Pilot-Wave Simulator: Exact Classical Sampling from Ideal and Noisy Quantum Circuits up to Hundreds of Qubits

あなたは天気を予測しようとしていると想像してください。しかし、扱っているのは雲や風ではなく、宇宙の最も小さな構成要素である量子粒子です。量子物理学の世界では、粒子はただ静止しているわけではありません。それらは、キャッチするまでは「表」でもあり「裏」でもある回転するコインのように、多くの状態が重なり合った「重ね合わせ」の状態として存在しています。これらの粒子がどのように振る舞うかを理解するために、科学者は「量子回路」を使用します。これは、回転するコインを操作するための、論理ゲートによる複雑な迷路のようなものです。問題は、この迷路にコイン（あるいは「量子ビット」）を追加していくと、起こりうる結果の数が爆発的に増加することです。それは、巨大で枝分かれした滝の中で、水滴が辿り得るあらゆる経路を追跡しようとするようなものです。一度に一つの経路を追うことには長けている従来のコンピュータは、中規模の量子マシン向けのパズルを解く前に、メモリ不足で圧倒されてしまいます。これは、実際の量子コンピュータを構築する前に、量子アルゴリズムをテストし設計する必要があるため、非常に大きな障壁となっています。

そこで、研究チームによって開発された新しいツールである「パイロット波シミュレーター（Pilot-Wave Simulator）」が登場しました。これは、この混沌とした滝の中を導く賢いガイドのような役割を果たします。このシミュレーターは、すべての可能な経路を一度にマッピングしようとする（大規模なシステムでは不可能なこと）代わりに、「パイロット波」理論と呼ばれる古い物理学の概念に着想を得たトリックを使用します。波に乗るサーファーを想像してください。サーファー（古典的な状態）は特定の経路に沿って移動しますが、その動きは前方の波（量子状態）の形によって導かれます。この新しいアルゴリズムにより、古典的なコンピュータは、全体を一度に計算するのではなく、局所的な手がかりに基づいてステップごとに位置を更新しながら、量子回路の中を「サーフィン」して進むことができます。これにより、チームは、現在私たちが持っている実際の量子デバイスのように、ノイズを含んだ不完全なものを含む、数百の量子ビットを持つ量子回路から、正確で高品質なサンプルを生成できるのです。

サーフィンのガイド：仕組み

量子回路を、ターンのたびにルールが変わる、巨大な多層構造の「人生ゲーム（Chutes and Ladders）」と考えてみてください。通常、プレイヤーがどこに辿り着くかを知るには、彼らが辿り得るあらゆるルートの確率を計算しなければなりません。小さなゲームであれば、コンピュータはこれを簡単に実行できます。しかし、476人のプレイヤー（量子ビット）がいるゲームの場合、ルートの数はあまりにも膨大で、計算には宇宙の年齢よりも長い時間がかかるでしょう。

パイロット波シミュレーターはこのゲームのルールを変えます。ボード全体を計算する代わりに、一人ひとりのプレイヤーに焦点を当てます。まず、最初のプレイヤーから始めて、「もしここへ動いたら、特定の場所に辿り着く確率はどのくらいか？」と問いかけます。そして、「テンソルネットワーク」と呼ばれる数学的なショートカットを使用して、次の動きに必要なわずかな確率だけを覗き見ます。次に、その確率に基づいてラン数の選択を行い、プレイヤーの位置を更新し、回路の次のステップへと進みます。これは、ヘリコプターから迷路全体を見渡そうとするのではなく、次の数手だけを見て迷路を進むようなものです。

研究者たちはこれを「マルコフ過程（Markov process）」と呼んでいます。これは、次のステップが現在の位置と局所的なルールのみに依存するという、少し凝った言い方です。このステップごとのサーフィンと、テンソルネットワークによる「覗き見」を組み合わせることで、彼らは以前は正確に扱うことが不可能だった回路をシミュレートできるのです。

大規模なテスト：QAOAと「擬似ボルツマン」の謎

シミュレーターが機能することを証明するために、チームはQAOA（量子近似最適化アルゴリズム）と呼ばれる特定の種類の量子アルゴリズムを用いてテストを行いました。QAOAは、難しいパズル（例えば、磁石が最も効率的な方向に並ぶように配置するなど）を解くために、デコボコした風景の中の最も低い地点（基底状態）を探そうとする量子ロボットのようなものだと考えることができます。

