Local minima in quantum systems

物理的な世界において、自然は執拗な最適化者です。熱い物体が冷却されるとき、それは可能な限り低いエネルギー状態、すなわち物理学者が基底状態と呼ぶ条件を求めます。このプロセスは、材料がいかに形成されるか、化学反応がいかに起こるか、そして宇宙がいかに安定へと落ち着くかという根本的な仕組みです。数十年にわたり、科学者たちは、新しい材料の中の電子やタンパク質の中の原子のように、相互作用する多数の粒子からなる複雑な系の最低エネルギー状態を予測するために、コンピュータを利用しようと試みてきました。しかし、これらの系における絶対的な最低点を見つけ出すことは、極めて困難であることが知られています。それは、現在私たちが使用している最も強力な古典的コンピュータであっても、多くの興味深いケースにおいて解決に苦慮するほど難しい問題です。さらに、理論的な研究によれば、基底状態を見つけることはQMA困難であり、これは、いくつかの事例においては量子コンピュータにとっても手に負えない（計算不可能な）ことが予想されることを意味しています。

この困難さは、エネルギー状態の景観（ランドスケープ）がしばしば「罠」に満ちていることに起因します。登山者が最も深い谷に到達しようとしている山脈を想像してみてください。もし地形が険しい場合、登山者は、遠くからは底のように見えるものの、実際には真の谷底よりもはるかに高い場所にある、小さく浅い窪みに捕まってしまうかもしれません。物理学において、これらの浅い窪みは局所解（ローカルミニマ）と呼ばれます。自然が系を冷却するとき、自然はしばしば真の基底状態ではなく、これらの局所解に捕まってしまいます。これが、特定の磁性ガラスのような材料が、長時間冷却した後でも、理論上の最低エネルギーに到達できない理由です。その代わりに、それらは最適ではないものの、安定した状態へと落ち着きます。

カリフォルニア工科大学、Google Quantum AI、およびマサチューセッツ工科大学の研究チームは、この「局所解に捕まる」という現象を調査しました。彼らは特定の問いを投げかけました。もし自然が常に完璧な基底状態を見つけられるわけではないのであれば、コンピュータは代わりに局所解を見つけることができるのだろうか？ そしてもしそうであれば、そのタスクは古典的コンピュータの方が容易なのか、それとも量子コンピュータの方が容易なのだろうか？ 彼らの研究は、量子最適化の物語に驚くべき展開をもたらしました。彼らは、局所解を見つけることは、ある種の設定下では古典的コンピュータにとって自明なことであるが、自然が冷却を行う際に実際に支配しているルールの下では、量子コンピュータにとっては容易なタスクであり、古典的コンピュータにとっては困難なタスクになることを発見しました。

この発見を理解するためには、まず、系がどのように揺さぶられたり、摂動を与えられたりするかという2つの方法を区別する必要があります。研究者たちは第一のタイプを検討しました。これは、「局所ユニタリ摂動」として知られる、可逆的で数学的な操作を用いて系を変化させるものです。このシナリオでは、エネルギー景観は膨大な数の局所解で満たされています。実際、系のほぼすべてのランダムな状態が局所解となります。これほど多くの局所解が存在するため、古典的コンピュータは容易に一つを見つけることができます。それは、あらゆる一歩が局所解となる広大で平坦な平原を歩いているようなものです。この問題は非常に簡単であり、本質的に自明ですが、これは自然が実際にどのように機能しているかを反映していません。なぜなら、自然は可逆的な数学的トリックを通じてではなく、熱浴との不可逆的な相互作用を通じて系を冷却するからです。

