Pythonではじめる量子AI入門 量子機械学習から量子回路自動設計まで<エンジニア入門シリーズ130>(エンジニア入門シリーズ<130>) [単行本]

Pythonではじめる量子AI入門 量子機械学習から量子回路自動設計まで<エンジニア入門シリーズ130>(エンジニア入門シリーズ<130>) の 商品概要

• 目次

  まえがき
  第１章量子コンピューティングの基礎
  １. １量子コンピュータの歴史
  １. ２量子コンピュータの種類と開発状況
  １. ３量子コンピューティングの基本要素
  １. ３. １量子回路要素: 量子ビットの表記
  １. ３. ２量子ビットの基本演算
  １. ３. ３量子回路要素：量子ゲート
  １. ３. ４量子回路要素：2 量子ビット以上量子ゲート
  １. ３. ５量子回路要素：量子測定
  １. ３. ６Python による量子回路の作成
  １. ３. ７Python を用いた1 量子ビット量子回路コンピューティング
  １. ３. ８2 量子ビット以上のPython 量子コンピューティング
  １. ４量子アルゴリズム
  １. ４. １量子加算アルゴリズム
  １. ４. ２量子もつれと量子テレポーテーション
  １. ４. ３量子もつれと EPRパラドックス（ ベルの不等式、CHSHの不等式）
  １. ４. ４量子アルゴリズムの鍵：位相キックバック
  １. ４. ５量子フーリエ変換アルゴリズムの実装
  １. ４. ６量子位相推定アルゴリズムの実装
  １. ４. ７Deutsch-Jozsa 量子アルゴリズムの実装
  １. ４. ８グローバーのアルゴリズムの実装
  まとめ
  第２章機械学習と量子機械学習の導入
  ２. １機械学習の基本法則：バイアスとバリアンス
  ２. ２教師あり学習
  ２. ２. １回帰と分類
  ２. ２. ２学習モデルと代表的なアルゴリズム
  ２. ３教師なし学習-特徴抽出クラスタリング次元削減
  ２. ３. １次元削減とクラスタリングの等価性
  ２. ３. ２行列方式による次元削減手法：主成分分析
  ２. ３. ３競合学習クラスタリングによる次元削減
  ２. ４量子機械学習
  ２. ５NISQ 時代における量子機械学習
  まとめ
  第３章量子機械学習アルゴリズムⅠ
  ３. １情報エンコーディング
  ３. １. １基底エンコーディング
  ３. １. ２振幅エンコーディング
  ３. １. ３テンソル積エンコーディング
  ３. ２量子特徴マッピング
  ３. ２. １量子カーネルの導入
  ３. ２. ２SWAP テストを用いた量子カーネル回路
  ３. ２. ３データエンコード回路を利用した量子カーネル回路
  ３. ３Harrow-Hassidim-Lloyd（ HHL） アルゴリズム
  ３. ４量子状態ベクトル距離計算
  ３. ５ハイブリッド型量子k-means クラスタリング手法
  ３. ６量子カーネルSVM 法
  ３. ７量子回路学習アルゴリズムの実装と応用例
  まとめ
  第４章量子機械学習アルゴリズムⅡ
  ４.１変分量子固有値ソルバー（ VQE） の実装と応用例
  ４.２量子近似最適化アルゴリズム（ QAOA） の実装と応用例
  ４. ３AI 駆動型量子回路自動設計
  ４. ３. １量子回路設計のQOMDP 手法の概要
  ４. ３. ２GHZ 状態生成
  まとめ
  付録
  Ａ量子回路課題の解答
  ＢGoogle Colab でのQiskit のインストール方法および実行手順
  Ｃ式(1.65) の証明
  Ｄ式(1.74) の証明
  Ｅ有限差分法 185
  Ｆ同時摂動最適化法（ SPSA）
  Ｇ量子部分観測マルコフ決定過程手法（ QOMDP）
  Ｇ. １クラウス行列
  Ｇ. ２QOMDP
  Ｇ. ３QOMDP におけるプランニングアルゴリズム
  Ｇ. ３. １価値関数
  Ｇ. ３. ２プランニングアルゴリズム
  Ｇ. ３. ３方策
  索引
  著者紹介

• 出版社からのコメント

  圧倒的な計算能力の高さから期待される量子コンピュータ
  その基礎から機械学習への応用までまとめられた書籍

• 内容紹介

  量子機械学習は情報技術の未来形として、古典機械学習では困難と視されている、暗号解読、創薬、大規模気候予測、環境エネルギー問題などのような大規模なデータ解析問題において高速かつ効果的な応用の可能性を秘めています。
  
  本書は、量子コンピュータの基本原理から最新の研究進展、そして機械学習との融合による新しい可能性に至るまで、包括的に解説しています。また、Python という広く使われているプログラミング言語を通じて、量子機械学習を実際にどのように応用できるかを学ぶことができます。
  本書で記述されている量子機械学習の内容は、様々な文献と著者自身の関連研究から、量子コンピューティングと機械学習がどのように融合されるか、融合した場合にどのような結果が得られるかという側面に焦点を当てています。そして量子機械学習に関する一般的な知識や情報をある程度身につけることができます。

• 著者について

  曽我部 東馬 (ソガベトウマ)
  理学博士（ 物理学専攻）。マックス・プランク研究所（ 独） 博士研究員、ケンブリッジ大学（ 英） 研究員を経て、
  2009 年に帰国。株式会社グリッドの共同創業者として設立に携わり、取締役、最高技術責任者を歴任。2011 年
  より東京大学先端科学技術研究センター特任助教、特任准教授を歴任、2016 年3 月より電気通信大学准教授、
  株式会社グリッド取締役（ 兼務）、東京大学先端科学技術研究センター客員研究員（ 兼務）。2024 年 4 月から電
  気通信大学教授。現在、人工知能を用いた、量子物理デバイスの最適化設計、量子コンピュータの最適化制御、
  そして、スマートグリッドをはじめとする社会インフラ全般における最適化研究に精力的に取り組んでいる。

Pythonではじめる量子AI入門 量子機械学習から量子回路自動設計まで<エンジニア入門シリーズ130>(エンジニア入門シリーズ<130>) の商品スペック