有用な量子コンピュータの構築を目指す過程において、科学者たちは根強い障害に直面している。それは「ノイズ」である。情報をほぼ完璧な信頼性で処理する古典的なコンピュータとは異なり、量子マシンは非常に脆弱である。量子ビットとして知られるこれらの繊細な物質の状態は、周囲の環境によって容易に乱され、計算が真実から逸脱してしまう原因となる。このノイズは単なる小さな不具合ではない。現在の量子コンピュータが、古典的なマシンなら容易に解決できる問題を解くのに苦戦している主な理由である。有用な答えを得るために、研究者たちは、これらのマシンが生成するノイズの多いデータを「クリーンアップ」する手法を開発してきた。多くの場合、同じ計算をわずかに異なる設定で何度も実行し、その結果を数学的に組み合わせることで、完璧でノイズのない答えがどのようなものだったかを推測するという方法である。しかし、これらの計算がより大規模かつ複雑になるにつれ、クリーンアップに必要なデータ量が膨大になり、量子コンピュータ自体が提供できる以上の時間とリソースを要求することがしばしばある。

研究チームは現在、この問題に対して、量子ハードウェアの力と高度な古典的シミュレーション技術を巧みに組み合わせた新しいアプローチを導入している。彼らはこの手法を「リンドブラッド・マルチプロダクト公式（Lindblad Multiproduct Formulas）」と呼んでいる。量子コンピュータだけにデータの生成を頼ることも、古典的なコンピュータだけにシステム全体のシミュレーションを頼むこともせず、彼らは役割を分割した。量子マシンはノイズの多い結果を測定し、洗練された古典的アルゴリズムは、それらのノイズの多い測定値を単一の正確な予測へと組み合わせるために必要な特定の「重み」を計算する。研究者たちは、このハイブリッド手法を「離散時間結晶（discrete time crystal）」と呼ばれるモデルを用いてテストした。これは、エネルギーを失うことなく時間とともに振動する奇妙な物質の状態である。彼らは65個の量子ビットを備えた量子プロセッサを使用した。彼らの結果は、この手法を用いることで、量子コンピュータ単独、あるいは古典的コンピュータ単独で達成できるレベルよりもはるかに鮮明なシステムの挙動の姿を復元できたことを示している。たとえ古典的シミュレーションが高速化のために簡略化されていたとしてもである。

この新手法の核心は、ノイズの多い量子マシンと古典的コンピュータとの関係をどのように扱うかにある。通常、科学者が複雑な量子システムを古典的コンピュータでシミュレートしようとする際、管理可能なものにするために数学を簡略化しなければならない。これらの簡略化は、「切り捨て誤差（truncation errors）」として知られる独自の誤差を生じさせる。システムが複雑すぎると、これらの誤差は非常に大きくなり、古典的シミュレーションは役に立たなくなる。しかし、研究者たちは、量子コンピュータの誤差を修正するために必要な特定の数学的量は、最終的な答えそのものよりも計算がはるかに容易である可能性があることに気づいた。彼らは、二次元の数学的オブジェクトのネットワークを用いた手法を使用し、それを「ループ補正ベルーフ・プロパゲーション（loop-corrected belief propagation）」と呼ばれる手法を用いて収縮させた。これにより、完全なノイズのない答えを直接計算することは古典的コンピュータにとって困難であっても、必要な補正係数を高い精度で計算することが可能となった。

これを機能させるために、チームは量子コンピュータから、予測可能な形で変化する一連のノイズの多い測定値を生成する必要があった。伝統的に、これはノイズを人工的に増幅することによって行われるが、このプロセスは信頼できる平均を得るために実験を何度も何度も繰り返す必要があるため、時間がかかりコストも高い。研究者たちは代わりに、「エルゴディック増幅（ergodic amplification）」と呼ぶ手法を導入した。ノイズを強めるのではなく、量子回路自体のパラメータ、具体的には量子ビット間の相互作用の強さをわずかに調整したのである。この変化により、実際にノイズを増やしたり量子マシンに余分な時間をかけたりすることなく、システムがよりノイズが多いかのように振る舞わせることができた。これにより、必要なデータポイントをより迅速に収集することができ、プロセス全体を大幅に効率化した。

