AmazonBraketQML2.md

Amazon Braket を使った量子機械学習入門 2

2021-06-25

Time Table

前半 (実機を使ったハンズオン)

ログイン方法などは前回のノートを参照。

• IonQ QPU 実機での実行 (35 min)
  • Grover.ipynb
  • 実機とシミュレータの時間比較 https://gist.github.com/shokout/a4b38c4aa336614b3245c073de079097

後半 (量子機械学習)

• 勾配法のおさらい
  • Parameter-shift rules
  • 参考: Mitarai, et al. (2018), Schuld, et al. (2018).
• 機械学習のおさらい
  • 教師あり学習
  • 深層学習
• 量子機械学習
  • Harrow-Hassidim-Lloyd (HHL) アルゴリズム [Harrow, Hassidim, and Lloyd (2009)]: 逆行列計算を高速化
  • 量子 Support Vector Machine (SVM) [Rebentrost, et al. (2014)]
  • 量子線形回帰 [Wiebe, et al. (2012), Schuld, et al. (2016), Wang (2017)].
  • NISQ デバイスでの変分量子計算を用いた量子機械学習
    • Quantum Neural Network [Gupta, et al. (2002), Farhi, et al. (2018)]
      • Amazon Braket での実装 Blog と Jupyter Notebook
    • 量子回路学習 [Mitarai, et al. (2018)]

宿題

• Q1. 前回の演習 PennyLane 0_Getting_started.ipynb で扱った回路の最適解 -1 を与えるパラメータは、RX(0), RY($\pi$) でした。これが最適であることを、Amazon Braket Python SDK を使って確認しましょう。

  • ヒント: 2量子ビットの回路を組み実行するだけです。Observable.Z() を用いてもよい (使い方は getting_started/1_Running_quantum_circuits_on_simulators.ipynb 参照)。

• Q2. 最適化されたパラメータ res.x を利用して、トレーニングデータセットに入っていない 10-bit 文字列に対する QNN の予測結果を確認してみましょう。そして、平均二乗誤差を計算しましょう。

  • ヒント: 正解ラベルはビット列のパリティを使うようになっています。

• Q3 (おまけ). 量子機械学習のアルゴリズムを (既存手法何でもいいので好きに選んで) PennyLane や Amazon Braket Python SDK を使って実装してみよう。既存の実装 (e.g. Qulacs) を PennyLane で書き換える、というのでも大丈夫です。

参考文献

• 御手洗光祐, 藤井啓祐, "量子コンピュータを用いた変分アルゴリズムと機械学習"
• Scott Aaronson, "Quantum Machine Learning Algorithms: Read the Fine Print"
• Quantum Recurrent Neural Network (QRNN) [arXiv:2012.11242]
• Quantum Native Dojo
  • Quantum Circuit learning
  • Harrow-Hassidim-Lloyd (HHL) アルゴリズム