「量子コンピュータを使用して暗黒物質を見つける」
「暗黒物質を発見するために量子コンピュータを利用する方法」
QML（量子機械学習）— 高エネルギーおよび粒子物理学の楽しいユースケースにおける実用的な量子機械学習
背景
今年の8月は、IBMのグローバル・クォンタム・サマースクールに捧げられました。短期間での基礎学習と忙しいスケジュールの中で、量子コンピューティングの基礎だけでなく、いくつかの応用も学びました。4週間の厳しい訓練の結果、手に入るのは「量子の経験」と呼ばれるバッジで、自分がやっていることを理解しているように感じながらも、同時に何が起こっているのか全くわからないというものです。1か月は、量子回路の基礎から高速なバリアティブルアルゴリズムへの移行があり、アプリケーションの部分に手を付けるための残りわずかな時間しかありませんでした。
応用に関しては、量子化学、量子シミュレーション、およびいくつかの非常に複雑なモデリングタスクが、量子コンピュータを用いて解決できる問題の例となるでしょう。そう言っても、もう一つの新興分野である量子機械学習（QML）が、ユーザーや研究者から大いに注目を浴びています。
私はQMLが従来の機械学習の論理的な後継者であるべきだと考え、同じことをしようと決めました。ただし、データの巨大さ、複雑なパターンの特定の難しさなどから、機械学習アルゴリズムでは容易に解決できない問題が望ましいです。しかし、それを私の謙虚な環境で実装できる問題が欲しかったのです。それには、友達である物理学から遠くないところを探しました。物理学には、その中に複雑で興味深い問題が数多く隠れており、そのような問題に取り組むのは知的にもクールだと思いました。
そういうわけです。
問題設定
私は、CERNの大型ハドロン衝突器に関連するOPERA実験（エミュージョントラッキング装置による振動プロジェクト）で調査されたダークマター分類問題に取り組むことにしました。
問題設定
簡単に言えば、信号とノイズの区別をするための分類器を訓練します。信号はダークマターの存在を示し、ノイズは存在しないか、または何か別のものを意味しますが、信号ではありません。
We will continue to update VoAGI; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
