Comparing and learning figures of merit for quantum circuit compilation
本論文は、まず必要なコンパイルゲートを推定し、次にハードウェアノイズを考慮することによって、量子回路の新たな重み付き性能指標（wPST）を予測する機械学習フレームワークを提案しており、これにより、量子デバイス向けの高品質な回路を選択する上で従来の指標を大幅に上回る性能を実現している。
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
完璧なケーキを焼こうとしているところを想像してみてください。しかし、あなたには標準的なキッチンはありません。代わりに、熱が激しく変動する、混沌として騒がしいオーブンがあります。さらに、あなたのボウルはカウンターの特定の場所にしか接続できません。これが、現在の量子コンピューティングの現実です。科学者たちは、重ね合わせ（一度に2つの場所に存在すること）やもつれ（粒子間の不気味なつながり）といった量子力学の奇妙なルールを利用して、スーパーコンピュータが数千年かかるような問題を解決するマシンを構築しています。しかし、これらのマシンは脆弱です。これらは専門家が「ノイズのある中規模（NISQ）」時代と呼ぶ段階にあり、強力ではあるもののエラーを起こしやすく、その部品（量子ビット）同士が必ずしも直接通信できるわけではありません。
この乱れたハードウェア上で量子アルゴリズムを機能させるには、それを「コンパイル」しなければなりません。コンパイルとは、完璧なキッチン向けに書かれたレシピを、実際にその混沌としたキッチンで実行可能な一連の指示へと翻訳することだと考えてください。例えば、正しいボウルに到達するために材料を移動させる追加の手順（SWAPゲート）が必要になるかもしれません。あるいは、高級な泡立て器がフィットしない場合は、泡立て器をスプーンに交換しなければならないかもしれません。大きな疑問は、どの指示のセットが実際に良いケーキを生み出すのかを、どうやって知るかということです。レシピを実際にオーブンに入れて焼く前に、その品質を測定する方法が必要です。ここで「性能指標（figure of merit）」が登場します。これは、本質的に、量子回路がどれほどうまく機能するかを示すスコアカードです。
この論文は、完璧なスコアカードを見つけるという難しい課題に取り組んでいます。チャルマーズ工科大学およびヨーテボリ大学のハルシュディープ・シン率いるチームは、従来の量子回路の採点方法は、単純すぎるか、あるいは計算が困難すぎると主張しています。レシピのステップ数を数えるといった単純なスコアは、チェックは簡単ですが、ケーキが本当に美味しくなるかどうかは教えてくれません。一方で、「完璧な」スコアは、実際にケーキを焼き（回路を実行し）、それを味わうことを含みますが、あらゆるレシピのバリエーションに対してこれを行うのは時間がかかりすぎます。
チームは、wPST（加重成功試行確率：weighted Probability of Successful Trials）と呼ばれる、よりスマートなスコアカードを提案しています。あなたが学生のテストを採点しているところを想像してください。従来の方法（PST）では、すべての問題に正解した場合のみ100%となります。もし1問でも間違えたら、0点になります。これは厳しすぎますし、学生が内容の99%を理解していたのか、それともわずか10%だったのかを教えてくれません。新しいwPST法は、より寛容で情報量が多いものです。部分点を与えます。もし10問中9問正解したら、スコアは0.9となります。これは、マシンがノイズを含み、小さなエラーが避けられない状況において、「結果の良さ」をより正確に捉えることができます。
しかし、この新しいスコアを計算することさえ通常は回路を実行する必要があり、時間がかかります。これを解決するために、著者たちは機械学習モデル——デジタル脳——を訓練し、レシピ（回路）とキッチンのマップ（ハードウェア）を見るだけでwPSTスコアを予測できるようにしました。彼らはこのモデルに何千もの例を入力し、「ステップが多すぎる」、「もつれた材料が多すぎる」、あるいは「注意力が散漫な量子ビットを使っている」といったパターンを認識するように教え込みました。
結果は有望です。シミュレーションおよび実際のIBM量子コンピュータを用いたテストにおいて、彼らの機械学習モデルは、従来の手法よりもはるかに高い精度で回路の成功を予測しました。ゲート数を数えるといった従来の手法による相関関係はわずか40〜50%程度でしたが、彼らの新しいモデルは、その相関を90%以上にまで引き上げました。これは劇的な改善であり、実質的に予測精度を50%以上向上させたことになります。
これを現実世界の量子コンパイラで活用するために、著者たちは2段階のトリックも設計しました。通常、回路が特定のマシン向けに完全に翻訳されるまで、最終的なスコアを知ることはできません。しかし、彼らのシステムは、まずマシンがどれだけ追加の手順（例えば、GPSがどれだけの迂回を加えるかを予測するように）を必要とするかを推測し、その推測を用いて最終的なwPSTスコアを予測することができます。これにより、コンパイラは、低速で高価なテストを事前に行うことなく、最適なレシピを即座に選択できるようになります。
要約すると、この論文は、よりスマートな部分点方式のスコアリング（wPST）と、訓練された高速なAI予測器を組み合わせることで、より優れた量子回路をより速く構築できることを示唆しています。これは量子コンピューティングのすべての問題を解決するものではありませんが、今日のノイズが多く荒れた量子ハードウェアの航路を、より確実に進むための、より信頼できる方法を提供し、完璧な量子ケーキへの接近を助けてくれます。
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。