Quemix の Gekko Budiutama、西紘史、松下雄一郎、および、大門俊介主任研究員1、金子隆威准教授2, 3、大槻 東巳教授3が "Channel Attention for Quantum Convolutional Neural Networks"と題する論文で、世界初の量子ニューラルネットワーク用のチャネルアテンション機構（Channel Attention機構）を提案しました。
1: 国立研究開発法人量子科学技術研究開発機構 (QST)
2: 早稲田大学 理工学術院総合研究所
3: 上智大学 理工学部 機能創造理工学科
特定の詳細に注意を集中する人間の能力からインスピレーションを得た「アテンション機構（Attention機構）」は、現代の最も高度なAIシステム、生成AI、大規模言語モデル、高度なコンピュータビジョンを含むAI分野で重要な要素となりました。本論文では、量子ニューラルネットワーク向けの世界初の「チャネルアテンション機構」を提案します。
古典的な機械学習の文献では、必要な情報を選択的に強調し、不必要な情報を弱めるアテンション機構を導入することで、機械学習の精度が圧倒的に高まることが広く知られてきました。
本論文では、量子ニューラルネットワークの向上を目標とし、チャネルアテンション機構を提案しました。このメカニズムを広く普及している畳み込みニューラルネットワークの量子版である「量子畳み込みニューラルネットワーク」に適用し、物質の量子相の分類におけるチャネルアテンション機構の効果を調査しました。
その結果、この方法は、少数の学習パラメータを追加するだけで、学習コストを大幅に削減し、量子畳み込みニューラルネットワークの性能を大幅に向上させることができました。これにより、薬剤や化学物質のモデリング、コンピューター・ビジョン、金融リスクの予測など、多量子ビットを必要とするタスクに量子ニューラルネットワークを実装できる可能性が示唆されました。
Quemixは量子機械学習の分野の研究も進めており、この革新的技術により、将来的には量子AI製品の領域への展開の可能性を引き出しました。
Comments