最適化計算の新技術としてアニーリングマシンが注目を集めている．本解説では，アニーリングマシンやブラックボックス最適化の一般論について見てから，アニーリングマシンを用いたブラックボックス最適化の解法ならびに適用事例について紹介する．

本稿では，近年国内外で活発に研究開発されているイジングマシンについて述べる．イジングマシンとは，イジング問題と呼ばれる組合せ最適化問題に特化した専用計算機である．世界初の商用量子コンピュータである量子アニーラがイジングマシンの一種であり，それをGoogleとNASAが創設した量子人工知能研究所が購入したことをきっかけに，イジングマシンが注目を集めるようになった．現在では，超伝導や光といった特殊なハードウェアだけでなく，従来の半導体デジタル計算機を利用して実用性を高めたものも多く，ドメイン指向コンピューティングの新たな潮流となっている．後者は主にアルゴリズムに特徴があり，中には量子計算にインスパイアされて発見されたものもある．そもそも量子アニーラに端を発した研究という経緯もあり，メディアはこれらを「疑似量子コンピュータ」と呼ぶことがある．イジングマシンと似たものとして，ホップフィールドニューラルネットワークをご存じの読者は多いだろう．実際，ホップフィールドニューラルネットワークの派生物であるボルツマンマシンなどは，現在のイジングマシンとの関係が深い．そこで，本稿の前半では，特殊ハードウェアから疑似量子コンピュータまで，現在開発中の多種多様なイジングマシンをホップフィールドニューラルネットワークやその派生物との類似に触れながら紹介する．後半は，筆者が提案し，現在も研究開発中である疑似量子コンピュータ，シミュレーテッド分岐マシンについて解説する．

量子コンピュータを使い，機械学習を高速化することは可能だろうか？量子コンピュータへの期待・関心が高まっている昨今，意外に感じる読者も多いかもしれないが，この問いに対する答えはまだでていない．そして，この問いに対する研究が進むにつれ，（ある意味副産物として）既存の古典コンピュータ用の機械学習アルゴリズムが改善され，量子コンピュータを使わずに高速化されるに至っている．本稿ではそのような経緯で2018年にEwin Tang氏によって発見された一連のアルゴリズム「量子インスパイアドアルゴリズム」について解説を試みる．

畳み込みニューラルネットワーク（CNN）は画像など特定ドメインのデータの処理に対して高い性能を発揮することが知られている．しかしながら同時に計算能力も必要とするため，CNNの軽量化は深層学習コミュニティにおいて広く行われてきた．本稿ではテンソル分解を使ったCNNの軽量化に焦点を当てる．まずCNNのコンポーネントである畳み込み層の演算が，複数テンソル間の線形演算の表現方法であるテンソルネットワークによって記述できることを示す．次に畳み込み層の軽量化がテンソル分解によって特徴づけられること，またその分解方法もテンソルネットワークによって記述できることを示す．最後に可能な分解を探索することによって，予測精度と時間／空間複雑さのトレードオフを実験的に比較する．その結果，いくつかの非線形分解は既存の分解を凌駕することがわかった．なお，本原稿は著者らの論文¹⁾を和訳しわかりやすく解説したものである．

量子コンピュータハードウェアの目覚ましい発展に伴って，量子コンピュータの応用先を広げるための研究が活発化している．様々な応用先の中でも，機械学習への応用は特に注目されている分野である．本稿では，量子コンピュータの基礎的な事項を抑えることからはじめ，量子コンピュータを機械学習に使う手法を大まかに解説する．特に，近未来の量子コンピュータで実行することが期待されている，量子特徴量や量子ニューラルネットワークの考え方に焦点をあてて，最近の研究の展開を紹介する．