SlideShare a Scribd company logo
1 of 17
数学好きから見た量子コンピュータ
57を因数分解した話
第12回日曜数学会 2018/06/16
snuffkin
1
自己紹介
• 束野仁政(つかの・さとゆき)
• Acroquest Technology株式会社
• ITエンジニア
• 分散処理、ビッグデータ、機械学習、検索エンジン
• ITエンジニアが楽しめる数学、ITエンジニアに役立つ数学
• 量子コンピュータを勉強中
@snuffkin
https://qiita.com/snuffkin
https://note.mu/snuffkin
2
量子コンピュータって何?
1. 量子力学の性質を使って高速に計算できるコンピュータ
2. ある程度のサイズの量子コンピュータが実現すると、
問題によっては、スーパーコンピュータよりも高速になる
3. Google、IBM、Microsoft、D-Wave等が開発している
4. 実用化はXX年後?
5. 主な実現方式は2つ
• 量子ゲート方式
• 量子アニーリング方式
今回紹介するのは量子ゲート方式のアルゴリズム
3
量子コンピュータで高速に計算できること
1. 数論関連
a. 因数分解
b. 離散対数問題
c. ペル方程式
d. ガウス和
e. 合同ゼータ関数
4
2. 幾何関連
a. 結び目不変量
b. Persistent Homology
3. 線形代数関連
a. 行列の累乗
b. 行列の階数
など
今回はこの概略を
紹介します
因数分解できると何が嬉しいのか?
公開鍵暗号を現実的な時間で解ける
1. インターネット通信やビットコインで利用されている
2. 「大きな数の因数分解が難しいこと」を安全性の拠り所にしている
難しい = 現実的な時間では計算できない
正確には、楕円曲線の離散対数問題を解く必要があるが、
因数分解の考え方を応用して楕円曲線の離散対数問題を解ける
5
大きな数の因数分解の難しさ
𝑛ビットの整数の因数分解(将来的に更新される可能性あり)
• 古典コンピュータでの最良の計算時間(一般数体ふるい法):
• 量子コンピュータ(Shorのアルゴリズム):
1024ビットの整数を因数分解するのに必要なおおよその計算量
• 古典コンピュータ: 𝑂(10278)
• 量子コンピュータ: 𝑂(1061
)
6
Shorのアルゴリズム(𝑁の因数分解)
確率的なアルゴリズム(何度か実行すれば、高確率で成功する)
1. 自然数 𝑎 < 𝑁 をランダムに選ぶ
2. gcd(𝑎, 𝑁) を計算する(ユークリッドの互除法で高速に計算可能)
 gcd 𝑎, 𝑁 > 1 なら、これが非自明な 𝑁 の因数
3. 𝑓 𝑥 = 𝑎 𝑥 mod 𝑁 の周期 𝑟 を見つける(量子アルゴリズム)
4. 𝑟 に関する条件をチェック
a. 𝑟 が奇数なら、ステップ1から再度実行
b. 𝑎 𝑟/2
+ 1 ≡ 0 mod 𝑁 なら、ステップ1から再度実行
5. gcd(𝑎 𝑟/2 + 1, 𝑁) と gcd(𝑎 𝑟/2 − 1, 𝑁) が非自明な 𝑁 の因数
𝑎 𝑟
≡ 1 mod 𝑁 ⇔ (𝑎 𝑟/2
+ 1)(𝑎 𝑟/2
− 1) ≡ 0 mod 𝑁
7
非ゼロ 非ゼロ
実際に因数分解してみよう
百聞は一見に如かず
実際に因数分解してみたい
ターゲットは、、、
8
グロタンディーク素数(合成数)
57
𝑓 𝑥 = 𝑎 𝑥 mod 𝑁の周期 𝑟 を見つける
𝑁 = 57とする。𝑎 = 5を選んだとする
I. 𝑁2
≤ 𝑞 < 2𝑁2
となる𝑞 = 2𝑙
を取る
(572 = 3249 ≤ 4096 = 212 < 2 ⋅ 572= 6498)
II. 次の量子ビットを作成する:
III. この量子ビットに量子フーリエ変換を適用する:
IV. ⊗の右のビット( 𝑓 𝑥 の部分)を測定し(𝑓 𝑥 = 𝑧が決まる) 、
⊗の左のビット( 𝑦 の部分)を測定すると、
次の確率で𝑦を測定できる:
(続く)
9
古典コンピュータでは
現実的な時間では計算できない
測定値は確率的に決まる
𝑓 𝑥 = 𝑎 𝑥 mod 𝑁の周期 𝑟 を見つける
10
𝑟 = 18
(実際にはまだ求まっていない)
ステップII
ステップIVで𝑓(𝑥)のビットを測定すると、
いずれかの列を取得できる
(実際には測定するまで分からない)
𝑓 𝑥 = 𝑎 𝑥 mod 𝑁の周期 𝑟 を見つける
11
ステップIVで𝑓 𝑥 = 51を測定した後、
ビット𝑦を測定する確率は右図のよう
になる

