Analog neutral-atom for in-memory processing in quantum reservoir computing

機械に思考する方法を教えるという探求において、科学者たちは長い間、人間の脳、特に現在を処理しながら過去を記憶する能力からインスピレーションを得ようとしてきました。この特定の課題は「時系列解析」として知られ、天候の予測や株式市場の分析のように、順序が重要なデータの連なりを理解することを伴います。何十年もの間、研究者たちは、古い情報がゆっくりと消え去り、新しいデータのためのスペースを作るという、この「減衰する記憶（fading memory）」を模倣したデジタルシステムを構築しようと試みてきました。これは、連続的なイベントの流れを理解するために不可ら欠な特性です。近年、これらのタスクをシリコンチップ上ではなく、量子コンピュータ上で実行しようとする試みによって、新たなフロンティアが開かれました。これらのマシンは、量子物理学の奇妙な規則を利用して高次元空間で情報を処理し、古典的なコンピュータには複雑すぎる問題を解決するための潜在的な近道を提供します。しかし、大きな障害が残っています。量子システムは極めて脆弱で、情報を保持する能力をすぐに失ってしまうことが多く、あるいは外部の古典的なコンピュータを一時的なメモリバッファとして機能させる必要がありますが、それは量子マシンを使用する目的そのものを損なってしまいます。

ある研究チームは、中性原子を用いた特定の種類の量子ハードウェアを用いることで、この制限を克服する方法を実証しました。原子が環境とどのように相互作用するかを注意深く設計することで、科学者たちは、外部の古典的なメモリバンクを必要とせずに、初期状態を自然に忘れ去りながら、最近の入力に関する有用な記録を保持するシステムを作り上げました。実機での物理的な実験ではなく、量子システムのシミュレーションに基づいた彼らの研究は、「混沌（カオス）と制御された減衰の絶妙なバランス」の中にこそ、記憶を解き放つ鍵があることを明らかにしました。研究者たちは、システムを量子カオスの端にある特定の点に調整し、特定の種類のエネルギー損失を導入することで、複雑な予測問題をわずか5個の原子で解決できる「リザーバー」を構築できることを見出したのです。このアプローチは、現在のシステムがしばしば依存している遅い外部バッファリング手法に頼ることなく、リアルタイムの時系列的タスクをネイティブに処理できる、完全自律型の量子プロセッサへの道を示唆しています。

この研究の核となるのは、中性原子アレイとして知られるプラットフォームであり、そこでは個々の原子が、まるで透明なカップに入ったビー玉のように、集束した光のビームによってその場に固定されています。これらの原子は高エネルギー状態に励起され、それによって互いに強く相互作用します。過去に、このプラットフォームを機械学習に使用していた科学者たちは、データの塊をシステムに投入し、結果を測定してから、次の塊を開始するためにシステムをリセットするという手法に頼ることがよくありました。このアプローチは、本を一ページずつ読み、次のページをめくる前に前のページの記憶を消去するようなものです。それは機能はしますが、非効率的であり、情報の連続的な流れを捉えることができません。新しい研究は、異なる戦略を提案しています。それは、データが連続的に流れ、システム自体が過去の記憶をその量子状態の中に保持するように進化するアナログシステムです。これを実現するために、研究者たちは根本的な問題に対処する必要がありました。量子システムは、情報を永遠に保持し続ける（これは古いデータを忘れ去ることを妨げます）か、あるいはあまりにも早く失ってしまうかのどちらかに自然と向かってしまう傾向があるのです。彼らは、最近の過去を記憶しつつ、遠い過去を徐々に手放していくという「減衰する記憶」を実現する方法を見出す必要がありました。これは、時間依存の情報を処理するために不可欠な特性です。