研究者たちは、このワークフローを二次元離散時間結晶の特定のモデルに対してテストした。これは以前から研究されてきたシステムであるが、その複雑さゆえに正確にシミュレートすることが困難である。彼らは、ibm_basquecountryという、特定のヘビーヘキサゴナル（重六角形）パターンに配置された65個の量子ビットを備えた実際の量子コンピュータ上で実験を行った。彼らは、答えを得るための3つの異なる方法を比較した：高速に動作するように簡略化された純粋な古典的シミュレーション、極めて高い精度で実行された純粋な古典的シミュレーション（リファレンスとして使用）、そして彼らの新しいハイブリッド手法である。結果は驚くべきものであった。簡略化された古典的シミュレーションは、研究者がその誤差を数学的に補正しようとしたとしても、正しい挙動を予測できなかった。量子コンピュータからの生のデータも、ノイズのために不正確であった。しかし、ノい多い量子データと古典的な補正係数を組み合わせたハイブリッド手法は、高精度なリファレンス・シミュレーションに極めて近い結果を生み出した。

この研究の重要な発見は、簡略化された古典的計算によって導入された誤差が、最終的な結果を台無しにしなかったことである。これは直感に反するように思えるかもしれない。もし古典的な部分が不完全であれば、なぜ最終的な答えはこれほど鮮明に出てくるのか？研究者たちは、補正係数の誤差が、それらがノイズの多い量子データに適用される際に、互いに打ち消し合う傾向があるのだと説明している。さらに、誤差の振る舞いの特性により、補正係数が多少ずれていても、最終的な結合された答えは安定した状態を保つ。これにより、古典的コンピュータがシステム全体を完璧にシミュレートするほど強力でない場合でも、この手法を機能させることができる。また、チームは古典的な計算の一部をグラフィックス・プロセッシング・ユニット（GPU）で実行することで、プロセスを5.6倍高速化できることを見出した。これは、より大きな問題に対して手法をより実用的なものにしている。

この研究はまた、結果に対してどの程度の確信を持つべきかを知ることの重要性を強調している。研究者たちは、最終的な答えに対する誤差範囲、すなわち不確実性の範囲を推定する方法を開発した。彼らは、自分たちの手法が真の値に対して信頼できる推定値を提供しており、その誤差範囲が有用なレベルで十分に小さいことを見出した。対照的に、ノイズの多いデータを曲線にフィッティングすることに依存する他の手法は、特にデータが疎であったりノイズが複雑であったりする場合、そのような信頼できる推定を提供することに苦慮することが多い。量子測定と古典的計算を組み合わせることで、研究者たちは、より正確であるだけでなく、その信頼性についても明確な尺度を伴う結果を生み出すことができた。

この手法は、この特定のタイプの量子システムに対しては素晴らしい有望さを示したが、研究者たちは、それがすべての可能な量子回路に対して機能するわけではない可能性があることにも注意を払っている。この技術の成功は、必要なデータポイントを生成するために回路のパラメータを調整する適切な方法を見つけられるかどうかに依存している。調整が極端すぎると、数学的な補正が不安定になり、誤差範囲が有用なレベルを超えて大きくなってしまう。テストされた特定のモデルにおいて、研究者たちは完璧に機能する調整セットを見つけたが、これを全く異なる種類の回路に適用するには、新しいルールを見つける必要があることを認めている。彼らは、一部の回路においては、たとえ速度は遅くなるとしても、伝統的なノイズ増幅法が依然として必要になる可能性があると示唆している。

この研究は、量子エラー緩和の分野における重要な前進を象材しており、最も効果的な道筋は、量子コンピュータを完璧にすることでも、古典的コンピュータを無限に強力にすることでもなく、両者を連携させる方法を見つけることであることを示している。古典的コンピュータに補正係数の計算という重労働をさせ、量子コンピュータに（古典的シミュレーションでは不可能である）生のデータを提供させることで、研究者たちは、それぞれのパーツの総和よりも優れたワークフローを作り上げた。このアプローチは、以前は手の届かなかった複雑な量子システムの探求への扉を開き、スマートな古典的パートナーの助けを借りて、量子コンピュータが現実世界の課題を解決する未来を予感させるものである。

研究者たちは、彼らの手法であるリンドブラッド・マルチプロダクト公式が、ノイズの多い量子デバイスから正確な情報を抽出するための堅牢な方法を提供すると結論づけている。これは、量子コンピューティングの時代において、最も強力なツールとは、異なる計算アプローチの強みを融合させる能力であるという考えを証明するものである。量子ハードウェアが進化し続ける中で、このような技術は、科学者がかつては不可能であった明晰さをもって量子世界の奇妙で素晴らしい挙動を探求することを可能にするために、不可欠なものとなるだろう。