PINNACLE：古典および量子PINNのためのオープンソース計算フレームワーク
arXiv cs.LG / 2026/4/20
📰 ニュースDeveloper Stack & InfrastructureIdeas & Deep AnalysisModels & Research
要点
- PINNACLEは、物理インフォームドニューラルネットワーク（PINN）のために、最新の学習戦略、マルチGPU加速、そしてハイブリッド量子-古典設計を統合したオープンソースのフレームワークであり、モジュール型のワークフローで利用できます。
- 本研究では、1Dの双曲型保存則、不圧縮流れ、電磁波伝搬といった複数の物理課題に対してPINNの性能をベンチマークし、Fourier特徴埋め込み、ランダム重み分解、適応的ロス重み付けなどの建築・学習上の改善を検証します。
- これらの選択が収束性、精度、計算コストに与える影響を定量化し、分散データ並列における実行時間とメモリ効率のスケーリングも分析します。
- フレームワークはハイブリッド量子PINNにも拡張され、パラメータシフト微分を用いた回路評価の計算量見積もりを形式的に導出し、量子モデルがパラメータ効率で優位になる状況を示します。
- 総じて、PINNが設計や学習の選択に強く影響されること、また古典ソルバに比べて計算コストが高いことを強調しつつ、ハイブリッド量子アプローチが有益になりうる領域を指摘しています。
