51探花

【本学研究者情报】

〇学际科学フロンティア研究所
助教　山田 智史

【発表のポイント】

• 量子コンピュータ^※１と机械学习を组み合わせて构筑した量子机械学习モデルのシミュレーションによる検証で、古典コンピュータ^※２を用いた场合よりも多く、実际の宇宙の明るさの変化データから异常现象の候补を検出することに成功
• 将来的に、高性能な天文望远镜による膨大な宇宙の动画データからわずかな异常変动を自动で検出する手法が求められており、今回、量子コンピュータ技术に机械学习を取り入れることで効率的に异常现象を検出できることを実証
• 検知した宇宙での异常现象から宇宙の进化や物理现象などの解明に繋がる可能性だけでなく、量子机械学习の天文学分野への応用に向けた扉を开く成果

【概要】

大阪大学大学院理学研究科の川室太希助教、立教大学の山田真也准教授、酒井优辅さん（博士后期课程）、理化学研究所の长瀧重博主任研究员、松浦俊司上级研究员、东北大学の山田智史助教らによる研究グループは、欧州宇宙机関(ESA)が运用するX线天文卫星XMM-Newtonがこれまで约24年间にもわたり取得してきた大规模な宇宙のX线変动データから、量子コンピュータと机械学习を组み合わせた量子机械学习モデルを构筑し适応することで、113件の异常なエネルギー(X线)放射现象を捉えることに成功しました。

近い将来、今以上に宇宙の変化を捉えるために膨大な量の动画データが取得されると考えられています。そこで、人类の予想を超えるような変动を见つけ、宇宙の多様性やいまだ隠れている物理现象といった神秘を解明するために、最先端の机械学习モデルの开発が活発に行われています。

そのような状况のなか、研究グループは、机械学习と量子コンピュータを组み合わせた量子机械学习の有用性をシミュレーションベースで模索するため、机械学习で用いられているLSTM（Long Short-term Memory）^※３（长?短期记忆)と呼ばれるニューラルネットワークに量子回路を埋め込み、量子コンピュータで计算できるように整备し、明るさの异常変动の検出を行いました。その结果、古典コンピュータを用いた场合よりも多くの候补を特定することに成功しました。

本研究成果は、米国科学誌「The Astrophysical Journal」に、7月2日（水）15时（日本时间）に公开されます。

【用语解説】

※１　 量子コンピュータ
0と1が重なり合った「重ね合わせ」状态を持つ量子ビットを使い、复数の计算を同时に进められる特性がある。

※２　 古典コンピュータ
电気の有无を0か1で表し、その组み合わせで计算を行う。

※３　 LSTM（Long Short-term Memory）
过去からの长期的な情报を保持しつつ、直近の情报も考虑することで未来を予测するする能力があります。気象や株価データといった、时间変化するデータを扱うのに使われたりしています。

【论文情报】

タイトル："Quantum Machine Learning for Identifying Transient Events in X-Ray Light Curves"
著者：Taiki Kawamuro, Shinya Yamada, Shigehiro Nagataki, Shunji Matsuura, Yusuke Sakai, and Satoshi Yamada
掲載誌：The Astrophysical Journal
顿翱滨：

详细（プレスリリース本文）

问い合わせ先

（研究に関すること）
東北大学 学際科学フロンティア研究所
助教 山田 智史（やまだ さとし）
Email: satoshi.yamada*astr.tohoku.ac.jp
（*を蔼に置き换えてください）

（报道に関すること）
東北大学 学際科学フロンティア研究所 企画部
特任准教授 藤原 英明（ふじわら ひであき）
TEL: 022-795-5259
Email: hideaki*fris.tohoku.ac.jp
（*を蔼に置き换えてください）