あなたは、ロボットに完璧なレゴのお城を作らせる方法を教えようとしていると想像してください。しかし、そこには一つ罠があります。ロボットがブロックを一つ積み上げるたびに、あなたは、その作りかけのお城を、非常に高価で動作の遅いタイムマシンに送り、それがどれほど安定しているかを正確に教えてもらわなければなりません。このタイムマシンは、「変分量子固有値ソルバー（VQE）」と呼ばれ、分子設計が機能するかどうかを確認するためのゴールドスタンダードですが、あまりにコストと時間がかかるため、予算が尽きるまでに数千回しか質問することができません。これは、量子アーキテクチャ探索（QAS）という分野における日常的な苦闘です。科学者たちは、量子コンピュータが化学問題を解くための最適な回路をどのように設計するかを模索していますが、これは非常に困難な課題です。大きな疑問は、真実を得るコストがこれほど高いとき、どうすればロボットに効率的に回路を構築させる方法を教えられるのか、ということです。盲目的に推測することもできませんし、一歩進むごとにタイムマシンの助けを借りる余裕もありません。

ここで、「DreamQAS」という巧妙なトリックが登場します。あらゆる可能性のあるお城の正確なエネルギーを予測しようとする代わりに（それは、世界中のすべての街の天気を予測しようとするようなものです）、著者たちはロボットに「夢を見る」ことを教えました。彼らは、レゴのルール（ブロックは空中に置けない、特定の形は組み合わさる、など）を完璧に理解している「世界モデル」を構築しました。ただし、このモデルは、高価なタイムマシンからの「フィードバック」を推測することだけを学習します。ロボットは、夢の中で城を作る練習をし、その城がどのように耐えられるかを想像します。そして、本当に確信が持てないときや、特に有望なデザインを見つけたときにのみ、現実の世界に目覚めて、本物のタイムマシンに問いかけるのです。その結果、このシステムは、従来の方法よりもはるかに少ない回数の実機によるチェックを用いて、より優れた量子回路を構築できることが証明されました。時には、優れた想像力こそがラボにおける最も効率的な道具になることを示しています。

問題点：高価な「タイムマシン」

量子コンピューティングの世界では、科学者たちは新しい薬や材料を発見するために、分子をシミュレートしたいと考えています。これを行うために、彼らは分子を表現する特定の量子ゲートの配置、すなわち「量子回路」を使用します。目標は、最も低いエネルギーを与える配置、つまり分子の最も安定した状態に対応する配置を見つけることです。このプロセスは、変分量子固有値ソルバー（VQE）と呼ばれます。

VQEを、非常に厳格で非常に遅い裁判官だと考えてください。もしあなたが回路のデザインを見せれば、それは複雑な最適化を実行して、正確なエネルギーを教えてくれます。しかし、ここが問題です。この裁判官を動かすには、膨大な時間と計算能力が必要です。量子回路を見つけるための従来の量子アーキテクチャ探索（QAS）のアプローチでは、コンピュータプログラム（「エージェント」）が、量子ゲートを一つずつ追加しながら回路を構築しようとします。ゲートを一つ追加するたびに、エージェントは停止して、VQE裁判官にスコアを求めなければなりません。もしエージェントが何千回もの試行から学ぼうとするなら、裁判官に何千回も尋ねる必要があります。これは、チェスの対局を学ぶ際に、一手を打つたびにグランドマスターに盤面を分析してもらうようなものです。ゲームを学ぶ前に、忍耐（と資金）が尽きてしまうでしょう。

解決策：チェックする代わりに「夢を見る」

論文の著者であるNiu氏らは、VQEのフィードバックは高価ですが、回路を構築するためのルール自体は実は単純で既知のものであることに気づきました。ゲートを追加したときに何が起こるかは正確に分かっています。回路が長くなるだけです。唯一、確実ではないのは、その新しい回路がどれほど優れているかということです。

そこで、彼らはDreamQASを構築しました。盲目的に推測するロボットでも、一歩ごとに裁判官に尋ねるロボットでもなく、DreamQASは「夢を見る」ことを学ぶロボットなのです。

