グリッド（曽我部完代表取締役）は11月29日、ディープラーニングなどで使われる逆伝播勾配降下法（Backpropagation）を、NISQ型量子コンピューター上で動作するアルゴリズムとして開発したと発表した。論文タイトルは「Quantum Circuit Parameters Learning with Gradient Descent Using Backpropagation」となっており、arxiv.orgに掲載されている。


　すでに発表している先行論文では、機械学習で使われている主成分分析やディープラーニングなどで使われるオートエンコーダなど、機械学習で使われるアルゴリズムを量子コンピューター上で動かすことに成功しているが、今回の発表では、機械学習で非常によく使われる、ニューラルネットワークのパラメーター更新の際に使われる逆伝播勾配降下法（Backpropagation）を、NISQ型量子コンピューター上で動作するアルゴリズムとして開発した。
 
　量子コンピューターは、量子ビットがそもそも非線形な特性をもっているため、ディープラーニングなどが本質的に行っている特徴抽出器としての役割を、量子コンピューター上で実現できると考えており、量子ビット数が拡張するにしたがって、より高い性能でデータの特徴を抽出できる可能性がある。また、逆伝播勾配降下法を用いることにより、量子機械学習の学習段階でパラメーター更新に使われている旧来手法（差分法）に比べても大幅な学習時間の削減が可能となる。論文本文では、学習の際のパラメーター更新の時間比較を行い、回路の深さを変えての比較や、量子ビットの数を変えて比較した他の二つの手法と大きく差をつけて速いことを確認した。

　同社では、今後もさまざまな量子アルゴリズムを開発し、量子コンピューターの活用と社会実装に向け、研究開発に取り組んでいく方針。