[1904.10246] Amplitude estimation without phase estimation の解説を聞いた。少ない量子ビット数、ノイズの多い NISQ コンピュータでも何とかして数値積分の計算効率を上げられないか？という野心的な取り組みに思う。従来の位相推定の方法では現状の IBMQ 上で計算できないということで、量子回路を分割したり、量子-古典ハイブリッドで後段の逆量子フーリエ変換の適用部分を古典的な統計解析に委ねるなど、なかなか興味深い話だったように思う。
こういったことはディープラーニングも同じだと思っていて、変にディープラーニング的なことに拘るとデータ拡張とかしまくらないとならないとか、しまくっても精度が出ないとかがあるように感じる。十分に発達した古典的な画像処理で前処理を済ませることで精度の高いディープラーニングのモデルが設計できるならそっちのほうがずっと良い。
ついつい新しいことを学んだ時はそればかり使いたくなる、例えばデザインパターンを学ぶと “パターン魔” になりたくもなるが、一歩引いて、目的と手段が入れ替わっていないか？その目的のためにそれは必要なのか？を見極めてバランスの良い解放が使えると良いと思った。
