コンピューティング技術を使って、単一の光子に照らされた28ピクセル×28ピクセルの画像を分類する方法を実演している。その光子の量子状態を変換することで、手書きの数字の人気の高いMNISTコーパスに対して「少なくとも」41.27%の精度を達成できることを示している。古典的なコンピューティングアプローチと比較して21.27%の向上だ。

この研究は、量子力学の教科書がいかにAI問題に新たな光を当てることができるかを示すことを目的としていると研究者は述べているが、データセットから画像を明らかにするLCDスクリーンを通過する最初の量子光（光子など）を発見した後にアルゴリズムが判断を下さなければならない場合、達成可能な分類精度の最大値を考慮している。MNISTでは、画像のピクセルに着弾した光子を検出し、画像の明るさを単位和に再スケーリングして得られた光強度分布から桁を推測することが最も古典的な計算方法だ。

研究者らの量子力学的アプローチは、ビームスプリッター、位相シフターなどの光学素子を用いて、ホログラムのような推論パターンを作成する。フォトンが着地した推論パターンの領域は、画像の分類に利用でき、干渉を起こすために多くのフォトンを同時に照射する必要がないことを示している。

「概念的には、量子実験で求められた結果が得られる確率を高めるために干渉を利用することは、すべての量子コンピューティングの根底にある本質的な考え方です」と研究者らは書いている。

量子コンピューティングは、AIや機械学習の分野を大きく前進させる準備ができていると、一部の研究者は予測している。例えば、昨年3月、IBM、マサチューセッツ工科大学（MIT）、オックスフォード大学の研究者たちは、量子コンピュータがより強力になると、古典的なコンピュータでは不可能な高度に複雑なデータ構造に対して、特徴マッピング（つまり、データを冗長でない特徴に分解すること）を実行できるようになると、Nature誌に論文を発表した。そうなれば、研究者は、例えば、古典的なコンピュータでは見えないデータのパターンを識別できるような、より効果的なAIを開発することができるようになるだろう。

機械学習と量子コンピューティングは、これまで不可能だった問題に対処するために計算の実行方法を変える可能性を秘めた2つの技術だ。「量子アルゴリズムによる計算の高速化の核となる要素は、制御可能なもつれと干渉によって指数関数的に大きな量子状態空間を利用することだ」と著者たちは記述している。

Thomas Fischbacher, Luciano Sbaiz. Google researchers use quantum computing to help improve image classification. arXiv: 2008.05859. 13, Aug 2020.

Photo by Google