研究者たちは、この減衰する記憶を実現する秘訣は、散逸、すなわちエネルギーの制御された損失を排除しようとするのではなく、むしろそれを受け入れることにあると発見しました。シミュレーションの中で、彼らは原子が時間の経過とともにエネルギーを失わせる周囲の環境と相互作用する様子をモデル化しました。彼らは、このエネルギー損失がどのように起こるかについていくつかの異なる方法をテストし、どれが情報の処理能力を最もよく保持できるかを比較しました。その結果、「振幅減衰（amplitude damping）」として知られる特定の種類のエネルギー損失が最も効果的であることが分かりました。このプロセスは原子を安定した基底状態へと導き、新しい入力が履歴の痕跡を残す形で状態を形作ることを許容しながら、システムから古い情報を効果的に「掃除」します。驚くべきことに、通常は有害とされる別の種類のノイズであっても、システムが強い外部の力によって駆動されている場合には、少量の記憶を保持できることも発見されました。この直感に反する発見は、システムが理論的に定常状態を保持できない場合であっても、駆動力による絶え間ない押し引きによって、短期間であれば過去を記憶する流動的な状態を維持できることを示しました。

システムがどの程度うまく機能するかをテストするため、チームは記憶力と予測スキルを測定するように設計された一連のベンチマークを実施しました。まず、数ステップ前のシーケンス内の数値を想起しなければならない「短期記憶」と呼ばれる単純なタスクから始めました。彼らは、原子が「カオスの端（edge of chaos）」として知られる特定の動作点に調整されているときに、システムが最も優れたパフォーマンスを発揮することを発見しました。これは、システムが完全に予測可能でも完全にランダムでもなく、複雑なパターンが創発できる絶え間ないスイートスポットに位置する領域です。原子がこの端に調整されているとき、システムは、より安定した状態やより混沌とした状態にあるときよりも、情報をより長く記憶することができました。また、研究者たちは、物理的な原子を追加する方法と、「タイムマルチプレクシング（時分割多重化）」と呼ばれる、異なる時刻でサンプリングすることで同じ数の原子からより多くの情報を絞り出そうとする手法の2つのスケーリング方法を比較しました。彼らは、物理的な原子を追加する方が、より信頼性の高い方法であることを見出しました。なぜなら、それは情報を格納するための新しい独立した手段を追加するのに対し、タイムマルチプレクシングは、追加のサンプルが有用であるにはあまりにも似通ってしまうという限界にすぐに突き当たるからです。

システムの真のテストは、研究者が複雑でカオス的なパターンを予測させることで行われました。彼らは、予測不可能ではあるものの構造化されたシーケンスを生成する、マッキー・グラス（Mackey-Glass）およびサンタフェ（Santa Fe）時系列として知られる2つの有名な数学的モデルを使用しました。これらは、将来の状態が過去の長く複雑な状態に依存しているため、困難なタスクです。シミュレーションの結果、彼らの量子リザーバーは、非常に少ない原子数を用いても、驚くべき精度でこれらのシーケンスを予測できることが示されました。あるシナリオでは、わずか5個の原子のアレイで、カオス的な挙動を高精度に予測することができました。決定的なことに、研究者たちは彼らの手法を、外部の古典的メモリに依存する従来のアプローチと比較しました。彼らの自律的な量子システムは、自ら記憶を保持するため、古典的なバッファを備えたシステムよりも大幅に優れた性能を示しました。従来型のシステムは、同様の結果を得るために、外部から大量の過去のデータをウィンドウとして入力する必要がありましたが、新しいシステムは、情報を内部で処理することで、はるかに小さなウィンドウでそれを実現できました。

本研究は、量子リザーバーコンピューティングが実用的な現実となるためには、ハードウェアが最初からこれらの特定の散逸特性を含むように設計されなければならないと結論付けています。研究者たちは、完璧に孤立し、決してエネルギーを失わない量子システムを構築しようとする時代は、この種のコンピューティングにとって正しい道ではない可能性があると主張しています。代わりに、未来は環境に対して開かれたシステムを設計することにあり、制御されたエネルギー損失を用いて必要な減衰する記憶を作り出すことにあります。システムをカオスの端に調整し、適切な種類のエネルギー散逸を用いることで、真の時系列的プロセッサとして機能する量子コンピュータを構築することが可能です。この研究は、次世代の量子デバイスが、これまでその応用を制限してきた重い外部の足場を必要とすることなく、複雑なリアルタイムのデータストリームをネイティブに処理できる可能性を示唆しており、そのようなマシンを設計するための明確なブループリントを提供しています。