𝑦
𝑞
≈
𝑐
𝑟
となる𝑦の確率が大きくなる
(0 ≤ 𝑐 ≤ 𝑟 − 1)
計算時間は、PCで2時間
a. SageMathを利用
b. 特に計算の工夫なし
PCのスペック
Intel(R) Core(TM) i7-6560U CPU
@ 2.20GHz
1593
4096
≈
7
18
𝑟を求めたい
このケースでは確率が
大きくなる箇所の和は
0.78
𝑓 𝑥 = 𝑎 𝑥 mod 𝑁の周期 𝑟 を見つける
V. 実は
𝑦
𝑞
はある𝑐 < 𝑁に対して
𝑐
𝑟
に近い。 |
𝑦
𝑞
−
𝑐
𝑟
| ≤
1
2𝑞

𝑦
𝑞
の連分数展開に現れる分母が𝑎 𝑥 ≡ 1 mod 𝑁を満たすか確認する
12
𝑓 𝑥 = 𝑎 𝑥 mod 𝑁の周期 𝑟 を見つける
連分数展開に現れる分母が𝑎 𝑥
≡ 1 mod 𝑁を満たすか確認する
13
518 ≡ 1 mod 57を満たす
𝑐と𝑟が互いに素じゃないと
うまくいかない
Shorのアルゴリズム(𝑁の因数分解)
• 𝑟 = 18となった。𝑟 に関する条件をチェック(ステップ4)
𝑟は偶数
518/2 + 1 ≡ 21 ≡ 0 mod 57
• gcdを求める(ステップ5)
gcd(518/2 + 1, 57) = gcd(21, 57) = 3
gcd(518/2
− 1, 57) = gcd(19, 57) = 19
14
57は真の素数ではなかった!
実際に57を因数分解して分かったこと
1. 思ったより大変だった
• 手計算しようとしたが、諦めた
• 結局、PCで2時間かかった
• ガウスやオイラー級の人じゃないと、手計算は無理では
• 大きいサイズでも高速に動作する量子アルゴリズム、すごい
2. アルゴリズムの理解に役立った
• フーリエ変換はエライ
• これを思いついたShorさん、すごい
3. 数学が好きな人は、量子アルゴリズムを楽しみやすそう
• 量子ゲート方式の場合、メインの道具は、複素数、行列、線形代数
15
宣伝
量子アルゴリズムの紹介記事を少しずつ書いています。
twitterとかで感想をもらえると励みになります。
「プログラマのための量子アルゴリズム入門」
https://note.mu/snuffkin/n/n8affc7eabf45
16
参考文献
1. 竹内 繁樹
量子コンピュータ 超並列計算のからくり
2. Peter W. Shor
Polynomial-Time Algorithms for Prime Factorization and Discrete Logarithms on a
Quantum Computer
3. John Proos and Christof Zalka
Shor's discrete logarithm quantum algorithm for elliptic curves
4. Qmedia
Quantum Algorithm Zoo全訳(https://www.qmedia.jp/algorithm-zoo/)
17

More Related Content

What's hot

統計的学習理論チュートリアル: 基礎から応用まで (Ibis2012)
統計的学習理論チュートリアル: 基礎から応用まで (Ibis2012)統計的学習理論チュートリアル: 基礎から応用まで (Ibis2012)
統計的学習理論チュートリアル: 基礎から応用まで (Ibis2012)Taiji Suzuki
 
Decision Transformer: Reinforcement Learning via Sequence Modeling
Decision Transformer: Reinforcement Learning via Sequence ModelingDecision Transformer: Reinforcement Learning via Sequence Modeling
Decision Transformer: Reinforcement Learning via Sequence ModelingYasunori Ozaki
 
