Physics-inspired Generative AI models via real hardware-based noisy quantum diffusion

急速に進化する人工知能の世界において、新しい、独創的なコンテンツを作成することに長けた特定の種類のコンピュータプログラムが登場しました。拡散モデルと呼ばれるこれらのシステムは、既存のデータ（数千枚の写真など）の中にある隠れたパターンを学習し、その知識を用いて、あたかも実物であるかのように見える新しい画像を創造します。これを行うための最も強力な手法の一つが、拡散モデルと呼ばれるものです。鮮明な画像が、テレビの砂嵐のような静止画のノイズへと、一歩ずつ、段階的に変化していくプロセスを想像してみてください。拡散モデルはこのプロセスを逆転させることを学習します。それは、画面いっぱいのランダムなノイズから、混沌を一段階ずつ少しずつ剥ぎ取っていき、一貫性のある絵が浮かび上がるまでプロセスを進めるように訓練されています。この技術は現代のクリエイティブ・テクノロジーの礎石となっており、見事な視覚表現や音を生み出すことができます。

同時に、科学者たちは量子力学の奇妙な規則に基づいた、異なる種類のコンピューティング・パワーを探索しています。情報を単純なオンまたはオフのスイッチとして処理する日常的なコンピュータとは異なり、量子コンピュータは、同時に複数の状態で存在できる粒子を使用します。これにより、古典的なマシンでは不可能な、特定の複雑な問題を解決することができます。しかし、現在の量子コンピュータはまだ初期段階にあります。それらは小さく、脆弱で、「量子ノイズ」として知られる現象によって引き起こされるエラーを起こしやすいのです。このノップスは通常、計算を乱すため、研究者は計算を修正したり隠したりするために膨大なリソースを費やすことを余儀なくされます。現在、新しい研究ラインを突き動かしている問いは、これらのノイジーなマシンが欠陥があるにもかかわらず何か役に立つことができるのか、それとも完璧になるまで待たなければならないのか、という点です。

フィレンツェ大学およびその他の機関の研究チームは、この問いに答えるための大胆な一歩を踏み出しました。彼らは量子コンピュータ内のノイズを排除しようとする代わりに、それをツールとして使うことに決めたのです。彼らは、実際の不完全な量子プロセッサ上で直接動作する、画像生成AIを構築する新しい方法を開発しました。彼らの研究は、通常は計算を壊してしまう量子ノイズが、実は純粋な古典的アプローチよりも優れた画像を生成するのを助けることができることを示唆しています。量子ノイズをバグではなく「機能」として扱うことで、彼らは、将来のハードウェアを待つのではなく、今あるハードウェアで動作する人工知能への道筋を実証したのです。

研究者たちは、まず情報がネットワークを通じてどのように移動するかを研究することから始めました。彼らのモデルでは、画像の各ピクセルを、地図上を移動する旅行者として扱いました。標準的なコンピュータでは、この旅行者は、次に進むべき通りを決定するためにコインを投げる人のように、ランダムに移動します。これは遅い、拡散的なプロセスです。しかし、量子システムでは、旅行者は一度に多くの場所に存在することができ、波のようなパターンで地図を広がるように、より速く移動します。チームは、旅行者の動きが、古典的なコンピュータの遅いランダムなステップと、量子コンピュータの速い波のような広がりを組み合わせたハイブリッド・システムを作成しました。彼らは、これら二つの挙動をちょうど良くバランスさせたとき、システムがより効率的に画像の可能性を探索することを発見しました。

これをテストするために、彼らは人工知能の標準的なテストである手書き数字の生成に焦点を当てました。彼らは、標準的なAIプロセスのランダムなノイズ注入ステップを、この新しい量子に着想を得た手法に置き換えました。研究の第一段階では、量子的な挙動と古典的な挙動の異なる混合具合がどのようにパフォーマンスを発揮するかを確認するために、強力な古典的コンピュータ上でこのプロセスをシミュレートしました。その結果、量子的な効果が存在するものの圧倒的ではない特定のブレンドが、最良の結果をもたらすことを発見しました。このハイブリッド手法によって生成された画像は、統計的に、純粋な古典的手法によって生成されたものよりも、実際の訓練データに近いものでした。また、このシステムはより一貫しており、多くの試行にわたって高品質な結果をより確実に生み出しました。

これらのシミュレーションに勇気づけられたチームは、次のフェーズへと移行しました。実際のハードウェア上で実験を実行することです。彼らは、現在わずか数百個の量子ビット（量子情報の基本単位）しか持たないIBMの実際の量子プロセッサを使用しました。この特定のマシンはノイジーであることが知られており、その計算はしばなく環境によって妨げられます。研究者たちは、わずか4つの量子ビットを使用して画像を生成する回路を設計しました。彼らは、ピクセルの異なるグレーの階調を、8つの点からなる小さなループ、あるいはサイクル上の位置に対応させました。そして、量子コンピュータは、「ウォーカー（歩行者）」がこのループを回るプロセスを実行し、その過程でマシンの自然なノイズがデータを制御された方法でかき混ぜるのを助けました。

結果は驚くべきものでした。現在のハードウェアの制限にもかかわらず、量子コンピュータは手書き数字の画像を生成することに成功しました。画像は完璧ではありませんでしたが、この実験は、量子デバイスが生成モデルの順方向のプロセスを駆動するために使用できることを証明しました。研究者たちは、マシン固有のノイズが、AIが後に逆転することを学習できるような形でデータを破損させるのを助けることを見出しました。これは、科学者がクリーンな信号を得るためにノイズを抑制しようと何年も費やす、量子コンピューティングにおける通常のアプローチからの大きな転換です。ここでは、ノイズがプロセスのエンジンとなっていたのです。

この研究はまた、このアプローチの実用的な利点も浮き彫りにしました。モデルの量子部分が単一ピクセルの強度レベルのみを扱う必要があるため、量子ビットの数は画像のサイズに応じて増大しませんでした。彼らは、わずか4つの量子ビットを使用して、28×28ピクセルのフル画像を生成することができました。このスケーラビリティは、小さなノイジーな量子コンピュータであっても、最終的にはより大きく複雑な画像を生成することに貢献できる可能性を示唆しています。チームは、実機で生成された画像はシミュレーションによるものよりもわずかに鮮明さに欠けるものの、それは物理的な制約を考えれば理解できる範囲であると述べています。

結局のところ、この研究は量子人工知能の未来に対する新しい視点を提供しています。量子コンピュータは完璧になるまで役に立たないという考えに、彼らは異を唱えています。実在の量子デバイスのノイズを利用して生成データの品質を向上させられることを示すことで、研究者たちは、新しい種類のハイブリッド・コンピューティングへの扉を開きました。彼らの知見は、近い将来、エラーのない量子マシンを待つことなく、量子AIの恩恵を受けることができる可能性があることを示唆しています。代わりに、私たちは今日から、テクノロジーの不完全でノイジーな性質を受け入れ、新しい、有用なものを作り出すシステムを構築し始めることができるのです。前進するための道筋は、例えば異なるマシンにおける特定の種類のノイズをより良く理解することなどによって、これらの手法を洗練させていくことにありますが、核となるアイデア――ノイズは障壁ではなくリソースになり得るということ――は実証されました。