GroverFigureOfMerit: An Agnostic Figure of Merit for Quantum Backend Characterization in the NISQ Era

ロードトリップに最適な車を選ぼうとしている場面を想像してみてください。しかし、メーカーごとにバラバラで混乱を招くスペック表が提示されています。あるメーカーは「私のエンジンは効率99%です！」と言い、別のメーカーは「私のタイヤは5万マイル持ちます！」と叫んでいます。しかし、彼らはその車がデコボコ道や急な坂道、あるいは突然の豪雨の中で実際にどのように走行するのかについては教えてくれません。あなたは、故障せずに目的地にたどり着けるかどうかを推測するしかなく、迷走してしまいます。

これは、今日の量子コンピュータ開発者が直面している問題そのものです。私たちは現在、「NISQ時代（中規模ノイズあり量子デバイス時代）」にいます。これは、量子コンピュータは存在するものの、まだ少し不具合が多く、乱雑な状態にある時代です。IBM、IonQ、Rigettiといった異なる企業は、それぞれ全く異なる方法でマシンを構築しています。彼らはすべて異なる言語を話し、単一の量子ビット（qubit）が情報を忘れるまでの保持時間といった、いわゆる「静的な」統計量ばかりを披露しています。

この論文の著者たちは、こうした静的な統計量を見ることは、マラソンランナーを「靴紐を結ぶ速さ」だけで判断するようなものだと主張しています。それは本質を見誤っています！ランナーは素晴らしい靴（低いエラー率）を持っていても、レースが複雑になると自分の足に躓いてしまうかもしれません。論文は、どの量子コンピュータが本当に優れているかを知るためには、実際に「レース」を走らせる必要があると示唆しています。

「ストレス・テスト」としてのレース：グローバーのアルゴリズム

これを解決するために、チームはGroverFigureOfMeritと呼ばれる、パフォーマンスを測定するための新しい方法を考案しました。これは、標準化された「ストレス・テスト」のレースのようなものです。パーツを見る代わりに、彼らは特定の難解なパズルであるグローバーのアルゴリズムをコンピュータ上で実行します。

グローバーのアルゴリズムは、「干し草の山から針を探すゲーム」のようなものです。完璧な世界では、量子コンピュータは信じられないほど速く針を見つけることができます。しかし、ノイズの多い現実の世界では、干し草が揺れていたり、針が滑りやすかったりして、コンピュータが混乱してしまうかもしれません。

著者たちは、コンピュータが以下のプロセス全体をどれだけうまく処理できるかを検証するために、このテストを設計しました：

1. ノイズ： レース中に発生する静電気やグリッチ（不具合）。
2. 翻訳（トランスパイル）： コンピュータが「干し草の山」のパズルを自分自身の特定の言語に翻訳するために行う作業。
3. マップ（トポロジー）： コンピュータの配線の物理的なレイアウト。一部のコンピュータでは、量子ビット同士が直接通信できず、隣接するビットを経由してメッセージを伝える必要があるため、速度が低下します。

スコアリングの仕組み

2,000回の試行（ショット）を行った後、システムはコンピュータにスコアを与えます。それは単に針を見つけたかどうかだけではなく、「どのように見つけたか」に基づいています。

• 正しい答えを見つけたか？（良い！）
• 間違った答えも一緒に見つけてしまったか？（悪い！これは「リーク」と呼ばれます。）
• 毎回必ず正しい答えを見つけたのか、それとも運が良かったり悪かったりしたのか？（悪い！これは「非一様性」と呼ばれます。）

最終的なスコアは、これらすべての要素を組み合わせた一つの数値になります。コンピュータにノイズがあったり、パズルの翻訳中に停滞したりすると、スコアは下がります。クリーンで効率的であれば、スコアは高く維持されます。

大規模な実験：現実のシミュレーション

チームは単に推測したわけではありません。彼らはQonsciousというフレームワークを使用してこのテストを実行しました。これは、コードを変更することなく、あらゆるブランドの量子コンピュータで同じレースを実行できる「ユニバーサル・リモコン」のようなものです。

彼らは9つの異なるプロバイダーに対してテストを行いました（ただし、詳細な結果については、実際のハードウェアに基づいたIBMとIonQのシミュレータに焦点を当てています）。彼らは2種類のサイズの「干し草の山」でテストを行いました：

• 8個のアイテムを持つ小さなもの（3量子ビットを使用）。
• 32個のアイテムを持つ大きなもの（5量子ビットを使用）。

判明したこと：

• 理想的なシミュレータ： ノイズのない完璧なコンピュータ・シミュレーション上でテストを実行したところ、スコアはほぼ完璧でした（小さな干し草の山で約0.960、大きな干し草の山で0.999）。これは、ノイズがない場合にテストが期待通りに機能することを示しています。
• IBMモデル： 実機のプロセッサから派生したノイズモデルを用いて実行したところ、スコアは大幅に低下しました。32個のアイテムの干し草の山において、IBMモデルのスコアは約0.040まで崩壊しました。これは、実質的にランダムに推測しているのと同じ状態です。論文では、IBMのコンピュータは遠く離れた量子ビットを接続するために余計な負荷がかかり、エラーの「交通渋滞」が発生したためであると説明されています。
• IonQモデル： IonQ Aria 1モデルは、はるかに優れた結果を示しました。スコアを高く維持し、IBMモデルのように崩壊することはありませんでした。これは、この特定の種類のパズルにおいて、IonQのアーキテクチャの方がノイズに対して耐性が高いことを示唆しています。

これが意味すること（および意味しないこと）

論文は、これがすべての量子問題を解決する魔法の杖ではないことを明確にしています。著者たちは、現在のノイズの多いハードウェアにおいて、グローバーのアルゴリズムが実際のタスクに対してまだ有用ではない可能性があることを明示しており、グローバーのアルゴリズムが現在の現実世界の探索問題を解くための最良の方法であると証明しようとしているのではない、と認めています。

むしろ、彼らはグローバーのアルゴリズムを純粋にハードウェアを測定するためのツールとして使用しています。これは、車の衝突テスト用ダミーを、乗客にとって車が安全かどうかを確認するためではなく、衝突時に車のフレームがどのように耐えるかを見るために使用するようなものです。

結果は、実機のハードウェアから派生したノイズモデルを用いたシミュレーションに基づくものであり、クラウド上の実際の物理的な量子コンピュータ上でテストを実行したものではありません（ただし、著者らは、実機でのテストが「自然な次のステップ」であると述べています）。

まとめ

主な発見は、この新しい「GroverFigureOfMerit」スコアが、全く異なる仕組みで構築されている量子コンピュータ間の違いを効果的に識別できるということです。このスコアは、ノイズ、翻訳エラー、物理的レイアウトという複雑な現実を、一つの比較可能な数値に集約します。

この論文は、このアプローチが、開発者が混乱を招くスペックシートに基づいて推測するのをやめ、それぞれのニーズに合った量子コンピュータを情報に基づいて選択できるよう、役立つことを示唆しています。しかし、著者らは「翻訳（トランスパイル）」のステップが現在大きなボトルネックとなっており、それが多くのマシンにおいてパフォーマンスを損なうほどの追加作業を生んでいると警告しています。彼らは、将来的に、よりスマートなソフトウェアがこれを修正し、全員にとって「レース」が公平になることを期待しています。

要するに、この論文は、量子コンピュータに特定の難解なパズルを実行させることで、それらを格付けする新しい公平な方法を提案しています。そして、初期のシミュレーションは、どのマシンが実際にトップリーグに立つ準備ができているのか、そしてどのマシンがいまだに靴紐で躓いているのかを見分けることができることを示しています。