研究者たちは次に、実際の物理的プロセスを模倣した第二のタイプの摂動へと目を向けました。彼らは、特定の温度を持つ熱源である熱浴（サーマルバス）と相互作用する系をモデル化しました。この現実的な設定では、系は不可逆的に進化し、環境へとエネルギーを失っていきます。ここで、景観は劇的に変化します。研究者たちは、熱的条件下での局所解を見つけることは、量子コンピュータにとって効率的であることを証明しました。彼らは、冷却プロセスを模倣する「量子熱勾配降下法（quantum thermal gradient descent）」と呼ばれる手法を開発しました。エネルギーが最も急激に減少する方向を辿ることにより、量子コンピュータは、どこから開始したとしても関係なく、合理的な時間内に信頼して局所解を見つけることができます。

しかし、最も重要な発見は、古典的コンピュータに関する困難さにあります。研究者たちは、基底状態が複雑な量子計算の結果をエンコードしているような、特定の二次元量子系のファミリーを構築しました。彼らは、これらの特定の系において、「悪い」局所解は存在しないことを証明しました。すべての局所解は、実はグローバルな最小値、つまり基底状態なのです。これは、唯一の捕まる場所がまさに底の部分であるような、滑らかでボウル状のエネルギー景観を作り出します。これらの系において基底状態を見つけることは、量子計算が古典的計算よりも強力であることを前提とした場合、量子コンピュータにとっては容易であり、古典的コンピュータにとっては困難なタスクとして知られているため、研究者たちは、この熱的設定における局所解を見つけることもまた、古典的コンピュータにとっては困難であると結論付けました。もし古典的コンピュータがここで効率的に局所解を見つけることができれば、それは古典的コンピュータが任意の量子計算をシミュレートできることを意味しますが、そのような可能性は、ほとんどの専門家によって否定されています。

この研究は、古典的マシンと量子マシンの能力の間の明確な分離を確立しました。それは、人工的で可逆的なシナリオでは古典的コンピュータが容易に局所解を見つけられる一方で、現実の世界を支配する不可逆的な熱プロセスに直面したときに、古典的コンピュータは壁に突き当たることを示しています。対照的に、量子コンピュータはこれらの熱的な景観を効率的にナビゲートすることができます。この研究は、局所解問題が量子優位性の新たな道を提供することを示唆しています。あらゆる系の極めて困難な問題である「絶対的な基底状態を見つけること」を目指すのではなく、量子コンピュータは、自然が実際に作り出す安定した低エネルギー状態を見つけることができます。これは、量子マシンが古典的マシンを凌駕できる、物理的に関連性の高い問題を提供しており、これまで手の届かなかった材料や化学系の挙動を理解する助けとなる可能性があります。

研究者たちはまた、なぜ一部の系は最適ではない状態に留まり、他の系はそうならないのかについても調査しました。彼らは単純な磁性鎖を分析し、外部磁場がない場合、系はドメイン壁を持つ多くの異なる構成に捕まり、それが劣悪な局所解として機能することを発見しました。しかし、強い外部磁場が適用されると、これらの罠は消失し、系は真の基底状態へと滑らかに流れていきます。これは、彼らが研究した複雑な系に見られる挙動を反映しています：エネルギー景観の形状が、系が最低エネルギー状態を見つけられるか、あるいはそこに留まってしまうかを決定するのです。彼らの知見は、関心の対象となる多くの物理系が、劣悪な罠のない「優れた」エネルギー景観を持っており、自然の冷却プロセスを模倣する量子最適化アルゴリズムにとって理想的な候補であることを示唆しています。

最終的に、この論文は量子最適化の課題を再定義しています。それは、完璧な基底状態を見つけるという抽象的な目標から離れ、自然が落ち着く安定した状態を見つけるという実用的な現実に焦点を当てています。このタスクが（標準的な計算複雑性の仮定の下で）古典的に困難であり、かつ量子的に容易であることを証明することで、研究者たちは、量子コンピュータがその優位性を発揮できる具体的な問題を見出したのです。これは単なる理論的な好奇心ではありません。これは、宇宙がその始まり以来用いてきた冷却の原理に従うことで、量子マシンが現在手に負えない物理学や化学の問題を解決する未来への道筋を示しているのです。