Cost-effective scalable quantum error mitigation for tiled Ansätze
本論文では、タイル状のAnsatzの構造を利用することで、ノイズ特性評価のコストを指数関数的に削減しつつ、近未来の量子デバイスにおける分子基底状態エネルギー計算において高い精度を維持する、コスト効率の高い量子誤差緩和技術である「tiled M0」を導入する。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
バイオリンが奏でるかすかな、美しい旋律を聴こうとしているところを想像してみてください。しかし、その部屋は騒々しく、怒号を上げる群衆で満たされています。これが、現在の量子コンピューティングの状態です。科学者たちは、理論上は今日のスーパーコンピュータには不可能な問題、例えば新しい薬や材料を発見するための複雑な分子のシミュレーションなどを解くことができるマシンを構築してきました。しかし、これらのマシンは現在「ノイズが多い」状態にあります。量子ビット（情報の極小単位）は非常に壊れやすく、わずかな乱れでも間違いを引き起こし、正しい答えを静電気の海の中に沈めてしまいます。
これを解決するために、科学者は「エラー緩和（error mitigation）」を用います。これはバイオリンを修理することではなく、録音から群衆のノロイズを差し引くための、巧妙なオーディオフィルターを使うようなものだと考えてください。一つの人気のある手法は、ノイズがどのように振る舞うかを正確にマッピングするためのテストを実行することです。つまり、間違いの辞書として機能する「混同行列（confusion matrix）」を作成することです。もしノイズがどのように信号を歪ませるのかを正確に把握できれば、後で数学的にその歪みを解くことができます。しかし、ここには落とし穴があります。大規模なマシンにおいて、ノイズが物事を狂わせるあらゆる可能性をマッピングすることは、ある言語におけるあらゆる可能な文章を書き留めようとするようなものです。必要な作業量は非常に速いスピードで増大するため、ごく小さなマシン以外では不可能になってしまいます。この論文はこの特定のボトルネックに取り組み、「すべての間違いをマッピングすることなく、ノイズを浄化できるか？」と問いかけています。
デンマークと英国のチームと協力して研究を行っている研究者たちは、「tiled M0」と呼ばれる巧妙なショートカットを開発しました。ノイズのマッピングを量子コンピュータ全体に対して一度に行おうとする代わりに、彼らはコンピュータを、繰り返されるタイルのモザイクのように扱うことができると気づきました。彼らの特定のセットアップである「tUPS Ansatz」では、量子回路は何度も繰り返される同一のブロック（タイル）から構成されています。チームの大きなアイデアは、ノイズはこれらの小さなタイル内では同様に振る舞い、かつ、あるタイル内のノイズが隣接するタイルに劇的な影響を与えないと仮定することでした。
この「局所近似（locality approximation）」を行うことで、彼らはわずか1つまたは2つの小さなタイルのノイズを測定し、その情報をマシン全体にコピーすることができました。これは大幅なショートカットです。大規模なシステムをマッピングするために何百万ものテスト回路を実行する必要がある代わりに、彼らはほんの一握りの回路を実行するだけで済みました。テストにおいて、彼らはこの手法を適用して、水、ベンゼン、ブタジエンを含むいくつかの分子の基底状態エネルギー（最も安定したエネルギーレベル）を、最大12個の量子ビットを持つ量子コンピュータを用いて算出しました。
結果は有望でしたが、一つひねりがありました。ノイズが完全に予測可能であるコンピュータ・シミュレーションにおいては、「tiled M0」法は重厚なフルスケールの手法とほぼ同等の性能を発揮し、エネルギー誤差を10分の1以上減少させました。この手法は、12個の量子ビットを持つベンゼンのような分子の信号を浄化することに成功しましたが、これは従来のメソッドでは実行が事実上不可能であった規模です。しかし、これらと同じテストを実際の物理的な量子コンピュータ上で実行したところ、結果は少し乱れていました。リチウムヒドリドや水素のようなより小さな分子については、この手法は非常にうまく機能しました。しかし、水やベンゼンのようなより大きく複雑な分子については、改善の度合いはそれほど劇的ではなく、誤差を2倍から4倍程度減少させるにとどまりました。
著者らは、シミュレーションと現実世界の間のこのギャップは、彼らの数学が間違っていたからではなく、実際の量子コンピュータが気まぐれだからだと示唆しています。実際の量子コンピュータのノイズは、時間の経過とともにドリフト（漂流）し、変動します。彼らの手法は実験を実行するために長い時間（ベンゼンの場合は最大2時間）を要するため、最初に作成した「ノイズマップ」は、エネルギーを測定し終える頃には時代遅れになっている可能性があるのです。彼らは、もしマシンのノイズがより安定していれば、彼らのテクニックはさらに輝きを放つだろうと考えています。
結局のところ、この論文はノイズの問題を永遠に解決したと主張しているわけではありません。むしろ、以前は手の届かなかったより大きなマシンでのエラー緩和を可能にする、コスト効率の高いスケーラブルなツールを提供しているのです。それは、量子コンピュータを一つの巨大で絡み合ったウェブとしてではなく、ローカルな近隣地域の集合体として扱うことで、膨大な時間とリソースを節約できることを示唆しています。この手法が、実際のハードウェアのドリフトするノイズをどのように扱うかを判断するためにさらなるテストが必要ですが、それは私たちが今日持っている不完全なマシン上で、より正確な量子シミュレーションを実行するための扉を開いています。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。