サルでもわかるディープラーニング入門 (2017年) (In Japanese)
サルでもわかるディープラーニング入門 (2017年) (In Japanese)サルでもわかるディープラーニング入門 (2017年) (In Japanese)
サルでもわかるディープラーニング入門 (2017年) (In Japanese)Toshihiko Yamakami
 
最適輸送入門
最適輸送入門最適輸送入門
最適輸送入門joisino
 
「統計的学習理論」第1章
「統計的学習理論」第1章「統計的学習理論」第1章
「統計的学習理論」第1章Kota Matsui
 
4 データ間の距離と類似度
4 データ間の距離と類似度4 データ間の距離と類似度
4 データ間の距離と類似度Seiichi Uchida
 
深層学習 勉強会第5回 ボルツマンマシン
深層学習 勉強会第5回 ボルツマンマシン深層学習 勉強会第5回 ボルツマンマシン
深層学習 勉強会第5回 ボルツマンマシンYuta Sugii
 
機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)Kota Matsui
 
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料Yusuke Uchida
 
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」Ken'ichi Matsui
 
One Class SVMを用いた異常値検知
One Class SVMを用いた異常値検知One Class SVMを用いた異常値検知
One Class SVMを用いた異常値検知Yuto Mori
 
Sliced Wasserstein距離と生成モデル
Sliced Wasserstein距離と生成モデルSliced Wasserstein距離と生成モデル
Sliced Wasserstein距離と生成モデルohken
 
猫でも分かるVariational AutoEncoder
猫でも分かるVariational AutoEncoder猫でも分かるVariational AutoEncoder
猫でも分かるVariational AutoEncoderSho Tatsuno
 
ブラックボックス最適化とその応用
ブラックボックス最適化とその応用ブラックボックス最適化とその応用
ブラックボックス最適化とその応用gree_tech
 
第8章 ガウス過程回帰による異常検知
第8章 ガウス過程回帰による異常検知第8章 ガウス過程回帰による異常検知
第8章 ガウス過程回帰による異常検知Chika Inoshita
 
20190619 オートエンコーダーと異常検知入門
20190619 オートエンコーダーと異常検知入門20190619 オートエンコーダーと異常検知入門
20190619 オートエンコーダーと異常検知入門Kazuki Motohashi
 
サポートベクターマシン(SVM)の数学をみんなに説明したいだけの会
サポートベクターマシン(SVM)の数学をみんなに説明したいだけの会サポートベクターマシン(SVM)の数学をみんなに説明したいだけの会
サポートベクターマシン(SVM)の数学をみんなに説明したいだけの会Kenyu Uehara
 

What's hot (20)

統計的学習理論チュートリアル: 基礎から応用まで (Ibis2012)
統計的学習理論チュートリアル: 基礎から応用まで (Ibis2012)統計的学習理論チュートリアル: 基礎から応用まで (Ibis2012)
統計的学習理論チュートリアル: 基礎から応用まで (Ibis2012)
 
Decision Transformer: Reinforcement Learning via Sequence Modeling
Decision Transformer: Reinforcement Learning via Sequence ModelingDecision Transformer: Reinforcement Learning via Sequence Modeling
Decision Transformer: Reinforcement Learning via Sequence Modeling
 
明日使えないすごいビット演算
明日使えないすごいビット演算明日使えないすごいビット演算
明日使えないすごいビット演算
 
サルでもわかるディープラーニング入門 (2017年) (In Japanese)
サルでもわかるディープラーニング入門 (2017年) (In Japanese)サルでもわかるディープラーニング入門 (2017年) (In Japanese)
サルでもわかるディープラーニング入門 (2017年) (In Japanese)
 
最適輸送入門
最適輸送入門最適輸送入門
最適輸送入門
 
Gurobi python
Gurobi pythonGurobi python
Gurobi python
 
「統計的学習理論」第1章
「統計的学習理論」第1章「統計的学習理論」第1章
「統計的学習理論」第1章
 
4 データ間の距離と類似度
4 データ間の距離と類似度4 データ間の距離と類似度
4 データ間の距離と類似度
 
深層学習 勉強会第5回 ボルツマンマシン
深層学習 勉強会第5回 ボルツマンマシン深層学習 勉強会第5回 ボルツマンマシン
深層学習 勉強会第5回 ボルツマンマシン
 
機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)
 
