[15p-B414-1~11] FS.1 フォーカストセッション「AIエレクトロニクス」

[15p-B414-2] 量子回路学習における量子回路の構造最適化

〇中島 怜士¹、津嘉山 大輔¹、萩原 大貴¹、白樫 淳一¹ (1.東京農工大院工)

キーワード：量子回路学習、量子機械学習、NISQデバイス

量子回路学習（QCL）は、量子計算機上で機械学習を行う手法として提案された量子・古典ハイブリッドアルゴリズムの一種であり、量子回路のユニタリ性により過学習が発生しにくい特性を有するものと考えられている。しかし、QCLで用いる量子回路の構造についての汎用的な数理や知見は少ない。今回は、QCLの量子回路として従来から用いられるHardware Efficient Ansatzに対して量子回路構造の最適化を行うRotoselectを適用し、QCLの演算精度向上について検討した。