BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//https://techplay.jp//JP
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALDESC:【関東】量子コンピュータとディープラーニ
 ング・ニューラルネットワーク
X-WR-CALNAME:【関東】量子コンピュータとディープラーニ
 ング・ニューラルネットワーク
X-WR-TIMEZONE:Asia/Tokyo
BEGIN:VTIMEZONE
TZID:Asia/Tokyo
BEGIN:STANDARD
DTSTART:19700101T000000
TZOFFSETFROM:+0900
TZOFFSETTO:+0900
TZNAME:JST
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
UID:641169@techplay.jp
SUMMARY:【関東】量子コンピュータとディープラーニング
 ・ニューラルネットワーク
DTSTART;TZID=Asia/Tokyo:20180131T183000
DTEND;TZID=Asia/Tokyo:20180131T203000
DTSTAMP:20260420T123155Z
CREATED:20171118T161710Z
DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/64116
 9?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\nはじめに\n
 量子コンピュータを使用した機械学習で主にNNを取り
 上げます。\n時間があればQboostなどの他の特徴選択ア
 ルゴリズムも紹介します。\nRBM/DBMと量子アニーリング
 ・ボルツマンマシン\n量子コンピュータでは量子ゲー
 トを使用した機械学習も研究が始まっていますが、\n
 現状では主に量子アニーリングを使用した回路の研究
 が主です。\nボルツマンマシンを取り上げます。\n結合
 について\nキメラグラフなど結線数の少ない学習は役
 に立たないので、RBMでは完全２部グラフ、\nハードウ
 ェアの制約はありますが、基本的にはきちんとモデル
 に沿った実装を考えます。\n量子サンプリング\nRBMで使
 用されるCD法の代わりにボルツマンサンプリングを使
 用した学習と推論の方法を確認します。\n有限温度\nボ
 ルツマンサンプリングでは、有限温度の設定によって
 効率的な学習が変わります。\n温度についても触れた
 いと思います。\nハードウェア実装\nチップや実機にRBM
 やDBMを落とし込むのに必要な技術や量子ビットの構成
 などを考察したいと思います。\n主に量子アニーリン
 グ＆磁束量子ビットを使用します。\nGPUシミュレータ\n
 NVIDIA社のCUDAで並列化された完全２部グラフと量子アニ
 ーリングを使用した学習フレームワーク。\nまた、pytho
 nをベースに組み合わせ最適化問題をメトロポリスのSQA
 に実装する際のQUBOなどの仕組みも見直したいと思いま
 す。\n（参考）INCEPTION AI スタートアップ サミット\nhttp
 s://www.gputechconf.jp/inception-program.html\n場所について\n場所
 は一旦丸の内のABCクッキングスタジオのセミナールー
 ムを借りることができました。\n万が一変更等ありま
 したら連絡します。
LOCATION:ABCクッキングスタジオ本社ABCグラウンド 東京都
 千代田区丸の内3-1-1-B2F（国際ビル）
URL:https://techplay.jp/event/641169?utm_medium=referral&utm_source=ics&utm
 _campaign=ics
END:VEVENT
END:VCALENDAR