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
 
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
 
One Class SVMを用いた異常値検知
One Class SVMを用いた異常値検知One Class SVMを用いた異常値検知
One Class SVMを用いた異常値検知
 
Sliced Wasserstein距離と生成モデル
Sliced Wasserstein距離と生成モデルSliced Wasserstein距離と生成モデル
Sliced Wasserstein距離と生成モデル
 
猫でも分かるVariational AutoEncoder
猫でも分かるVariational AutoEncoder猫でも分かるVariational AutoEncoder
猫でも分かるVariational AutoEncoder
 
RAPIDS 概要
RAPIDS 概要RAPIDS 概要
RAPIDS 概要
 
ブラックボックス最適化とその応用
ブラックボックス最適化とその応用ブラックボックス最適化とその応用
ブラックボックス最適化とその応用
 
第8章 ガウス過程回帰による異常検知
第8章 ガウス過程回帰による異常検知第8章 ガウス過程回帰による異常検知
第8章 ガウス過程回帰による異常検知
 
20190619 オートエンコーダーと異常検知入門
20190619 オートエンコーダーと異常検知入門20190619 オートエンコーダーと異常検知入門
20190619 オートエンコーダーと異常検知入門
 
サポートベクターマシン(SVM)の数学をみんなに説明したいだけの会
サポートベクターマシン(SVM)の数学をみんなに説明したいだけの会サポートベクターマシン(SVM)の数学をみんなに説明したいだけの会
サポートベクターマシン(SVM)の数学をみんなに説明したいだけの会
 

Similar to 数学好きから見た量子コンピュータ~57を因数分解した話~

20200608コンピューターってどうやって動いているの?
20200608コンピューターってどうやって動いているの?20200608コンピューターってどうやって動いているの?
20200608コンピューターってどうやって動いているの?Hikaru Tanaka
 
LiBRA 04.2019 / 量子コンピュータ
LiBRA 04.2019 / 量子コンピュータ LiBRA 04.2019 / 量子コンピュータ
LiBRA 04.2019 / 量子コンピュータ Masanori Saito
 
量子コンピュータ向けアプリケーション開発フレームワークReNomQとは
量子コンピュータ向けアプリケーション開発フレームワークReNomQとは量子コンピュータ向けアプリケーション開発フレームワークReNomQとは
量子コンピュータ向けアプリケーション開発フレームワークReNomQとはReNom User Group
 
量子コンピュータの時代へ:現在の量子コンピュータで何ができるか
量子コンピュータの時代へ:現在の量子コンピュータで何ができるか量子コンピュータの時代へ:現在の量子コンピュータで何ができるか
量子コンピュータの時代へ:現在の量子コンピュータで何ができるかAhmad Zufri
 
量子コンピュータ 加算器とGrover
量子コンピュータ 加算器とGrover量子コンピュータ 加算器とGrover
量子コンピュータ 加算器とGrovertakumitano
 
LUT-Network ~本物のリアルタイムコンピューティングを目指して~
LUT-Network ~本物のリアルタイムコンピューティングを目指して~LUT-Network ~本物のリアルタイムコンピューティングを目指して~
LUT-Network ~本物のリアルタイムコンピューティングを目指して~ryuz88
 
【Unity道場スペシャル 2017京都】乱数完全マスター 京都編
【Unity道場スペシャル 2017京都】乱数完全マスター 京都編【Unity道場スペシャル 2017京都】乱数完全マスター 京都編
【Unity道場スペシャル 2017京都】乱数完全マスター 京都編Unity Technologies Japan K.K.
 
【Unity道場スペシャル 2017札幌】乱数完全マスター
【Unity道場スペシャル 2017札幌】乱数完全マスター 【Unity道場スペシャル 2017札幌】乱数完全マスター
【Unity道場スペシャル 2017札幌】乱数完全マスター Unity Technologies Japan K.K.
 
