こんにちは。毎日新しい分野を開拓していますが、最近のソフトや開発はなかなか説明してもやっていることが伝わらないことが多くなってきました。その原因は最先端のGPUや量子コンピューティングが混じってしまっているからだと思います。分野での計算の名称というのは結構技術的なところからスタートし、細かい名前がついています。今回はどういった名前をつければ良いのか分かりませんでしたが、量子コンピューティングではあるのですが、GPUを使って深層学習を実装するということからGPU量子深層学習と名付けました。
量子コンピューティングではないよねとか、深層学習と言ったらちょっと誇大広告過ぎになるかと言う人もいるかもしれません。が、量子コンピューティングに間違いなく、量子ゲートなどを使って計算したり、また量子状態といったものを使って計算をしますので量子コンピューティングと言ってのではないかと思います。一方でそうした量子回路を量子ゲート方式を作るわけですが、GPUでも同様のものを作ることができます。そういったことでGPUを使って量子状態をいじると言うような分野はあってもないかと思います。
大きな誤解は、量子回路上で行う量子機械学習はまだまだ性能が低いため使えないと言うことから、このGPU量子深層学習と言う分野においても結局実用化はできないだろうと言うふうに見られることです。 また、他の量子回路を機械学習と同じに見られてしまうと、性能があーだこうだとか量子回路計算がどうだとか言うふうに言われますが、今回私たちのものには関しては特に量子回路を利用した変分計算に基づく量子機械学習という分野とは少し違うと思います。
今回作ったのは簡単に言うと、量子状態を想定した上で、既存の深層学習上で量子状態を活用してパフォーマンスを良くしようと言ったものです。実際の実装はGPUになりますが、将来的にはこのような量子状態を量子コンピュータで作ることができるんじゃないかと言うことで、GPUを優先して開発をしていますが、将来的には量子コンピューター上でも実装できることもできます。変分計算でないと言う観点においては、既存の深層学習のフレームワーク上で学習を行う場合、その学習自体は一般的な深層学習の誤差逆伝搬法を利用しますので、量子回路学習を使って学習すると言うものではありません。
私たちがよく利用する量子状態と言うのは、量子コンピューティングにおいては、主に重ね合わせともつれを使って記述がされます。また、こうした深層学習が古典で利用される場合、多くは行列計算でテンソル計算を行う場合、こうした量子もつれに近い計算が行われていると考えています。もちろんこれは、私たちが量子コンピューティングから事業をスタートしているということに関係するので、半ば強引なこじつけではあるかもしれません。
私たちが事業化と言う観点で、量子コンピューティングを持ち込む場合、GPUを利用して生成AIや一般的な深層学習を利用する際には、やはりこうした量子状態を扱うが自然ですし、私たち量子コンピューティングな企業が量子状態を扱わずに深層学習を扱うと言うのは、面白みがないと考えられます。 私たちは、量子状態の考え方を深層学習に持ち込んで事業化を行うと言うメリットを強調したいと思います。
量子状態を深層学習に持ち込む場合、量子状態における量子もつれはどこでも均一ではありません。量子状態の記述方法は、従来のフルの状態ベクトルに対して近似的な表現も多数あります。われわれは、こうした種類の近似的な量子状態の表現を深層学習に持ち込むことで、パフォーマンスを向上するということを最大限に活用したいと考えています。
現状、NVIDIAのcuQuantumを利用することが私にとって量子計算で非常に重要です。一方で、機械学習、深層学習の分野においての専用フレームワークの内部には、こうした量子計算に利用できるフレームワークも多々あります。私たちは、こうした量子計算専用のフレームワークと深層学習専用のフレームワークの使い分けを行うことにより様々な問題を解決して行きます。
当面は、デモンストレーションで量子コンピュータを利用することもあるかもしれませんが、普通はGPUを利用してこうした量子状態を表現し、実際のモデルの性能を上げていくと言うことに集中したいと思います。以上です。