Scientific applications of quantum computing: challenges and opportunities

何世紀もの間、人類の進歩の物語は、私たちが作り出した素材によって綴られてきました。初期の芸術に色彩を与えた顔料から、現代の産業を動かす触媒に至るまで、世界を形作る私たちの能力は、試行錯誤、それに続く理論、そして最終的な予測というサイクルに依存してきました。今日、科学者は強力なコンピュータを使用して原子がどのように振る舞うかをシミュレーションし、実際に実験室で化学物質を混ぜ合わせる前に、新しい薬やより強固な金属、より効率的な電池を設計しています。これらのシミュレーションは、電子がどのように動き、相互作用するかを支配する方程式を解くことによって機能します。しかし、古典的なコンピュータが未来を予測できる精度には、根強い限界が存在します。原子が複雑な結合を形成したり、励起された高エネルギー状態に存在したりする場合、数学的な計算は非常に複雑に絡み合い、最も高度なスーパーコンピュータであっても近似法に頼らざるを得なくなります。これらのショートカット（近道）は単純なケースではうまく機能しますが、精度が最も必要とされる場面ではしばしば失敗し、科学者たちが新しい材料の安定性や化学反応の速度について推測せざるを得ない状況を生み出しています。

イギリス全土の大学や研究所の研究者グループは、ある決定的な問いを投げかけるために集まりました。「量子力学の奇妙な法則を利用して問題を解決する、新しい種類のコンピュータは、ついにこの障壁を打ち破ることができるのだろうか？」という問いです。彼らの答えは、この技術が現在どのような段階にあり、どこへ向かおうとしているのかについての、慎重かつ地に足の着いた評価です。彼らは、量子コンピューティングの約束は本物であるものの、それが現在私たちが使用している古典的なコンピュータを単に置き換えることはないと主張しています。むしろ、最も価値のある前進の道は「パートナーシップ」にあると考えています。この新しいワークフローにおいて、量子コンピュータは高度に特化したツールとして機能し、古典的なマシンでは対処できない問題の、最も困難で特定の箇所のみを解決するために介入し、残りの作業は確立された手法によって行われるのです。

研究者たちはまず、この分野の現状を認めることから始めています。私たちはまだ、量子コンピュータが単独で完全な化学的問題を解決できる段階には達していません。現在利用可能なデバイスは依然として「ノイジー（雑音が多い）」であり、つまりエラーが発生しやすく、一度に保持できる情報量も限られています。そのため、チームは、当面の未来は「ハイブリッド」なアプローチにあると示唆しています。細胞内の酵素や工場内の触媒のような、複雑な化学系を想像してみてください。このシステムをシミュレートする上で最も困難な部分は、多くの場合、結合が壊れたり形成されたりする、ごく小さな活性領域です。著者らは、量子コンピュータを使用して、この小さく重要な領域の挙動を極めて高い精度で計算し、一方で古典的なコンピュータが残りの巨大なシステムを処理することを提案しています。「エンベディング（埋め込み）」として知られるこの手法により、科学者は量子マシンが一度に全世界をシミュレートできるほど大きくなくても、必要な高精度を得ることが可能になります。

論文は、異なる種類の問題と、それらを解決するために必要な量子技術の異なる段階を注意深く区別しています。分子のエネルギーや材料の色を予測するようなタスクには、おそらく「フォールトトレラント（耐故障性）」な量子コンピュータが必要となるでしょう。これらは自らエラーを修正できるマシンですが、この技術はまだ初期の実験段階にあり、広く普及しているわけではありません。しかし、著者らは、こうした完璧なマシンが登場するのを待たずに、有用な仕事を開始できると示唆しています。特定の種類の課題、例えば、最も安定した構造を見つけるために何百万もの原子の配置を探索する場合、現在のデバイスですでに優位性を提供できる可能性があります。これらの問題は、広大な干し草の山の中から特定の針を探すようなものです。量子アルゴリズムは多くの可能性を同時に探索できるため、古典的なコンピュータよりも速く最適な解を見つけ出せる可能性があります。