Slide computational design2018_02_180928
Slide computational design2018_02_180928Slide computational design2018_02_180928
Slide computational design2018_02_180928hiroshimadesignlab
 
Kantocv 2-1-calibration publish
Kantocv 2-1-calibration publishKantocv 2-1-calibration publish
Kantocv 2-1-calibration publishtomoaki0705
 
先端技術 量子コンピュータ
先端技術 量子コンピュータ先端技術 量子コンピュータ
先端技術 量子コンピュータ聡 中川
 
ae-7. 予測・判断(時系列データ,リカレントニューラルネットワーク,LSTM)
ae-7. 予測・判断(時系列データ,リカレントニューラルネットワーク,LSTM)ae-7. 予測・判断(時系列データ,リカレントニューラルネットワーク,LSTM)
ae-7. 予測・判断(時系列データ,リカレントニューラルネットワーク,LSTM)kunihikokaneko1
 
コンピューターの整列処理におけるデータ操作の時間的共起分析
コンピューターの整列処理におけるデータ操作の時間的共起分析コンピューターの整列処理におけるデータ操作の時間的共起分析
コンピューターの整列処理におけるデータ操作の時間的共起分析yamahige
 
kagami_comput2016_13
kagami_comput2016_13kagami_comput2016_13
kagami_comput2016_13swkagami
 
量子コンピュータとその未来について
量子コンピュータとその未来について量子コンピュータとその未来について
量子コンピュータとその未来についてyumi_chappy
 
量子コンピュータとその未来について
量子コンピュータとその未来について量子コンピュータとその未来について
量子コンピュータとその未来についてyumi_chappy
 

Similar to 数学好きから見た量子コンピュータ~57を因数分解した話~ (20)

20200608コンピューターってどうやって動いているの?
20200608コンピューターってどうやって動いているの?20200608コンピューターってどうやって動いているの?
20200608コンピューターってどうやって動いているの?
 
LiBRA 04.2019 / 量子コンピュータ
LiBRA 04.2019 / 量子コンピュータ LiBRA 04.2019 / 量子コンピュータ
LiBRA 04.2019 / 量子コンピュータ
 
画像処理の高性能計算
画像処理の高性能計算画像処理の高性能計算
画像処理の高性能計算
 
量子コンピュータ向けアプリケーション開発フレームワークReNomQとは
量子コンピュータ向けアプリケーション開発フレームワークReNomQとは量子コンピュータ向けアプリケーション開発フレームワークReNomQとは
量子コンピュータ向けアプリケーション開発フレームワークReNomQとは
 
量子コンピュータの時代へ:現在の量子コンピュータで何ができるか
量子コンピュータの時代へ:現在の量子コンピュータで何ができるか量子コンピュータの時代へ:現在の量子コンピュータで何ができるか
量子コンピュータの時代へ:現在の量子コンピュータで何ができるか
 
量子コンピュータ 加算器とGrover
量子コンピュータ 加算器とGrover量子コンピュータ 加算器とGrover
量子コンピュータ 加算器とGrover
 
ゲート方式量子コンピュータの概要
ゲート方式量子コンピュータの概要ゲート方式量子コンピュータの概要
ゲート方式量子コンピュータの概要
 
R高速化
R高速化R高速化
R高速化
 
LUT-Network ~本物のリアルタイムコンピューティングを目指して~
LUT-Network ~本物のリアルタイムコンピューティングを目指して~LUT-Network ~本物のリアルタイムコンピューティングを目指して~
LUT-Network ~本物のリアルタイムコンピューティングを目指して~
 
【Unity道場スペシャル 2017京都】乱数完全マスター 京都編
【Unity道場スペシャル 2017京都】乱数完全マスター 京都編【Unity道場スペシャル 2017京都】乱数完全マスター 京都編
【Unity道場スペシャル 2017京都】乱数完全マスター 京都編
 
【Unity道場スペシャル 2017札幌】乱数完全マスター
【Unity道場スペシャル 2017札幌】乱数完全マスター 【Unity道場スペシャル 2017札幌】乱数完全マスター
【Unity道場スペシャル 2017札幌】乱数完全マスター
 
NANDからテトリスへ_前編.pdf
NANDからテトリスへ_前編.pdfNANDからテトリスへ_前編.pdf
NANDからテトリスへ_前編.pdf
 
Slide computational design2018_02_180928
Slide computational design2018_02_180928Slide computational design2018_02_180928
Slide computational design2018_02_180928
 
Kantocv 2-1-calibration publish
Kantocv 2-1-calibration publishKantocv 2-1-calibration publish
Kantocv 2-1-calibration publish
 
