Submit Search
Upload
Quantum ml algorithm
•
2 likes
•
6,248 views
Kenji Kubo
Follow
ML@Loft8での発表資料です
Read less
Read more
Science
Slideshow view
Report
Share
Slideshow view
Report
Share
1 of 16
Download now
Download to read offline
Recommended
ansatz探索への強化学習の応用
変分量子計算 × 強化学習 Chainer meetup #10
変分量子計算 × 強化学習 Chainer meetup #10
Kenji Kubo
JetBrains社の.NET IDEの「Rider」。本セッションでは、Unityゲーム開発と.NET開発におけるRiderの魅力を紹介します。 スピーカー: Ryota Murohoshi
Riderはいいぞ!
Riderはいいぞ!
UnityTechnologiesJapan002
How Mercari achieves machine learning engineering and operation.
Mercari ML Meetup
Mercari ML Meetup
yusuke shibui
技術屋がスペシャリストになるための心構えについて、思うところを書き起こしてみました。
ゼネラリストか、スペシャリストか。
ゼネラリストか、スペシャリストか。
Yuya Yamada
ソースコードの品質向上のための効果的で効率的なコードレビュー
ソースコードの品質向上のための効果的で効率的なコードレビュー
Moriharu Ohzu
AI理論とビジネス 中井眞人氏 20171122
AI理論とビジネス 中井眞人氏 20171122
AI理論とビジネス 中井眞人氏 20171122
Team AI
AI for logic and bussiness
Team ai 3
Team ai 3
Masato Nakai
PFIオープンセミナー2012「多様化する情報を支える技術」 2012年9月21日(金)実施 ≪概要≫Hadoopが大規模データ処理に広く用いられれる一方、その限界も見え始めてきた。一方、データに潜む複雑な因果関係や傾向を発見し精度の良い予測を実現する機械学習技術は性能向上と適用範囲の拡大を続けている。本講演ではビッグデータとその先進アプリケーションについて、間を繋ぐ機械学習技術の観点から最新動向について述べる。特に、PFIがフォーカスしているリアルタイム性とトレーサビリティについて詳しく述べ、JubatusとBazilという製品を紹介する。
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Preferred Networks
Recommended
ansatz探索への強化学習の応用
変分量子計算 × 強化学習 Chainer meetup #10
変分量子計算 × 強化学習 Chainer meetup #10
Kenji Kubo
JetBrains社の.NET IDEの「Rider」。本セッションでは、Unityゲーム開発と.NET開発におけるRiderの魅力を紹介します。 スピーカー: Ryota Murohoshi
Riderはいいぞ!
Riderはいいぞ!
UnityTechnologiesJapan002
How Mercari achieves machine learning engineering and operation.
Mercari ML Meetup
Mercari ML Meetup
yusuke shibui
技術屋がスペシャリストになるための心構えについて、思うところを書き起こしてみました。
ゼネラリストか、スペシャリストか。
ゼネラリストか、スペシャリストか。
Yuya Yamada
ソースコードの品質向上のための効果的で効率的なコードレビュー
ソースコードの品質向上のための効果的で効率的なコードレビュー
Moriharu Ohzu
AI理論とビジネス 中井眞人氏 20171122
AI理論とビジネス 中井眞人氏 20171122
AI理論とビジネス 中井眞人氏 20171122
Team AI
AI for logic and bussiness
Team ai 3
Team ai 3
Masato Nakai
PFIオープンセミナー2012「多様化する情報を支える技術」 2012年9月21日(金)実施 ≪概要≫Hadoopが大規模データ処理に広く用いられれる一方、その限界も見え始めてきた。一方、データに潜む複雑な因果関係や傾向を発見し精度の良い予測を実現する機械学習技術は性能向上と適用範囲の拡大を続けている。本講演ではビッグデータとその先進アプリケーションについて、間を繋ぐ機械学習技術の観点から最新動向について述べる。特に、PFIがフォーカスしているリアルタイム性とトレーサビリティについて詳しく述べ、JubatusとBazilという製品を紹介する。
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Preferred Networks
ホテルにおけるDynamic Pricingに絡めて動的最適化にまつわる諸々を
動的最適化の今までとこれから
動的最適化の今までとこれから
Kazuki Baba
Kobe sec#11 summary
Kobe sec#11 summary
Yukio NAGAO
https://mercari.connpass.com/event/142853/ でのslideとなります.
