Quantum Noise Mitigation with Adaptive Zero-Noise Extrapolation: A Contextual Multi-Armed Bandits Approach

完璧なケーキを焼こうとしている場面を想像してみてください。しかし、あなたのオーブンは少し調子が悪いようです。時には熱すぎたり、時には冷たすぎたり、焼き上げている最中に温度が変化し続けてしまいます。量子コンピューティングの世界では、これらの「オーブン」は量子プロセッサと呼ばれます。そして、これらの「不具合」は「ノイズ」として知られています。このノイズは、量子コンピュータが精緻な計算を行おうとするのをかき乱す、微細な振動、熱、電磁干渉から発生します。現在、科学者たちは非常に強力ではあるものの、依然として非常にノイズが多い段階にあるマシン、すなわち「NISQ（Noisy Intermediate-Scale Quantum：ノイズのある中規模量子）」と呼ばれる段階の機械を用いて研究を行っています。有用な結果を得るために、研究者たちは「エラー・ミティゲーション（誤差軽減）」と呼ばれるトリックを使用します。これは、たとえ不具合のあるオーブンでしか焼けないとしても、もしオーブンが完璧だったらケーキはどんな味になっていただろうかと推測するようなものです。ZNE（Zero-Noise Extrapolation：ゼロノイズ外挿法）と呼ばれる人気のある手法は、意図的にノイズを悪化させる（例えば、オーブンの温度を最大まで上げるようなもの）ことで、ノイズがゼロだった場合の計算結果を数学的に推測するものです。しかし、落とし穴があります。ほとんどの人は、オーブンが毎回同じように振る舞うことを前提として、ノープリセットの固定されたレシピ（ノイズを増幅させる方法）を使用しています。しかし現実には、量子オーブンは予測不可能です。その「不具合」は刻一刻と変化するのです。

この論文は、この予測不可能なオーブンに対処するための、巧妙で新しい方法を紹介しています。固定されたレシピを使う代わりに、著者らは「スマートで適応的なシェフ」のように機能するシステムを提案しています。彼らは、ノイズを増幅させるトリック（ZNE）を、「コンテキスト・マルチアームド・バンディット（Contextual Multi-Armed Bandits）」と呼ばれる意思決定戦略と組み合わせました。これは、スロットマシンのようなものです。各レバー（または「腕」）は、ノイズを増幅させる異なる方法を表しています。スマートなプレイヤーは、単にレバーをランダムに引くのではありません。彼らは現在の状況（「コンテキスト」、例えばケーキの深さや、今現在のオーブンの熱さなど）を見て、最小限の労力で最高の結果をもたらすレバーを選択します。この論文は、コンピュータがリアルタイムでどのノイズ増幅戦略が最適かを学習させることで、不必要な焼き上げの試行に時間やお金を浪費することなく、より正確な結果を得られることを示唆しています。

問題点：不具合のある量子オーブン

量子コンピュータは、通常のコンピュータよりも遥かに速く特定の問題を解決できるため、驚異的な存在です。しかし現在、それらは、計算を行う前に材料の味が変わってしまうハイテクキッチンのようなものです。これは「ノイズ」によるものです。つまり、計算を台無しにする環境からの望まない干渉です。これらのマシンで複雑なプログラム（VQC：変分量子回路と呼ばれます）を実行しようとすると、ノイズによって答えが間違ったものになってしまいます。

これを修正するために、科学者はZNE（Zero-Noise Extrapolation）という技術を使用します。砂糖がゼロのケーキの味を知りたいけれど、砂糖入りのケーキしか味わえない状況を想像してください。あなたは、砂糖が少し入ったもの、2倍に入ったもの、そして3倍に入ったものを焼きます。次に、それらを試食し、それらの点を通る線を引くことで、砂糖ゼロのケーキがどのような味になるかを推測します。量子の用語では、回路の一部を繰り返す（「フォールディング」と呼ばれるプロセス）ことによって意図的にノイズを「悪化」させ、その後、ノイズが全くない状態での結果を数学的に推測します。

問題は、ほとんどの人が固定された計画を使用していることです。彼らは、コンピュータがどのような状態であっても、「常に1倍、3倍、5倍のノイズでテストする」と決めてしまいます。しかし、実際の量子コンピュータは厄介です。温度の変化やキャリブレーションのドリフトにより、ノイズは時間の経過とともに変化します。固定された計画は、ある瞬間には非常にうまく機能するかもしれませんが、次の瞬間には役に立たなくなる可能性があり、同じ回路を何度も何度も実行するという、時間の無駄や費用の無駄を招きます。