先端技術 量子コンピュータ
先端技術 量子コンピュータ先端技術 量子コンピュータ
先端技術 量子コンピュータ
 
ae-7. 予測・判断(時系列データ,リカレントニューラルネットワーク,LSTM)
ae-7. 予測・判断(時系列データ,リカレントニューラルネットワーク,LSTM)ae-7. 予測・判断(時系列データ,リカレントニューラルネットワーク,LSTM)
ae-7. 予測・判断(時系列データ,リカレントニューラルネットワーク,LSTM)
 
コンピューターの整列処理におけるデータ操作の時間的共起分析
コンピューターの整列処理におけるデータ操作の時間的共起分析コンピューターの整列処理におけるデータ操作の時間的共起分析
コンピューターの整列処理におけるデータ操作の時間的共起分析
 
kagami_comput2016_13
kagami_comput2016_13kagami_comput2016_13
kagami_comput2016_13
 
量子コンピュータとその未来について
量子コンピュータとその未来について量子コンピュータとその未来について
量子コンピュータとその未来について
 
量子コンピュータとその未来について
量子コンピュータとその未来について量子コンピュータとその未来について
量子コンピュータとその未来について
 

More from Satoyuki Tsukano

あなたのスキルを量子技術に活かそう!
あなたのスキルを量子技術に活かそう!あなたのスキルを量子技術に活かそう!
あなたのスキルを量子技術に活かそう!Satoyuki Tsukano
 
オープンソースの量子コンピュータ・クラウド基盤開発
オープンソースの量子コンピュータ・クラウド基盤開発オープンソースの量子コンピュータ・クラウド基盤開発
オープンソースの量子コンピュータ・クラウド基盤開発Satoyuki Tsukano
 
Quantum Computer: Now and Future
Quantum Computer: Now and FutureQuantum Computer: Now and Future
Quantum Computer: Now and FutureSatoyuki Tsukano
 
Quantum computer applications in serverless architecture and challenges
Quantum computer applications in serverless architecture and challengesQuantum computer applications in serverless architecture and challenges
Quantum computer applications in serverless architecture and challengesSatoyuki Tsukano
 
How to Contributet o Quantum Computer
How to Contributet o Quantum ComputerHow to Contributet o Quantum Computer
How to Contributet o Quantum ComputerSatoyuki Tsukano
 
a story about an application that uses a real quantum computer
a story about an application that uses a real quantum computera story about an application that uses a real quantum computer
a story about an application that uses a real quantum computerSatoyuki Tsukano
 
Introduction to Quantum Programming Studio
Introduction to Quantum Programming StudioIntroduction to Quantum Programming Studio
Introduction to Quantum Programming StudioSatoyuki Tsukano
 
量子コンピュータのプログラミング・コンテスト体験記
量子コンピュータのプログラミング・コンテスト体験記量子コンピュータのプログラミング・コンテスト体験記
量子コンピュータのプログラミング・コンテスト体験記Satoyuki Tsukano
 
はじめてのElasticsearchクラスタ
はじめてのElasticsearchクラスタはじめてのElasticsearchクラスタ
はじめてのElasticsearchクラスタSatoyuki Tsukano
 
Elasticsearch as a Distributed System
Elasticsearch as a Distributed SystemElasticsearch as a Distributed System
Elasticsearch as a Distributed SystemSatoyuki Tsukano
 
Packetbeatの基礎から、IoTデバイス異常検知への応用まで
Packetbeatの基礎から、IoTデバイス異常検知への応用までPacketbeatの基礎から、IoTデバイス異常検知への応用まで
Packetbeatの基礎から、IoTデバイス異常検知への応用までSatoyuki Tsukano
 

More from Satoyuki Tsukano (11)

あなたのスキルを量子技術に活かそう!
あなたのスキルを量子技術に活かそう!あなたのスキルを量子技術に活かそう!
あなたのスキルを量子技術に活かそう!
 
オープンソースの量子コンピュータ・クラウド基盤開発
オープンソースの量子コンピュータ・クラウド基盤開発オープンソースの量子コンピュータ・クラウド基盤開発
オープンソースの量子コンピュータ・クラウド基盤開発
 
Quantum Computer: Now and Future
Quantum Computer: Now and FutureQuantum Computer: Now and Future
Quantum Computer: Now and Future
 
Quantum computer applications in serverless architecture and challenges
Quantum computer applications in serverless architecture and challengesQuantum computer applications in serverless architecture and challenges
Quantum computer applications in serverless architecture and challenges
 
