seoil e&m

人工量子知能(Artificial Quantum Intelligence)の可能性を提示し、この研究結果は量子コンピューティング分野において最も有望な領域の一つとしてAI発展に革新的に貢献すると..


人工知能の分野が発展するほど、データと早くより効率的に学習できるアルゴリズムへの関心は増幅される。
現在、人工知能の分野で最も効率的に学習できるアルゴリズムとして強化学習が挙げられる。 ここで、エージェントという意思決定個体は、環境と相互作用して得られたフィードバックをベースに行動をアップデートして学習する。人工知能モデルで最も重要なのは，エージェントがいかに早く学習するかということだ. 最近、エージェントの意思決定プロセスの速度を高めるために、代案として量子力学を使う多様な研究が進められたが、学習時間の短縮はまだ立証されていない。さらに、ウィーン大学(University of Vienna)のフィリップ·ウォルター(PhilipWalther)博士率いるインスブルック大学(University of Innsbruck)、オーストリア科学アカデミー(Austrian Academy of Sciences)、ライデン大学(LeidenUniversity)、ドイツ航空宇宙センター(German Aerospace Center)の共同研究チームが量子通信を利用してエージェントの学習過程を加速する新しい強化学習プロセスを10日に提示した。

また、このプロセスを古典的な意思疎通と結合し、強化学習速度を最適に制御できることが確認された。研究チームは量子および古典的な情報伝達が可能な量子強化ハイブリッドエージェントを開発したもので、このエージェントは重複原理を活用して、様々な潜在的ソリューションを同時にスクリーニングすることができる。 量子システムが測定されるまで同時に様々な状態にあり得るマルチタスク能力は、エージェントの学習時間での"量子速度向上"と"学習プロセスの最適制御"を可能にしたものである。
つまり、ハイブリッドエージェントは単純な意思決定のためにクラシックコンピューティングを使い、意思決定がより複雑な場合は、量子コンピューティングを使った。 研究チームは、実験でハイブリッドエージェントは既存の強化学習に比べてソリューション学習速度が63%速く、学習努力が270から100に減少したと発表した。

また、研究チームは「私たちの設定により、エージェントは両者が有利な場合、古典的戦略に転換し、有利な戦略を選択することができます」と付け加えた。研究チームのこの学習プロセスは、小さく完璧に調整可能な統合ナノフォトニックプロセッサー（Nanophotonic Processor）で具現される。このデバイスは通信波長光子(Telecommunication-Wavelength Photons)とインタフェースで素早い活性フィードバックメカニズムを特徴とする。 将来の大規模な量子通信ネットワークに容易に統合できる設定においてエージェントの体系的な量子的利点を示したものである。フィリップ·ウォルター博士は、”私たちは、人工量子知能(Artificial QuantumIntelligence)の可能性について理解し始めました。

したがって、すべての新しい実験結果が、現在量子コンピューティング分野で最も有望な領域の一つと考えられているこの分野の発展に貢献していくことでしょう。"と述べた一方、この研究結果は、今月10日にネイチャー誌に’強化学習エージェントの実験的量子速度向上（Experimentalquantumspeed-upinreinforcementlearningagents）’というタイトルで掲載されていて、同時に同タイトルのアーカイブ(ダウンロード)で公開された。

＊本件についてお問い合わせ事項がございましら、当ホームページの「お申込み/お問い合わせ」か下記の連絡先へご連絡お願いします。
部署名：SEOIL E&M 企画マーケティンググループ
TEL ：+82）2-6204-2033
E-mail : pl@seoilenm.com