解決策：スマートで適応的なシェフ

著者らは、CMAB-ZNEと呼ばれる新しいアプローチを提案しています。彼らは、ノイズを増幅させる量の選択を、「コンテキスト・マルチアームド・バンディット」というゲームとして扱います。

このゲームにおいて：

• 腕（Arms）： 各「腕」は、テストする異なるノイズレベルのセットです。例えば、ある腕はノイズレベル1と3をテストし、別の腕は1、3、5をテストする、といった具合です。
• コンテキスト（Context）： これは、システムが選択を行う前に参照する情報です。これには、量子回路の深さ、パラメータ数、および現在のハードウェアの状態（現在の環境がどれほど「ノイジー」かなど）が含まれます。
• 報酬（Reward）： テストの後、システムは「スコア」を受け取ります。このスコアは、回答の正確さと、そこに到達するためにかかったコスト（時間、データ転送量、コンピュータの使用量などの観点から）の2つのバランスを取ったものです。

このシステムは、進みながら学習していきます。もしノイズが低く、回路が単純であれば、「シェフ」は安価で浅い（テストするノイズレベルが少ない）腕を選ぶかもしれません。なぜなら、それは速くて十分だからです。もしノイズが高く、回路が複雑であれば、システムはより良い推測を得るために、たとえコストがかかっても、より深く（より多くのレベルをテストする）腕を選ぶことを学習します。システムは、その瞬間の「コンテキスト」に基づいて戦略を常に調整します。

研究結果

研究者らは、シミュレーションと実際の量子ハードウェアを用いた実験の両方を用いて、このアイデアをテストしました。得られた知見は以下の通りです。

1. 深い回路ほどノイジーになる： 量子回路が複雑（深く）になるにつれて、より多くのノイズが蓄積されます。これにより、回答の精度が低下し、良い結果を得るためにより多くの試行が必要になります。
2. ZNEは有効だが、適切な設定が必要： ゼロノイズ外挿法はエラーを修正できますが、それは適切な「フォールディング・レベル」を選択した場合に限られます。もし間違ったレベルを選んでしまうと、エラーを全く修正できない可能性があります。
3. 適応型のアプローチが勝利する： 彼らの新しいCMAB-ZNE法は、従来の固定された手法よりもはるかに優れていました。
   • 回路を実行する回数を最大**40%**削減しました。
   • データの送受信量を最大**35%**削減しました。
   • 総コストを最大**30%**削減しました（10 Mbpsの特定の予算条件下において）。
   • 最も重要なことに、最高の固定手法と比較して、最終的な回答の精度を最大**6.9%**向上させました。

彼らはこれらをCIFAR-10とEuroSATという2つの画像認識タスクでテストし、スマートで適応的なシステムが、精度とコストの間の「スイートスポット（最適なバランス）」を一貫して見つけ出すことを発見しました。

実世界でのテスト

これが単なるコンピュータ・シミュレーションではないことを証明するために、著者らはRigetti社製の実際の量子コンピュータ（Cepheus-1-108Q）を用いてテストも行いました。彼らはモデル全体を実機でトレーニングしたわけではありません（それはコストがかかりすぎるため）。代わりに、最終的な回答をテストするために実機を使用しました。

実機での結果は、彼らの理論を裏付けました。浅く安価な腕（より少ないノイズレベルをテストするもの）は、高価で深い腕と同等の精度を、より低いコストで提供することがしばしばありました。これは、常に最も高価で複雑な解決策が必要なわけではなく、時にはスマートで適応的な選択の方が優れていることを証明しています。

結論

この論文は、量子コンピューティングの未来は、単に「より大きく、よりノイジーなマシン」を作ることではなく、ノイズをどのように扱うべきかを知っている「よりスマートなソフトウェア」を作ることにあると示唆しています。エラー補正を、固定されたレシピではなく、動的な学習問題として扱うことで、より速く、より安価に、より良い結果を得ることができます。著者らは、彼らの実世界でのテストが特定の条件下に限定されており、実際のハードウェアのあらゆる癖に対処するにはさらなる作業が必要であると述べていますが、彼らのシミュレーションと初期のハードウェアテストは、ノイジーな現実世界において量子コンピュータを実際に有用なものにするための、非常に有望な道筋を示しています。