How to Contributet o Quantum Computer
How to Contributet o Quantum ComputerHow to Contributet o Quantum Computer
How to Contributet o Quantum Computer
 
a story about an application that uses a real quantum computer
a story about an application that uses a real quantum computera story about an application that uses a real quantum computer
a story about an application that uses a real quantum computer
 
Introduction to Quantum Programming Studio
Introduction to Quantum Programming StudioIntroduction to Quantum Programming Studio
Introduction to Quantum Programming Studio
 
量子コンピュータのプログラミング・コンテスト体験記
量子コンピュータのプログラミング・コンテスト体験記量子コンピュータのプログラミング・コンテスト体験記
量子コンピュータのプログラミング・コンテスト体験記
 
はじめてのElasticsearchクラスタ
はじめてのElasticsearchクラスタはじめてのElasticsearchクラスタ
はじめてのElasticsearchクラスタ
 
Elasticsearch as a Distributed System
Elasticsearch as a Distributed SystemElasticsearch as a Distributed System
Elasticsearch as a Distributed System
 
Packetbeatの基礎から、IoTデバイス異常検知への応用まで
Packetbeatの基礎から、IoTデバイス異常検知への応用までPacketbeatの基礎から、IoTデバイス異常検知への応用まで
Packetbeatの基礎から、IoTデバイス異常検知への応用まで
 

Recently uploaded

20240412_HCCJP での Windows Server 2025 Active Directory
20240412_HCCJP での Windows Server 2025 Active Directory20240412_HCCJP での Windows Server 2025 Active Directory
20240412_HCCJP での Windows Server 2025 Active Directoryosamut
 
プレイマットのパターン生成支援ツールの評価
プレイマットのパターン生成支援ツールの評価プレイマットのパターン生成支援ツールの評価
プレイマットのパターン生成支援ツールの評価sugiuralab
 
新人研修のまとめ 2024/04/12の勉強会で発表されたものです。
新人研修のまとめ       2024/04/12の勉強会で発表されたものです。新人研修のまとめ       2024/04/12の勉強会で発表されたものです。
新人研修のまとめ 2024/04/12の勉強会で発表されたものです。iPride Co., Ltd.
 
PHP-Conference-Odawara-2024-04-000000000
PHP-Conference-Odawara-2024-04-000000000PHP-Conference-Odawara-2024-04-000000000
PHP-Conference-Odawara-2024-04-000000000Shota Ito
 
プレイマットのパターン生成支援ツール
プレイマットのパターン生成支援ツールプレイマットのパターン生成支援ツール
プレイマットのパターン生成支援ツールsugiuralab
 
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
IoT in the era of generative AI, Thanks IoT ALGYAN.pptxIoT in the era of generative AI, Thanks IoT ALGYAN.pptx
IoT in the era of generative AI, Thanks IoT ALGYAN.pptxAtomu Hidaka
 
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By DanielPostman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Danieldanielhu54
 
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。iPride Co., Ltd.
 

Recently uploaded (8)

20240412_HCCJP での Windows Server 2025 Active Directory
20240412_HCCJP での Windows Server 2025 Active Directory20240412_HCCJP での Windows Server 2025 Active Directory
20240412_HCCJP での Windows Server 2025 Active Directory
 
プレイマットのパターン生成支援ツールの評価
プレイマットのパターン生成支援ツールの評価プレイマットのパターン生成支援ツールの評価
プレイマットのパターン生成支援ツールの評価
 
新人研修のまとめ 2024/04/12の勉強会で発表されたものです。
新人研修のまとめ       2024/04/12の勉強会で発表されたものです。新人研修のまとめ       2024/04/12の勉強会で発表されたものです。
新人研修のまとめ 2024/04/12の勉強会で発表されたものです。
 
PHP-Conference-Odawara-2024-04-000000000
PHP-Conference-Odawara-2024-04-000000000PHP-Conference-Odawara-2024-04-000000000
PHP-Conference-Odawara-2024-04-000000000
 
プレイマットのパターン生成支援ツール
プレイマットのパターン生成支援ツールプレイマットのパターン生成支援ツール
プレイマットのパターン生成支援ツール
 
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
IoT in the era of generative AI, Thanks IoT ALGYAN.pptxIoT in the era of generative AI, Thanks IoT ALGYAN.pptx
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
 
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By DanielPostman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
 
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
 

数学好きから見た量子コンピュータ~57を因数分解した話~