Introducing our approach to interpreting machine learning models
Introducing our approach to interpreting machine learning models
Hiroaki Kudo
無事pycon JP 2017でrejectされました! ※pythonの話が1枚しかなかったのがまずかったか・・・
Pycon reject banditアルゴリズムを用いた自動abテスト
Pycon reject banditアルゴリズムを用いた自動abテスト
Shoichi Taguchi
宮崎産業経営大学 夏のオープンキャンパス 模擬授業 2022.7.17 経営学部 岡 夏樹 1.適切な(知的な)応答について考えてみよう:古くから使われている基本技術を例として 2.AI研究の最前線:深層学習以降のAI研究の流れ 3.社会はどのように変わるか 3-1.AIが人を超えてもあまり変わらない点 3-2.影響がある点
AI(人工知能)研究の最前線:社会はどのように変わるだろう?
AI(人工知能)研究の最前線:社会はどのように変わるだろう?
KIT Cognitive Interaction Design
第24回 JAWS-UG札幌 勉強会となります。 ツッコみどころは多いですが、笑いは取れたのでOKとします。
PoCで終わらせない!データ分析・AI活用
PoCで終わらせない!データ分析・AI活用
__john_smith__
鷲崎弘宜, パターン(ランゲージ)によるKnow Why/What/How の言語化・文書化と発展, MLSE夏合宿, 2020年7月3日
パターン(ランゲージ)によるKnow Why/What/How の言語化・文書化と発展, MLSE夏合宿
パターン(ランゲージ)によるKnow Why/What/How の言語化・文書化と発展, MLSE夏合宿
Hironori Washizaki
NagoyaStat #3の発表資料です
データ解析のための統計モデリング入門第5章
データ解析のための統計モデリング入門第5章
Itou Tomokazu
Jubatusの紹介@第6回さくさくテキストマイニング
Jubatusの紹介@第6回さくさくテキストマイニング
Yuya Unno
鷲崎弘宜, 機械学習デザインパターンの必要性と機械学習ライフサイクル, 出版記念セミナー: AI活用成熟度と機械学習デザインパターン詳説, スマートエスイー, 2021
機械学習デザインパターンの必要性と機械学習ライフサイクル
機械学習デザインパターンの必要性と機械学習ライフサイクル
Hironori Washizaki
VentureCafe_第2回:SIerでのキャリアパスを考える_ござ先輩発表資料 V1.0
VentureCafe_第2回:SIerでのキャリアパスを考える_ござ先輩発表資料 V1.0
Michitaka Yumoto
More Related Content
Similar to Quantum ml algorithm
ホテルにおけるDynamic Pricingに絡めて動的最適化にまつわる諸々を
動的最適化の今までとこれから
動的最適化の今までとこれから
Kazuki Baba
Kobe sec#11 summary
Kobe sec#11 summary
Yukio NAGAO
https://mercari.connpass.com/event/142853/ でのslideとなります.
Introducing our approach to interpreting machine learning models
Introducing our approach to interpreting machine learning models
Hiroaki Kudo
無事pycon JP 2017でrejectされました! ※pythonの話が1枚しかなかったのがまずかったか・・・
Pycon reject banditアルゴリズムを用いた自動abテスト
Pycon reject banditアルゴリズムを用いた自動abテスト
Shoichi Taguchi
宮崎産業経営大学 夏のオープンキャンパス 模擬授業 2022.7.17 経営学部 岡 夏樹 1.適切な(知的な)応答について考えてみよう:古くから使われている基本技術を例として 2.AI研究の最前線:深層学習以降のAI研究の流れ 3.社会はどのように変わるか 3-1.AIが人を超えてもあまり変わらない点 3-2.影響がある点
AI(人工知能)研究の最前線:社会はどのように変わるだろう?
AI(人工知能)研究の最前線:社会はどのように変わるだろう?
KIT Cognitive Interaction Design
第24回 JAWS-UG札幌 勉強会となります。 ツッコみどころは多いですが、笑いは取れたのでOKとします。
PoCで終わらせない!データ分析・AI活用
PoCで終わらせない!データ分析・AI活用
__john_smith__
鷲崎弘宜, パターン(ランゲージ)によるKnow Why/What/How の言語化・文書化と発展, MLSE夏合宿, 2020年7月3日
パターン(ランゲージ)によるKnow Why/What/How の言語化・文書化と発展, MLSE夏合宿
パターン(ランゲージ)によるKnow Why/What/How の言語化・文書化と発展, MLSE夏合宿
Hironori Washizaki
NagoyaStat #3の発表資料です
データ解析のための統計モデリング入門第5章
データ解析のための統計モデリング入門第5章
Itou Tomokazu
Jubatusの紹介@第6回さくさくテキストマイニング
Jubatusの紹介@第6回さくさくテキストマイニング
Yuya Unno
鷲崎弘宜, 機械学習デザインパターンの必要性と機械学習ライフサイクル, 出版記念セミナー: AI活用成熟度と機械学習デザインパターン詳説, スマートエスイー, 2021
機械学習デザインパターンの必要性と機械学習ライフサイクル
機械学習デザインパターンの必要性と機械学習ライフサイクル
Hironori Washizaki
VentureCafe_第2回:SIerでのキャリアパスを考える_ござ先輩発表資料 V1.0
VentureCafe_第2回:SIerでのキャリアパスを考える_ござ先輩発表資料 V1.0
Michitaka Yumoto
Similar to Quantum ml algorithm
(11)
動的最適化の今までとこれから
動的最適化の今までとこれから
Kobe sec#11 summary
Kobe sec#11 summary
Introducing our approach to interpreting machine learning models
Introducing our approach to interpreting machine learning models
Pycon reject banditアルゴリズムを用いた自動abテスト
Pycon reject banditアルゴリズムを用いた自動abテスト
AI(人工知能)研究の最前線:社会はどのように変わるだろう?