夢の仕組みは以下の通りです：

1. 現実の世界： ロボットは、まず現実の世界でいくつかの回路を構築し、VQE裁判官にスコアを求めます。これにより、少量の「検証済み」データが得られます。
2. 夢の世界： この検証済みデータを使用して、ロボットは「世界モデル」を構築します。このモデルはゲームのルールを完璧に理解しており（ゲートが追加されたときに回路がどのように変化するかを正確に知っている）、検証済みデータに見られるパターンに基づいてVQEスコアを推測することを学習します。
3. 想像による訓練： これにより、ロボットは頭の中で何百もの新しい回路を構築できます（「夢」を見ます）。ゲートを追加しますが、本物の裁判官に聞く代わりに、自分の夢のモデルにスコアを尋ねます。これを何度も繰り返し、長い「想像上の軌跡」を作成して、どの動きがより良い結果につながるかを学びます。
4. セーフティネット： ロボットは、自分の夢が間違っている可能性があることを知っています。そのため、一連の安全規則を持っています。もし夢のモデルが確信を持てない場合（内部の予測に「不一致」がある場合）、ロボットは夢を見るのをやめ、目覚めて本物の裁判官に尋ねます。また、夢の中で非常に有望なデザインを見つけた場合も、検証のために目覚めます。これにより、ロボットが「完璧なお城を築いている」と思い込みながら、実際には崩壊してしまうような空想の中に迷い込むことを防ぎます。

分かったこと：夢が時間を節約する

研究者たちは、単純な水素化リチウム（LiH）から、異なる数の量子ビット（qubit）を持つより複雑な水素化ベリリウム（BeH2）まで、5つの異なる分子タスクに対してDreamQASをテストしました。彼らは、DreamQASを、全く夢を見ない方法や異なる戦略を用いる他の手法と比較しました。

結果は驚くべきものでした。これらのシミュレーションにおいて、DreamQASは標準的な手法と同じレベルの精度に達するために、競合手法よりも大幅に少ない回数の実機VQE呼び出しで、高品質な回路設計を見つけ出すことができました。

• 5つのタスクのうち4つにおいて、DreamQASは標準的な手法と同じ精度に達するまでに、実機のVQE呼び出しを1.6倍から2.0倍少なく抑えました。
• 最も複雑なタスク（8量子ビットのBeH2）では、その節約効果は凄まじいものでした。DreamQASは、実機のVQE呼び出しを10.6倍も少なく済ませました。

これは、少しの時間を「夢を見る」（標準的なコンピュータ上でモデルを実行する）ことに費やすことで、高価な量子裁判官に費やされるはずだった膨大な時間を節約できたことを意味します。

なぜ「単なる推測」よりも「夢を見る」方が優れているのか

「なぜ、夢のモデルを使って直接最適な回路を選ばないのか？」と考える人がいるかもしれません。論文では、これを明示的にテストしています。彼らは、夢のモデルを単なるガイドとして使い、次の最善の一手を選ぶ（「強欲な」アプローチ）ことを試みましたが、フルでの「夢を見る」プロセスほどの結果は得られませんでした。

鍵となる洞察は、夢のモデルは完成したお城の正確なエネルギーを予測することには長けていないものの、動きの相対的な価値を学習することには非常に優れているという点です。モデルは、「このゲートを追加すると、スコアは通常少し上がる」ということを学習します。たとえ最終的な正確なスコアは分からなくても、です。これらの相対的なヒントを多くのステップ（マルチステップの想像）にわたって利用することで、ロボットは単に各ステップで「最も良さそうな」ブロックを選ぶのではなく、回路全体を構築するためのより優れた戦略を学ぶことができます。

また、論文は、ロボットが自身の自信を判断する能力が極めて重要であることも示しています。モデルは、自身が確信を持てないとき（内部の「夢想家」たちの間で意見が食い違っているとき）を判別できます。確信が持てないとき、モデルは夢を見るのを止め、現実の世界に確認を行います。この「不確実性を認識する」振る舞いが、ロボットが悪質なアイデアに時間を浪費したり、悪い推測のループに陥ったりすることを防いでいます。

結論

DreamQASは、高価な量子裁判官に取って代わろうとするのではなく、いつ助けを求めるべきかをロボットが賢く判断できるようにするものです。回路構築の既知のルールと、高価なフィードバックを分離し、「夢」のフェーズを通じて練習させることで、システムはより速く、より優れた量子回路を構築できるようになります。

計算ごとに多大な時間とエネルギーを要する量子化学の世界において、このアプローチは新しい進むべき道を示唆しています。問題を力技で解決しようとするのではなく、ルールを理解するモデルを構築し、可能性を夢見させ、本当に重要な時にだけ現実を確認するのです。著者たちは、この方法がより優れた設計を見つけるだけでなく、より少ないコストで実現できることを証明しました。これにより、有用な量子シミュレーションへの道のりが、少しだけ緩やかなものになったのです。