AIBR プレミアム
拓海先生、最近若手から「ニューラルネットで量子の状態が表現できるらしい」と聞きまして、正直ピンと来ないのです。うちのような製造業にどう関係するのか、投資対効果が見えないのですが、要点を教えていただけますか。
素晴らしい着眼点ですね！量子多体系の話は一見遠いですが、要するに「複雑な相互作用を効率的に扱う技術」の話です。今日は結論を3点に絞って説明しますよ。まず本研究は深いニューラルネットを使って量子の基底状態（ground state）を正確に表現できると示したこと、次にその構築法は確定的（deterministic）で最適化が不要であること、最後に必要なニューロン数は線形に増えるので現実的な扱いが可能だという点です。大丈夫、一緒にやれば必ず分かりますよ。
なるほど、三点ですね。ただ、「確定的で最適化が不要」というのが引っかかります。従来の機械学習ではパラメータチューニングが山ほど必要だったはずですが、それがないとどうやって正しい答えを得るのですか。
素晴らしい着眼点ですね！ここは身近な例に置き換えます。最適化が不要というのは、設計図が既にあるのでそれに従ってネットワークを組み上げれば、物理的に正しい基底状態に対応する構造が得られるという意味です。つまり泥臭く試行錯誤で学習させる代わりに、数学的な手順でネットワークを組むのです。要点3つで言うと、設計図（構成法）を持つこと、設計図が時間発展（imaginary-time evolution）を再現すること、そして出来上がるネットワークが物理量の測定に使えることです。
これって要するに、従来の“学習して最適化する”アプローチではなく、手順どおりに組み立てる“設計図ベース”の表現ということですか？
まさにその通りです！素晴らしい理解です。さらに補足すると、設計図は深層ボルツマンマシン（deep Boltzmann machine）という構造を使い、二層の隠れニューロンが物理変数間の量子的相関を仲介します。その結果、時間を遡るように基底状態に到達する
監修者
阪上雅昭（SAKAGAMI Masa-aki）
京都大学 人間・環境学研究科 名誉教授
論文研究シリーズ
AI技術革新 - 人気記事
PCも苦手だった私が