AI(人工知能)研究の最前線:社会はどのように変わるだろう?
PoCで終わらせない!データ分析・AI活用
PoCで終わらせない!データ分析・AI活用
パターン(ランゲージ)によるKnow Why/What/How の言語化・文書化と発展, MLSE夏合宿
パターン(ランゲージ)によるKnow Why/What/How の言語化・文書化と発展, MLSE夏合宿
データ解析のための統計モデリング入門第5章
データ解析のための統計モデリング入門第5章
Jubatusの紹介@第6回さくさくテキストマイニング
Jubatusの紹介@第6回さくさくテキストマイニング
機械学習デザインパターンの必要性と機械学習ライフサイクル
機械学習デザインパターンの必要性と機械学習ライフサイクル
VentureCafe_第2回:SIerでのキャリアパスを考える_ござ先輩発表資料 V1.0
VentureCafe_第2回:SIerでのキャリアパスを考える_ござ先輩発表資料 V1.0
Quantum ml algorithm
1.
1 量子機械学習アルゴリズム Kenji Kubo mercari R4D
2.
2 自己紹介自己紹介 Twitter: @kenjikun__ (アンスコ2つ) 京都大学大学院人間・環境学研究科 →
大和証券会社 GM運用部 → 株式会社メルペイ 次世代金融開発 (ブロックチェーン・AML) → mercari R4D リサーチャー 大阪大学基礎工学研究科D1(藤井研)
3.
3 用語 “古典” means “非量子” “古典”
doesn’t mean “古い”
4.
4 理想の量子コンピュータ 実用はまだ先? 量子コンピュータ エラー訂正あり エラー訂正なし 不完全だが有用そう 実用は近い?
5.
5 計算量が 指数や多項式で減る 量子機械学習 エラー訂正あり エラー訂正なし 性能の良い関数近似器が 得られるかもしれない
6.
6 エラー訂正がある場合
7.
7 エラー訂正がある場合 「逆行列計算」が指数加速 O(N) ->
O(logN) 応用: 量子SVM,量子線形回帰,など 「探索」が2次加速 O(N) -> O(√N) 応用: 量子強化学習など Schuld et al., 2016 Dunjko et al., 2016 Rebentrost et al., 2014
8.
8 N vs logN
9.
9 Support Vector Machine 普通のSVM(双対問題) 普通のSVM(主問題)
10.
10 Support Vector Machine 普通のSVM(双対問題) 普通のSVM(主問題)
最小二乗SVM(主問題) 最小二乗SVM(双対問題)
11.
11 Support Vector Machine 普通のSVM(双対問題) 普通のSVM(主問題)
最小二乗SVM(主問題) 最小二乗SVM(双対問題) HHL: 逆行列計算を量子計算で高速化! Harrow, Hassidim, Lloyd, 2019
12.
12 エラー訂正がない場合
13.
13 エラー訂正がない場合 ~数百量子ビットかつ短い量子回路 50量子ビット ≈ 古典メモリ16PB スパコンで1PB MacBook
Proで16GB
14.
14 ハイブリッド機械学習アルゴリズム 途中で大量のメモリが必要だが 統計量だけでいい場合など 四則演算,勾配降下法など 量子コンピュータ 古典コンピュータ
15.
15 例: 量子回路学習 日本物理学会誌 Vol.
74, No. 9, 2019 量子コンピュータで指数的に大きい特徴量空間を扱う Mitarai and Fujii, 2018
16.
16 量子機械学習アルゴリズムの現状まとめ 1. エラー訂正がないものの,量子コンピュータの実用が 近づいている 2. エラー訂正があれば,指数や多項式の加速が 得られることが示されている 3. エラー訂正がなくても,より性能の良い関数近似器が 得られるかもしれない
Download now