Improved parameter initialization for the (local) unitary cluster Jastrow ansatz
本論文は、ユニタリ・クラスター・ジャストロウ・アンザッツのパラメータ初期化を改善するために、圧縮二重因子分解および近似テンソルネットワークシミュレーションという2つの古典的な前処理手法を提案しており、これにより、シミュレーションおよび実機の量子ハードウェアの両方における変分量子化学アルゴリズムのエネルギー精度を大幅に向上させている。
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
物質がその最も基礎的なレベルでどのように振る舞うかを理解しようとする探求において、科学者たちは長年、原子や分子の中の電子のダンスをシミュレートするために強力なコンピュータに頼ってきました。数十年にわたり、古典的なスーパーコンピュータはこの分野の主力であり、化学物質がどのように反応するか、あるいは材料がどのように電気を導くかを予測するために複雑な方程式を解いてきました。しかし、分子が大きくなり、電子の絡み合い(エンタングルメント)がより強固になるにつれ、これらの古典的なマシンは壁に突き当たります。計算が膨大になりすぎて、最も強力なスーパーコンピュータであっても、合理的な時間内に完了できなくなるのです。ここで量子コンピュータが登場します。情報を0または1のビットとして処理する古典的なコンピュータとは異なり、量子コンピュータは量子ビット(qubit)を使用し、これは複数の状態に同時に存在することができます。このユニークな能力により、電子の振る舞いを直接模倣することが可能になり、現在は不可能とされる問題を解決するための潜在的な近道を提供します。しかし、課題は、今日の量子コンピュータがまだ初期段階にあることです。それらはノイズが多く、エラーを起こしやすく、情報が劣化してしまう前に保持できる量子ビットの数も限られています。これらの脆弱なマシンから有用な結果を得るためには、研究者は、ノイズに支配される前に実行できるほど十分に短く、かつ化学系の本質的な物理学を捉えられるほど十分に賢い、アルゴリズムとして知られる特別な指示書を設計しなければなりません。
IBM Quantumの研究者と学術機関による最近の研究は、まさにこのボトルネックに対処しています。彼らは、化学用に設計された特定の種類の指示セットである、ローカル・ユニタリー・クラスター・ヤストロウ(LUCJ)アンザッツに焦点を当てました。アンザッツを、量子回路のテンプレートや設計図と考えてください。それは、コンピュータが分子を表す量子状態を準備するために従う、あらかじめ定義された構造です。LUCJテンプレートは、物理的な正確さと現在のデバイスのハードウェア制限とのバランスが取れているため、人気があります。伝統的に、科学者たちは「結合クラスター(coupled cluster)」、シングルス・アンド・ダブルス(singles and doubles)、またはCCSDと呼ばれる古典的なコンピュータによる計算から数値を取り出すことで、この設計図の詳細を埋めてきました。この古典的な手法は、分子エネルギーを近似するための標準的な方法であり、その結果は量子回路の出発点を設定するために使用されてきました。問題は、現在の量子ハードウェアでは、この設計図の完全で完璧なバージョンを実行できないことです。回路を実際のデバイスに適合させるために、研究者は回路を短く単純に保つために、多くの相互作用を切り捨て、一部を削ぎ落とさなければなりません。しかし、この必要な切り捨ては貴重な情報を捨て去ることになり、量子コンピュータに不正確なエネルギー予測をもたらす質の低い出発点を残してしまうのです。
この研究における研究者たちは、量子コンピュータが起動する前に、この出発点を修正する2つの新しい方法を提案しました。彼らの第一の手法は、「圧縮二重因子分解(compressed double factorization)」と呼ばれる技術を含んでいます。設計図の余分な部分を単に切り捨てて、あとは好運を祈るのではなく、彼らは数学的な圧縮技術を使用して情報を再編成しました。大きくて複雑な旅行用のスーツケースをパッキングすることを想像してみてください。入らない服をただ捨ててしまうのではなく、最も重要なアイテムが小さなスペースに完璧に収まるように、注意深く折り畳んだり並べ替えたりするのです。同様に、この手法は古典的な計算からの全データを取り込み、最も重要な物理学を依然として捉えたまま、より小さく効率的な指示セットへと圧縮します。彼らは最大52量子ビットのシステムでシミュレーションを実行してこれをテストし、この圧縮されたアプローチがエネルギー推定の精度を大幅に向上させ、分子の可能な状態をどれだけ良くサンプリングできるかという点において、未カットのフルサイズの設計図さえも上回ることが多いことを見出しました。
彼らが導入した第二の手法は、直接的な測定ではなくサンプリングに依存する異なるタイプの量子アルゴリズム向けに特別に設計されています。このアプローチは、量子コンピュータの代わりとなるテンソルネットワークと呼ばれる洗練されたシミュレーションを古典的なコンピュータ上で実行します。研究者たちは、このシミュレーションを使用して数千のサンプル結果を生成し、エネルギーを計算し、実験を開始する前に設計図の設定を微調整してエネルギーを下げました。このプロセスは「サロゲート最適化(surrogate optimization)」として知られ、実験が始まる前に、設定を可能な限り最適化することを可能にします。彼らがこの手法を、初期の古典的な近似が弱いシステムに適用したところ、その改善は相当なものでした。鉄-硫黄クラスター(iron-sulfur cluster)を含むケースでは、標準的な古典的手法では収束が困難なシステムですが、この技術により、量子アルゴリズムは自力で到達できるよりもはるかに良い解を見つけることができました。
これらの手法が現実の世界で機能することを証明するために、チームはIBMの156量子ビットを持つ超伝導量子プロセッサに、改良された設計図を持ち込みました。彼らは、窒素ガスとホルムアミド二量体という2つの異なる分子に対してこのアプローチをテストしました。彼らは、新しい、注意深く初期化された設定を、回路パラメータを単に削減しただけのアプローチや、ランダムな推測と比較しました。結果は明白でした。ノイズの多いハードウェア上において、圧縮初期化法は、ランダムな手法や最適化されていない手法よりも一貫して正確なエネルギー読み取りを生成しました。実際、窒素分子については、この手法は非常に効果的であり、他の手法が信号を捉えるのに苦労する中で、量子コンピュータがノイズから明確な信号を抽出することを可能にしました。研究者たちは、特に電子対軌道の比率が難しい窒素系においてハードウェアのノイズが依然として課題を提示しているものの、改良された出発点がデータの質に具体的な違いをもたらしたと指摘しました。
本研究は、これらの手法が、今日の不完全な量子コンピュータを使用して化学的問題を解決するための実用的な道筋を提供すると結論付けています。古典的な計算を用いて初期設定を慎重に準備することで、研究者は現在のハードウェアの制限を回避できます。圧縮二重因子分解は、回路を短縮する場合でも最も重要な物理情報が保持されることを保証し、テンソルネットワーク最適化は、サンプリングに依存するアルゴリズムのために設定を微調整します。著者らは、これらはすべての問題を解決する魔法のような解決策ではなく、また量子コンピュータが稼働している最中のさらなる最適化の必要性を置き換えるものでもないことを強調しています。しかし、これらは変分量子アルゴリズムが正しい答えにより近い状態でスタートすることを可能にする、強固な基盤を提供します。量子ハードウェアが進化し続けるにつれ、これらのより良い初期化のための技術は、おそらく標準的なツールキットの一部となり、科学者がますます複雑な分子に取り組むことを可能にし、量子化学の約束を現実へと近づけていくでしょう。
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。