研究者たちは、24個から最大476個の量子ビットのグリッド上で、これらの回路をシミュレートしました。そこで彼らは、非常に興味深い発見をしました。量子ロボットは単にランダムな場所を選んでいるのではなく、「擬似ボルツマン分布」に従っているようだったのです。平たく言えば、これはロボットが低エネルギー（良い）地点に辿り着く可能性が高いことを意味しており、回路が深くなる（論理の層が増える）ほど、システムが冷却されていくプロセスのように振る舞い、より優れた解を好むようになるということです。彼らは、回路が深くなるにつれて「実効温度」が低下し、ロボットが谷の底を見つける能力が高まることを確認しました。

しかし、彼らは壁にも突き当たりました。非常に大規模な問題に対しては、たとえ強力な新しいシミュレーターを用いたとしても、ロボットが「絶対的な最善の解」を見つける確率は指数関数的に低下することを発見しました。それは、特定の砂粒を見つけようとする行為に似ています。砂浜が大きくなればなるほど、たとえより良いシャベルを持っていても、その砂粒を見つける確率は極めて小さくなります。このことは、浅い深さのQAOA回路は興味深いものではあるものの、それ単体では大規模な最適化問題を解決するための魔法の杖にはならない可能性を示唆しています。

ノイズ要因：リアリズム vs 完璧さ

実際の量子コンピュータは、乱雑です。それらは「ノイズ」に悩まされており、それはラジオのノイズや、サーファーをコースから押し流す突風のようなものです。研究者たちは、パイロット波シミュレーターが不完全性をどのように扱うかを調べるために、現実的なノイズモデル（デポラリゼーションや振幅減衰など）をシミュレーションに加えました。

結果は明白でした。ノイズは状況を悪化させます。それは「実効温度」を上昇させ、つまり量子ロボットが気を散らされ、より高いエネルギー（悪い）地点に辿り着く頻度を高めます。実際、ノイズのある環境をシミュレートした際、量子アルゴリズムは、ヘイスティングスという別の科学者が提案した単純な古典的な「ローカル更新」ルールよりも劣る結果となりました。これらのノイズを含むシミュレーションにおいて、古典的なアルゴリズムは、同じ深さにおいて量子アルゴリズムを上回ったのです。これは量子コンピューティングが終わったことを意味するのではなく、ハードウェアが不完全な現状では、単純な古典的トリックが浅い量子回路と同等に有効である可能性があることを示唆しています。

スケール：どこまで到達できるか？

この研究の最も印象的な部分は、その規模の大きさです。チームは、深さ1において最大476量子ビットの回路の、正確なサンプルを生成することに成功しました。また、深さ3においては49量子ビットまで対応しました。これを比較すると、従来の手法では全シミュレーションで約42量子ビットまでしか扱えず、あるいは、わずかな数値を推定するためだけに巨大なスーパーコンピュータを必要としていました。

彼らはこれらを数百のCPUコアを持つ標準的なサーバーで実行しており、この手法が実用的であり、あらゆるテストにスーパーコンピュータを必要としないことを示しています。また、グリッドやヘキサゴン（六角形）といった、量子ビットの接続トポロジーの異なる形状についてもテストを行い、シミュレーターは、サーファーが荒れた嵐よりも整った綺麗な波を好むのと同様に、疎で規則的な形状において最もよく機能することを発見しました。

結論

パイロット波シミュレーターは、計算に溺れることなく、大規模な量子回路を「サーフィン」することを可能にする強力な新しいツールです。これは、数百の量子ビットを持つ回路から、ノイズがある場合でも正確なサンプルを提供します。これは、量子回路が興味深い低エネルギー分布を生み出すことを裏付ける一方で、非常に大規模な問題に対しては、完璧な解を見つける確率は急速に低下すること、そしてノーズの多い環境では、単純な古典的アルゴリズムが依然として浅い量子アルゴリズムに対抗し得ることを示唆しています。このツールは、研究者に対し、将来の量子デバイスが構築される前に、その挙動をベンチマークし理解するための手段を与え、これらのマシンが実際に何を実行できるのかという「熱狂（ハイプ）」と「現実」を切り分ける助けとなるのです。