Feedback-based quantum optimization with low depth and measurement
本論文は、バックトラッキング・ラインサーチに着想を得たハイブリッド量子・古典最適化アルゴリズムであるBLS-FALQONを紹介するものであり、数値シミュレーションおよび天眼176量子コンピュータを用いた実機実験を通じて検証された通り、SO-FALQONと比較して低い回路深さを維持しつつ測定オーバーヘッドを大幅に削減している。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
有用な量子コンピュータの構築に向けた競争において、科学者たちは現在、強力ではあるものの非常に脆弱なマシンを扱っています。これらは「ノイズのある中規模量子（NISQ）コンピュータ」として知られるデバイスで、複雑な計算を行うことができますが、環境からの影響を受けやすく、計算が終わる前にエラーが入り込みやすいという性質を持っています。データの整理やネットワーク内の最も効率的なルートの探索といった困難な問題を解決するために、研究者たちは古典的なコンピュータとこれらの新しい量子プロセッサの強みを組み合わせたハイブリッド・アルゴリズムを使用しています。FALQONと呼ばれる手法の一つは、ガイド付き探索のように機能します。これはランダムな推測から始まり、測定からのフィードバックを利用して量子状態を繰り返し調整することで、システムを最善の答えへと近づけていきます。問題は、このガイダンスを実行するために、量子コンピュータが非常に長い一連の操作を実行しなければならないことです。マシンが非常に脆弱であるため、長い一連の操作を行うと、答えが見つかる前に信号がノイズの中に紛れて失われてしまうことがよくあります。
これを解決するために、研究者たちは以前、より少ないステップで解に到達できる高速版の探索を開発しました。しかし、このスピードには大きな代償が伴いました。つまり、コースから外れないようにするために、マシンが毎ステップでより多くの測定を行わなければならなかったのです。この大量の測定はプロセスを遅らせ、さらなるエラーを導入しました。北京ポスト通信大学およびその他の機関の研究チームによる新しい研究は、異なる解決策を提案しています。彼らが導入したBLS-FALQONと呼ばれる手法は、過度な測定を要求することなく、探索を短く保つことに成功しました。数学的な最適化から借りてきた戦略を用いることで、チームは、時折進捗を確認するだけで、解に向かって大きく確信を持ったステップを踏めるシステムを作り上げました。システムがチェックを行い、逸脱していることが判明した場合、複雑な値を最初から再計算するのではなく、単に方向を反転させてより小さなステップを試みます。
研究者たちは、ネットワークを2つのグループに分割してそれらの間の接続を最大化するという、マックスカット問題として知られる古典的なパズルを用いてこの新しいアプローチをテストしました。最大20個のノードを持つネットワークを用いたコンピュータ・シミュレーションにおいて、この新手法は非常に効果的であることが証明されました。この手法は、以前の最速の手法と比較して、必要な総測定回数を38%近く削減しながら、量子回路の長さはおよそ同じに保ちました。これは、現在の世代の量子ハードウェアにおいて、測定に費やす時間と回路を実行する時間の2つが最大のボトルネックであるため、重要な改善です。測定を減らすことで、チームは量子コンピュータが問題を解決するために必要な総時間を実質的に短縮しました。
これらの結果が現実の世界でも通用するかどうかを検証するため、チームは中国にある、176個の量子ビットを持つ超伝導プロセッサを使用した物理的な量子コンピュータ上で実験を行いました。彼らは4、6、8個のノードを持つ小さなネットワークでアルゴリズムをテストしました。その結果、この新手法が単なるシミュレーション上の成功ではなく、実用的な現実であることを裏付けました。実際のハードウェア上では、この新しいアプローチは、以前の最善の手法と比較して推定実行時間を43%削減しました。システムは、現在のマシンを悩ませるノイズやエラーが存在する状況下でも安定していました。この新手法は、ノイズのあるハードウェアの結果と完璧な理論的理想との間のギャップを完全に排除したわけではありませんが、代替手法よりも優れた性能を示し、過剰なチェックによって脆弱な量子プロセッサを圧倒することなく、優れた解を見つけられることを示しました。
この研究の成功は、そのシンプルさにあります。ステップごとに完璧で複雑な補正を計算しようとする代わりに、この新しいアルゴリズムはヒューリスティックなアプローチを採用しています。大きなステップを取り、結果が改善されたかどうかを確認し、もしそうでなければ、単に次のステップの方向を反転させてやり直します。この前後の調整により、システムは追加のデータを収集して速度を落とすことなく、軌道を維持することができます。研究者たちは、量子コンピュータがミスをしていても、この戦略がうまく機能することを発見しました。なぜなら、この手法は物事がうまくいかない時に方向を反転させることで、自然にミスを修正できるからです。これは、現在の世代の量子コンピュータにとって、最も効率的な道筋は、マシンをより複雑にすることではなく、その指示をよりスマートかつ効率的にすることである可能性を示唆しています。
この研究はまた、測定中のデータのグループ化の重要性についても強調しています。量子コンピューティングにおいては、システムの一部分を測定すると別の部分を乱してしまうことがあるため、科学者は混乱を最小限に抑えるために関連する測定をまとめて行う必要があります。チームは、彼らの新しい手法が既存のグルーピング技術と組み合わせることができ、負荷をさらに軽減できることを示しました。これは、時間とリソースの節約が理論的なものだけでなく、これらのマシンが現在どのようにプログラミングされているかに対して直接適用可能であることを意味します。これらの知見は、フィードバックループを洗練させることで、研究者がすでに持っている量子ハードウェアからより多くのパフォーマンスを引き出せることを示唆しており、これらのマシンによる実用的な応用をより身近なものにする可能性があります。
結局のところ、この研究は、量子コンピューティングにおける効率性が、単に大きなプロセッサを構築することではなく、ハードウェアの物理的限界を尊重するアルゴリズムを設計することにあるということを証明しています。この新しい手法は、以前のアプローチでは不可能だったスピードと正確性のバランスを実現しました。それは、現在のノイズの多い量子デバイスの風景を、エラーの中で迷うことなくナビゲートする方法を提供します。分野が進展していく中で、このような技術は現実世界の問題を解決するために不可欠となるでしょう。そして、時には立ち止まって、やり直す方法を知ることこそが、前進するための最善の道であることを証明しています。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。