研究者たちは、これらのマシンを実際の科学的作業に統合するという実務的な現実に特に焦点を当てています。彼らは、新しいテクノロジーを取り巻くことがよくある「ハイプ（過剰な期待）」に対して警告を発しています。量子計算が価値を持つのは、実験のセットアップ、計算の実行、およびデータの処理に要する時間とエネルギーを考慮した上でも、古典的なコンピュータが提供できるものよりも正確、あるいは信頼できる結果を生み出す場合のみです。チームは、目標は量子コンピュータが存在することを証明することではなく、科学的な予測における不確実性を減少させられることを示すことであると強調しています。もし量子デバイスが、新しい電池材料が安定している、あるいは薬がウイルスに結合するということを、化学者に対してより高い確信を持って伝えることができるならば、それはその目的を果たしたことになります。

材料科学の領域において、論文は新しい化合物を発見することの難しさを浮き彫りにしています。歴史的に、これは直感と高スループットな実験のプロセスであり、科学者が数千の候補をテストして、機能するわずかなものを見つけ出すプロセスでした。機械学習はこのプロセスを加速させるのに役立ってきましたが、依然として、固有の不正確さを伴う可能性がある古典的なシミュレーションから生成されたデータに依存しています。著者らは、量子コンピューティングが、機械学習モデルを訓練するために必要な高品質のデータを提供したり、古典的な手法では見落とされる可能性のある構造を直接探索したりできる可能性があると示唆しています。これは、システムが無秩序であったり、多くの異なる元素を含んでいたりする場合、つまり可能な配置の数が膨大すぎて伝統的な手法では徹底的に探索できない場合に、特に重要となります。

生化学においては、課題はさらに大きくなります。なぜなら、生物学的システムは巨大で、混沌としており、絶えず動いているからです。単一のタンパク質をシミュレートするには、数十万個の原子を追跡する必要があることが多く、これは最速のスーパーコンピュータの限界さえも押し上げる作業です。論文は、生きている細胞の完全な量子シミュレーションを実現することは、近い将来においては現実的な目標ではないと論じています。代わりに、最も実用的な応用は、酵素の中で起こる特定の化学反応を研究するために量子コンピュータを使用することになるでしょう。これらの小さな反応部位を量子的な精度で扱い、周囲の環境を古典的な手法で扱うことにより、科学者は分子レベルで生命がいかに機能しているかについて、より深い理解を得ることができます。これは、より優れた薬のデザインや、疾患がどのように発達するかという明確なイメージにつながる可能性があります。

著者らはハードウェア自体についても言及しており、超伝導回路から捕捉イオン、中性原子に至るまで、いくつかの競合する技術があることを指摘しています。それぞれに長所と短所があり、どれが主流になるかを判断するには時期尚早です。重要なのは、特定の種類のマシンであることよりも、それが既存の科学計算のエコシステムにいかにうまく統合できるかです。研究者らは、量子プロセッサのクロック速度が現在、古典的なコンピュータよりもはるかに遅いこと、そして、データの保存やコンピュータ間の移動が大きな障害となっていることを指摘しています。これらのエンジニアリングの問題を解決することは、量子アルゴリズム自体を改良することと同じくらい重要です。

結局のところ、この論文は現実的な移行のためのロードマップとして機能しています。それは、量子コンピュータが「おもちゃの問題（toy problem）」を解く能力を示すだけの孤立したデモンストレーションから、現実の科学的問いを解決するための統合されたワークフローへと移行すべきであることを示唆しています。量子コンピューティングの価値は、科学的予測における誤差範囲をどれだけ縮小できるかによって測定されます。もし、ある反応がどれほどの速さで起こるか、あるいは新しい材料がどれほど安定しているかを、より高い確信を持って教えてくれることができれば、それは実験室における地位を確立したことになります。前途は長く、技術はまだ成熟過程にありますが、進むべき道は明確です。それは、量子と古典のコンピュータが協力して、物質世界の秘密を解き明かすという、共創の未来です。