量子コンピューティングEXPOに向けて④

量子コンピューティングEXPOで行う予定の、
弊社の展示に向けての事前情報その４です。

量子機械学習の環境

　色々な形態が研究されていますが、「量子ニューラル・ネットワークを学習させる」ことを想定した環境をご紹介します。
※（狭義には4層以上の）ニューラル・ネットモデルを誤差逆伝播法（BP：Backpropagation）で学習させる機械学習手法が深層学習（Deep Learning）

■ PyTorch単体での量子化

　PyTorchには、Deep Learningのモデルを量子化する以下の方法が用意されています。
　・ Dynamic Quantization
　・ Static Quantization
　・ Quantization Aware Training
詳細は以下のドキュメントをご参照ください。
https://pytorch.org/docs/stable/quantization.html

■ PyTorchの学習モデルとしてQiskitの量子機械学習層を組み込む（TorchConnector）

　IBM社のQiskitは、オープンソースの量子コンピュータ用フレームワークです。量子回路の記述・シミュレータの実装・最適化などを行うための汎用性の高いSDKです。IBM社の量子コンピュータIBMQだけではなく、NVIDIA製GPU搭載の古典コンピュータ環境で、cuQuantumを使用して高速に回路シミュレーションを行うこともできます。
https://qiskit-community.github.io/qiskit-machine-learning/locale/ja_JP/tutorials/05_torch_connector.html

■ TensorFlow Quantum（TFQ）

　量子機械学習用の Python フレームワークです。NISQデバイス向けにGoogleが開発したフレームワーク「Cirq」を、既存のTensorFlowライブラリに統合したものです。TensorFlow 内から Google の量子コンピューティングフレームワークを活用できます。古典コンピュータ環境では、Intel製マルチコアプロセッサに最適化（AVX/FMA、OpenMPでのマルチスレッドサポート）された高性能な量子回路シミュレータである「qsim」を採用し、マルチコアプロセッサで量子シミュレーションが可能です。GPUはサポートしていません（GPU対応版のqsimも存在しています）。
https://www.tensorflow.org/quantum?hl=ja
Cirq https://quantumai.google/cirq
qsim https://quantumai.google/qsim

■ PennyLane

　量子機械学習に特化した、ゲート型量子コンピュータ用の量子回路の記述・シミュレータの実装・最適化などを行うためのSDKです。TensorFlow や PyTorch へのインタフェースが用意されています。特に、ニューラル・ネット―ワークで使用される誤差逆伝搬法の量子版が用意されています。C++で書かれた独自のバックエンドを持ち、導入された古典コンピュータ環境で回路シミュレーションができます。またQunasys製のC++で書かれた高速なQulacs SDKもバックエンドとして利用可能です。
Keras（TensorFlow）やNVIDIA cuQuantumを通じてGPUを使用したシミュレーションも可能です。
https://pennylane.ai/
https://github.com/PennyLaneAI/PennyLane

★ 弊社サイト内　NexTech Week 2024［春］開催案内ページへ

NexTech Week 2024［春］

トップページへ