2022年6月号　Interface　の「ゲートレベルから実装する機械学習」を試してみた　その1

Interface6月号の5章：古典－量子ハイブリッド・アルゴリズムで2ち分類問題の加速化にトライ。ゲートレベルから実装する量子機械学習を実行してみました。

量子下記学習ライブラリPennyLaneの準備

PennyLaneはオープンソース・ソフトウェアで、公開されておりPythonで動作します。

詳細は、以下に記載されています。

pennylane.ai

１．インストール

Google Colabで以下を実行し、インストールします。

!pip install pennylane

インストール後、以下を実行するとバージョン情報等が表示されます。

import pennylane as qml

qml.about()

量子回路書き方の例

PennyLaneを用いた量子回路の書き方をサンプルで説明します。

（CNOTゲートはXORゲートと同様）

（RYゲートはY軸周りをθ度回転させた値）

#PennyLaneモジュールをqmlという名でimport

import pennylane as qml

#量子回路を実行するデバイス指定

#default.qubitはデフォルトで用意されているシミュレータ

#引数wires=2は2量子ビット使用する
dev = qml.device("default.qubit",wires=2)

#デコレータ
@qml.qnode(dev)

#CNOTとＹ回転ゲートw使用した回路

#PauliZはQiskitのmeasureと同等
def circuit(x):
  qml.CNOT(wires=[0,1])
  qml.RY(x,wires=1)
  return qml.expval(qml.PauliZ(1))

result = circuit(0.543)
print(result)

上記回路を可視化すると、

デコレータについて

デコレータはそのまま訳すと修飾ですが、メソッドを修飾するメソッドという意味となります。