投稿

「量子情報理論基礎演習 I」講義資料

イメージ
12月9日の「紙と鉛筆で学ぶ量子情報理論基礎演習」の講義資料です。ご利用ください。https://goo.gl/8PWsWh ------------------------
「はじめに」から
------------------------ 本演習は、量子ゲート型量子コンピュータの基礎を演習形式で学ぶことを目的としたシリーズの第一回目である。対象を、量子論を初めて学ぶ人として、高校生程度の数学的知識を前提に、基本的なベクトル・行列計算の入門演習を含んでいる。 量子ゲート型量子コンピュータの入門としては、基本的な量子アルゴリズムや量子通信手法の紹介、量子情報理論の入門としては密度行列や量子情報とエントロピーの紹介等、重要な部分が欠けているのだが、それらについては、シリーズの次回以降で取り上げたいと考えている。 また、ここで取り上げられている素材は、物理学的な量子論から見ると、大幅に簡略化されている。こうしたアプローチは、量子論の入門としては、むしろ望ましいことのように筆者は考えている。 こうした簡略化が可能なのは、物理学的量子論が、実在的な物質を対象とし、その運動法則の解明を目指すのに対して、少なくても、量子ゲートの理論は、量子論をそのフレームにしつつ、その対象が抽象的・形式的なものであるところが大きいと考えている。(現時点での量子コンピュータの実装レベルでの達成と、その理論的展望との間には、大きな乖離がある。) ただ、量子情報理論は、量子論から派生したそのサブセットでも、単なるその応用分野だというわけでもない。近年の物理学の大きな話題は、量子情報理論が、物理学そのものの基礎理論なのではないかという関心の高まりのように筆者は感じている。こうした関心が多くの人に共有されることを期待している。 準備期間が短かったので、いろいろ行き届かないところがあると思う。それについては、ご容赦されたい。
------------------------ 僕の予想を大きく超えて、50人以上の人が申し込んでくれました。もう、受付閉めていますが、当日の飛び入り参加も歓迎です。 反応に気を良くして、第一回目の続編もぜひやりたいと考えています。回を重ねるにつれちょっと難しくなるので、参加者減ると思うので、この第一回と同じ内容での開催を、当面考えようとしています。 30~50人規模の会場探していま…

失敗

9日の「紙と鉛筆で学ぶ量子情報理論基礎演習」ですが、告知文には「紙と鉛筆持参のこと」としか書いてないんですが、資料・演習課題は、当日、「紙」ではなくネット経由で電子的に配布しようと思っています。すみませんが、紙と鉛筆だけでなく、PCも持参してもらえませんか?

MaruLabo Presents

イメージ
12月17日 クラウドを利用した新しいスタイルで、ディープラーニングのハンズオンを行います。 申し込みサイト:https://lab-kadokawa40.peatix.com/ 以下、丸山からのメッセージです。 ------------------------------
 今回のハンズオンは、ディープ・ラーニングの応用として最大の成果を納めている「画像認識」技術を素材として、ディープ・ラーニングの基礎を学ぶことを目的としています。個人の興味としてではなく、会社で、AIの取り組みを始めようとしている人には、ちょうどいい入門講座になると思います。  まず、はだかのTensorFlowで、DNN (Full Connect Multi-Layer Feed-Forward Neural Network) の基礎を学びます。そのあとは、Kerasを使おうと思っています。ディープ・ラーニングを実際に使う上でで重要なことは、モデルを変更したり、メタ・パラメーターを変更して、推論の制度を上げることなのですが、今までのハンズオンでは、なかなかそこまでできませんでした。Kerasなら、そういうことが簡単にできます。  丸山は、角川アスキー総合研究所と、ディープ・ラーニングの「6時間集中講義」を何度か行ってきました。ただ、それは「座学」でした。「6時間集中講座」に参加された方、講義部分は重複がありますが、ぜひ、自分の手で実際に、ディープ・ラーニングを動かしてみる、このハンズオンにご参加ください。  丸山は、また、昨年来、MaruLaboとして、Googleさん、AWSさん、Microsoftさんと、それぞれのユーザーコミュニティである TFUG, JAWS, JAZUG の協力を得て、「クラウド・ハンズオン」を展開してきました。それは、以前から、ディープ・ラーニングの学習と開発には、クラウドのGPUを使うのが一番いいだろうと考えていたからです。  ただ、「クラウド・ハンズオンでは、いろいろ失敗も経験してきました。GPUの手配ができなくて、CPU10数個で代用したものの、時間内に機械の「学習」が終わらなかったり、GPU環境の構築に時間の大半を使ってしまって、ほとんど何もできなかったり。また、参加者は、クラウドのアカウントを事前に取得することが必須なのですが、苦労して周知したはずなのに…

氷の結晶

イメージ
外気がマイナス10度くらいで、内側が暖かいと、ガラスに大きな雪(氷?)の結晶が成長する。これは部屋の窓ではなく「風除室」(玄関の前に部屋がある。北海道では普通)の窓ガラス。北海道の部屋は暖かいので、居間のガラスは、こうはならない。ただ、今年の冬は、寒そうだ。

ヴォヴォドスキーの「最後」の仕事

2ヶ月前に亡くなった数学者のヴォヴォドスキーが、「最後に」、どんなことに興味を持っていたのか調べ始める。 いったん、「晩年のヴォヴォドスキー」と書きかけたのだが、事故やその他の理由で突然死した人に(彼は動脈瘤が破裂して51歳でなくなるのだが)「晩年」というのは、あまり馴染まないなと気になって「最後に」に書き換えた。 ただ、「最後に」は、短い時間しか指し示さない。最後の論文は、最後の一つの論文だ。それに対して、「晩年」には、時間的な幅がある。いくつかの論文を対象にできる。「晩年」でもいいのかな?  「晩年」には、年齢制限もあるのかも。若くして亡くなった尾崎豊やエイミー・ワインハウスには、「晩年」は、似合わない。(突然死だから?) でも、子規は30代で亡くなっているのに、「晩年」といってもおかしくない気がするのはなぜだろう?(ずっと、病床にあったから?) どうでもいいことで本題から外れたが、ヴォヴォドスキーが最後に取り組んでいたのは、"C-System"という対象のように見える。 "C-System"の'C'は、Contextual Categoryの'C'で、Contextのことだと思っていい。わかりやすい説明は、ここにある。https://ncatlab.org/nlab/show/context 平たく言えば(そう解釈できるという意味でしかないのだが)、コンテキストの意味論の形式化をやっているのだ。 僕は、現在の人工知能技術が、言語の意味理解と数学的推論能力という二つの点で人間の壁を乗り越えられていないと感じているのだが、それは、「シンボル」レベルの抽象を持たない、べったりした「コネクショニズム」還元論というディープラーニングの方法論自体の限界だと考えている。 グロタンディック=ローヴェール=ヴォヴォドスキーという、現代数学の、いわば、極めて抽象的なレベルでの探求が、こうした人工知能技術の具体的な課題と結びつくかもしれないと考えるのは、とても楽しいことだ。 少し、「意味の意味」、あるいは、その数学的把握である「意味の形式的理論」と言われるものを、紹介したいと思う。

11/30マルレク「量子コンピュータとは何か?」の様子

イメージ
今日のマルレクと懇親会の様子です。


Jeff Dean

風邪ひいて、Jeff Dean に会いに行けなかった。残念。