A Case Study on Noise Resilient Operator Selection in Adaptive Variational Quantum Algorithms

スマートフォンに使われている材料から、私たちを癒やす薬に至るまで、身の回りの世界の化学を理解するためには、科学者はまず電子が分子内でどのように配置されるかを理解しなければなりません。これらの電子の最も安定した配置は「基底状態」と呼ばれ、それを見つけ出すことは、ピースが絶えず変化する複雑なパズルを解くようなものです。数十年にわたり、古典的なコンピュータはこの課題に苦戦してきました。なぜなら、可能な配置の数が非常に速いスピードで増加するため、最も強力なスーパーコンピュータであっても、単純な分子以外では追いつくことができないからです。量子コンピュータは異なる道を示しています。すべての可能性を一つずつ計算しようとする代わりに、量子力学の奇妙な規則を利用して、多くの可能性を同時に探索します。これらのマシンを使用する最も有望な方法の一つは、「変分量子固有値ソルバー（VQE）」と呼ばれる手法です。これはガイド付きの探索のように機能し、最低エネルギー状態を見つけるまで、推測を少しずつ洗練させていきます。しかし、今日の量子コンピュータはまだ初期段階にあり、ノイズが多い、つまり、構成要素が頻繁に微細なミスを犯し、それが計算全体を狂わせてしまう可能性があるのです。

ADAPT-VQEとして知られるこの探索手法の特定バージョンは、解決策をステップバイステップで構築し、進むにつれて最も役立つピースを選択していくため、注目を集めています。この適応性は、古い手法よりも効率的ですが、同時に新たな脆弱性ももたらします。それは、コンピュータが次にどのピースを追加するかを決定するステップです。もしマシンのノイズが、その決定を行うために使用される信号を歪めてしまうと、アルゴリズムは間違ったピースを選んでしまい、行き止まりに追い込まれる可能性があります。研究者のSoorya Haravu、Mafalda Ramôa、そしてBharath Sambasivamは、このノイズがまさにその重要な意思決定プロセスにどのように影響するかを調査するために乗り出しました。彼らはこの研究のために物理的な量子コンピュータを構築したのではなく、実際の量子デバイスがさまざまな種類のノイズの下でどのように振る舞うかを模倣するために、古典的なコンピュータ上で非常に詳細なシミュレーションを作成しました。彼らのテストケースは、一直線に並んだ3つの水素原子からなる単純な分子であり、これは正確にシミュレートできるほど小さく、かつエラーの影響を微細に明らかにできるほど複雑なシステムでした。

チームは、実際の量子ハードウェアを悩ませる2つの広範なノオイズのカテゴリーをシミュレートしました。第一のタイプは「非干渉性ノイズ（incoherent noise）」と呼ばれ、ラジオ回線の静電気のようなもので、ランダムで予測不能であり、システムが情報を失う原因となりますが、これは逆転させることが困難です。第二のタイプである「干渉性ノイズ（coherent noise）」は、コンパスのわずかな、かつ一定のズレのようなものです。マシンが常に同じ方向へ同じ小さな間違いを犯しており、これらのエラーは互いに蓄積していくため、同様に致命的となり得ます。シミュレーションの中で、研究者たちは、アルゴリズムが「勾配（グラディエント）」を測定する瞬間に、これらのエラーを注入しました。勾配とは、新しいピースを追加することで解決策がどれほど改善されるかを示す値です。彼らは、わずかな量のノイズであっても、これらの測定値を歪ませ、選択の風景を平坦で混乱したものにしてしまうことを発見しました。風景が平坦になると、アルゴリズムは方向感覚を失います。新しい、より良いピースを見つけることができなくなり、代わりに同じものを何度も選び続け、正しい答えに到達する前に実質的に行き詰まってしまうのです。

これに対抗するため、研究者たちは、追加のハードウェアを必要とせずに信号を浄化するために設計された3つの戦略をテストしました。第一の「動的デカップリング（dynamical decoupling）」は、ノイズキャンセリングヘッドフォンが背景音を消すために音波を使用するのと同様に、一連の急速な制御パルスをシステムに適用してノイズを打ち消す手法です。第二の「ゼロノイズ外挿法（zero noise extrapolation）」は、意図的にノイズを制御された形で悪化させ、その結果を測定した後、数学を用いてノイズが全くなかった場合にどのような答えであったかを推測する手法です。第三の「パウリ・トワリング（Pauli twirling）」は、ノイズをかき混ぜてよりランダムに振る舞わせる技術であり、管理を容易にします。チームは、単一の手法があらゆる状況に適合するわけではないことを発見しました。ランダムで静電気のようなノイズに対して最も効果的なアプローチは、急速な制御パルスとノイズ外挿法を組み合わせることでした。この組み合わせは、アルゴリズムが正しい経路を見る能力を正常に回復させ、正しいピースを選択して化学的に正確な解に到達することを可能にしました。

一定のズレ型のノイズを扱う場合、異なる組み合わせが必要であることを研究者たちは発見しました。彼らは、まずノイズをかき混ぜ、その後に急速なパルスまたは外挿法のいずれかを適用することが成功の鍵であることを発見しました。実際、これら3つのテクニックすべてを併用することが、この種のエラーに対する最も堅牢な保護を提供しました。彼らの研究の重要な発見は、アルゴリズムが正しい答えに到達するためには、各ステップで必ずしも「絶対的に最善のピース」を選ぶ必要はないということです。ノイズ軽減技術がアルゴリズムを前進させ続け、行き詰まるのを防ぐ限り、たとえ辿った特定の経路が完璧なマシンの経路とは異なって見えたとしても、最終的な正しい答えに到達することができます。しかし、研究者たちは依然として課題があることも指摘しました。これらの技術はアルゴリズムが正しい答えを見つける助けにはなりますが、しばしばノイズ信号を実際よりも大きく見せてしまい、それがコンピュータの標準的な停止ルールを混乱させる可能性があるということです。これは、これらのアルゴリズムが近い将来、実際のマシン上で信頼性を持って動作するためには、計算が終了したと判断するためのルールを、ノイズの存在を考慮して書き換える必要があることを示唆しています。

本研究は、ノイズは大きな障害ではあるものの、克服できないものではないと結論付けています。どのエラー訂正ツールを使用し、それらをどのように組み合わせるかを慎重に選択することで、今日のハードウェアの混沌の中でも、適応型量子アルゴリズムを導くことが可能です。研究者たちは、適切な組み合わせのテクニックを用いれば、量子コンピュータは不完全な環境下にあっても、正しい分子構造を構築することを学習できることを実証しました。この研究は、複雑な化学シミュレーションを実際の量子デバイスで実行する準備を進めている科学者やエンジニアに対し、実用的なロードマップを提供しており、有用な量子化学への道はノイズによって阻まれているのではなく、むしろ、より洗練された方法でノイズをナビゲートすることを求めているのだということを示しています。