AIが解く世界の難問 · 量子物理・量子計算 · arXiv · 2026-10-20
プロトタイプを用いた線形コストの量子データ埋め込み最適化
原題: Prototype-Guided Optimization of Quantum Data Embeddings with Linear Cost
教師あり量子機械学習では、量子データ埋め込みが分類性能を大きく左右する。しかし既存手法はサンプルのすべての組に対して忠実度を評価するため計算量がO(B²)となり、埋め込みの反復最適化のボトルネックになっていた。研究では、クラスのプロトタイプを用いた目的関数を構成して必要な忠実度評価をO(B)回に減らし、5つのベンチマークデータセット（最大20量子ビット）で、量子カーネルSVMとして競争力のある性能を保ちつつ評価コストを削減した。T-MNISTでは、評価回数を揃えたペアごとの最適化よりも大きな改善を示した。