Imaginarity as a necessary resource for trainability in QAOA

あなたは、非常に内気で、かつ非常に複雑なロボットに、巨大なパズルを解く方法を教えようとしているところだと想像してください。このロボットは私たちとは異なる考え方をします。それは量子力学の世界に生きており、一度に多くの場所に存在することもできますが、同時に非常に壊れやすい存在でもあります。あなたがこのロボットを教えるために使う道具は、「量子近似最適化アルゴリズム（QAOA）」と呼ばれます。QAOAを、非常に緊張感のある「熱いか冷たいか（ホット・アンド・コールド）」ゲームだと考えてみてください。ロボットがひとつの解を試し、古典的なコンピュータ（教師）がそれがどれほど良いかをチェックします。もしその解が「冷たい（悪い）」場合、教師はロボットの設定を調整して、より「熱く（良く）」なるように促す必要があります。これを効果的に行うために、教師には明確な信号、つまり「勾配（グラディエント）」が必要です。これは、どの方向にノブを回すべきかを教えてくれるものです。

しかし、落とし穴があります。時には、信号があまりに静かになりすぎて、教師には全く聞こえなくなることがあります。これは、コンパスの回転が止まってしまった霧の中での航海のようなものです。ロボットは行き詰まり、学習プロセスは停止してしまいます。科学者たちは以前から、ロボットが学習するためには、その信号を維持するための特定の種類の「量子的なジュース」が必要であると疑っていました。この論文は、そのジュースが何であるかを調査しています。彼らは「イマジナリティ（虚数性）」と呼ばれる特性に焦点を当てています。量子の世界では、数字は「実数（5や-2のようなもの）」であることもあれば、「虚数（平方根の-1を含むもの）」であることもあります。実数は明白な事象を記述しますが、虚数は異なる可能性の間の隠れた、波のような関係を記述します。この論文は、シンプルですが極めて重要な問いを投げかけます。「この『虚数的な』要素は、ロボットが学習するために必要なのか？」という問いです。

シエド・ムハマド・アリ・ハッサンとその同僚たちが率いる研究チームは、この「イマジナリティ」が単なる派手な副作用ではなく、ロボットが進むための厳格な要件であることを証明しようとしました。彼らは、教師がロボットの最終設定を調整するために使う信号が、これらの虚数的なつながりに完全に依存していることを発見しました。もしロボットの状態が、検討している異なるパズルのピース間の虚数部分を持たない場合、信号は消失し、教師がどれほど懸命に試みても、ロボットは学習することができません。

これを理解するために、ロボットがトランプの束を持っているところを想像してみてください。各カードは、パズルの可能な解のひとつを表しています。ロボットは「ミキサー」（カードを入れ替える量子操作）を使ってこれらのカードをシャッフルします。教師はこう尋ねたいのです。「もしシャッフルの仕方を少し変えたら、スコアは改善するか？」論文は、この問いに答えるためには、カードの間に「幽霊のような」つながり、つまり数学的な虚数部分にのみ存在するつながりが必要であることを示しています。具体的には、ロボットは、たった一つの小さな詳細（例えば、1ビットを0から1へ反転させること）だけが異なる2枚のカードの間に、虚数の成分を持つ接続を持っている必要があります。

著者たちは単に推測したわけではありません。彼らは、ロボットの学習信号の速度制限として機能する数学的なルールを導き出しました。彼らは、信号の強さが、ミキサーが接続するカード間の「イマジナリティ」の量と、それらのカード間のスコアの変化量の積によって制限されることを証明しました。もし虚数部分がゼロであれば、信号もゼロになります。これは、パンクしたタイヤの車を押そうとするようなものです。どれほど強く押しても（角度をどれほど変えても）、車は動きません。なぜなら、不可欠な要素（空気、あるいはこの場合は虚数部分）が欠けているからです。

チームは、古典的なパズルである「Max-Cut」を用いてこのアイデアをテストしました。これは、グループの友人たちを2つのチームに分け、チーム内よりもチーム間で最も多くの議論が発生するようにするようなものです。彼らは、この理論が成り立つかどうかを確認するために、小さなコンピュータ上でシミュレーションを行いました。理想的なノイズのない世界では、ルールは予測通りに機能しました。つまり、信号は厳密に虚数的なつながりによって制限されていました。

しかし、実際の量子コンピュータは乱雑です。それらは「ノイズ」に悩まされています。これは、ラジオの静電気や、カードを吹き飛ばす突風のようなものです。研究者たちは、3つの一般的なタイプのノイズ、すなわちフェーズ・フリップ（カードの符号を反転させる）、デポラライジング（カードをランダムに撹乱する）、および振幅減衰（カードを消失させる）を加えたときに、このルールが依然として機能するかどうかを検証しました。彼らは、ノイズを考慮して「スコア」の見方を変えれば、このルールが依然として成立することを発見しました。興味深いことに、彼らはある種のノイズ（フェーズ・フリップ）に関する奇妙な性質を発見しました。それは、最終的な状態におけるすべての虚数的なつながりを消し去り、ロボットが「量子的なジュース」を失ったかのように見せかけることがありますが、学習信号自体は全く同じまま維持されるというものです。これは、学習に必要な「虚数的なジュース」が、ノースが当たる前の状態の特性であり、必ずしも最終的な乱れた状態の特性ではないことを示唆しています。

シミュレーションにおいて、研究者たちは4から8ビット（パズルの友人たちの量子的な等価物）の小さなグループを使用し、異なるレベルのノイズでテストを行いました。彼らは、「イマジナリティ」の尺度が、一般的な「コヒーレンス（干渉性）」（実数と虚数の両方のつながりを数えるもの）を見るよりも、学習信号のる優れた予測因子であることを発見しました。これは、ダンスコンテストで勝つためには、ただ動いている（コヒーレンス）だけでなく、特定の、リズムに乗った動き（イマジナリティ）が必要であると気づくことに似ています。

では、これは将来にとって何を意味するのでしょうか？ この論文は、量子コンピュータの訓練問題を解決したと主張しているわけでも、イマジナリティを持つことが成功を保証すると言っているわけでもありません。実際、彼らは、虚数的なジュースを持つことは必要条件ではあるが十分条件ではない、という点を注意深く指摘しています。つまり、燃料が正しくても、ドライバーが迷っていたりエンジンが故障していたりすれば、目的地には到達できないのと同様に、ジュースを持っていても失敗することはあります。しかし、この発見は、重要な地図の一片です。それは、量子ロボットを効果的に訓練したいのであれば、これらの特定の虚数的なつながりを維持させなければならないことを教えてくれます。それらがなければ、教師の声である勾配信号は、単に存在し得ないのです。

この研究は、この分野に対する「現実的なチェック」として機能します。量子コンピュータが学習に苦戦しているのを見たとき、私たちは単にノイズやハードウェアのせいにするのではなく、量子状態が「イマジナリティ」を失っていないかを確認すべきであると示唆しています。もし失われているのであれば、いくら微調整しても助けにはなりません。研究者たちは、小さなインスタンスを用いた正確なシミュレーションを用いて、彼らの数学的境界が実際に成り立つことを証明しました。彼らの理論は、少なくともこれらの小さく制御されたパズルにおいては、実用においても成立しています。これが大規模な現実世界の課題にどのようにスケールするかはまだ分かりませんが、彼らが見出したルールは、私たちが今日理解している量子世界における、確固たる、証明された制約なのです。量子領域においては、物事を現実的にするためには、本当に「想像的（イマジナリー）」に考える必要があるようです。