On the estimation of linear-optical amplitudes and probabilities with entangled input state

量子光学という静かで制御された世界において、科学者たちは長年、ある特定のパズルに魅了されてきました。それは、光子と呼ばれる個々の粒子が、鏡やビームスプリッターによる複雑な迷路を通過するとき、光がどのように振る舞うかという問題です。「ボソンサンプリング」と呼ばれる提案の核心であるこのセットアップは、線形光学インターフェロメータと呼ばれ、量子マシンが古典的なコンピュータにはできないことを実行できることを示すために設計されました。その核心となるアイデアは、迷路の終端でこれらの光子がどこに着地するかという正確な確率を計算することは数学的に非常に困難であり、最も強力なスーパーコンピュータであっても追いつくのが困難であるというものです。しかし、人工知能モデルの学習や化学反応のシミュレーションといった実世界の応用において、求められるのは、あらゆる可能な結果の正確な生のリストであることは滅多にありません。代わりに、それらは平均的な振る舞いや、特定の出力結果のグループの可能性（尤度）を、妥当な精度の範囲内で推定することを必要とします。光子が互いに独立している単純な入力の場合、科学者たちはすでに、標準的な古典的コンピュータを使用してこれらの平均値を推定する方法を知っていました。残された大きな疑問は、もし光子が独立しているのではなく、マシンに入る前に深く結びついている、すなわち「もつれ（エンタングルメント）」状態にある場合はどうなるのか、ということでした。

フランスのQuandelaの研究チームは、今やこの問いに答えを出し、光子の深い結びつきが、必ずしも古典的コンピュータにとって推定タスクを不可能にするわけではないことを明らかにしました。彼らは、原子や微小な半導体ドットのような量子エミッタによって、光子を一つずつ逐次的に生成される、特定の種類のもつれた光に焦点を当てました。これらの光源では、エミッタは小さな「量子メモリ」を保持しており、それが既に放出された光子に関する情報を保持し続け、それが次の光子に影響を与えます。研究者たちは、このメモリが小さい限り、具体的には、保持される情報の量が光子の数に対して対数的にしか増えない限り、古典的コンピュータは依然としてこれらの出力確率を効率的に推定できることを示しました。彼らは、高度な熟練したガイドのように機能する新しい数学的ツールを開発しました。これにより、コンピュータはすべての可能性を一度に追跡することなく、これらのもつれた光の振る舞いをシミュレートすることができます。このツールは、複雑なもつれ状態を扱いやすい一連のステップに分解し、各光子の経路の確率を一つずつ計算し、それらのステップを組み合わせて信頼できる答えを得ることで機能します。

この発見の意義は、量子優位性の限界について教えてくれる点にあります。長年、単に「もつれた光」を使用することが、これらの推定タスクにおいて古典的コンピュータを追い越すのに十分であると期待されてきました。本論文は、困難を生み出すのはもつれそのものではなく、そのもつれを生成するために必要な「メモリのサイズ」であることを示しています。もし量子光源が、光子の数に対して対数的にしか増えないメモリを使用しているならば、古典的コンピュータは依然として追いつくことができます。研究者たちは、彼らの手法が「偏りがない（unbiased）」こと、つまり結果を系統的に過大評価したり過小評価したりしないこと、そして計算を実行するにつれて推定誤差が予測通りに減少することを証明しました。彼らは、線形鎖状の絡み合った光子を含む様々な複雑な状態に対して彼らのアプローチをテストし、光源のメモリが大きくなりすぎない限り、計算コストが管理可能な範囲に留まることを確認しました。

この研究は、古典的コンピュータにとって「容易なこと」と「困難なこと」の境界線を事実上描き直しています。これは、特に機械学習に関連する多くの提案されたフォトニック量子マシンの応用において、単に「もつれた光」が存在することだけでは、量子優位性を保証するには不十分であることを示唆しています。これらの特定の推定タスクにおいて真に古典的手法を凌駕するためには、量子デバイスが、光子の数に対して線に比例して増大するメモリを利用するか、あるいは実験をリアルタイムで変化させる「適応的な測定」のような、より複雑な戦略を採用する必要があります。研究者たちはまた、彼らの手法を実装する方法を明確に提示し、これらのアイデアを実際のデータでテストできるソフトウェアパッケージを提供しました。彼らの結果は、もつれた光は強力なリソースではあるものの、量子光源の内部メモリが複雑になりすぎない限り、古典的コンピュータは、これらのシステムの振る舞いを推定するというレースにおいて、まだ敗北していないことを示しています。

研究者たちのアプローチは、これらの逐次的光源がどのように機能するかという巧妙な観察に基づいています。量子エミッタが光子のストリームを生成するとき、ストリーム全体の状態は「行列積状態（matrix-product state）」として記述できます。これは、光子間の相関をコンパクトな方法で捉える数学的構造です。研究者たちは、この構造を利用することで、問題全体を一度に解決しようとするのではなく、実験の可能なサンプルを一つずつサイトごとに抽出できることに気づきました。彼らは、実験の経路をシミュレートするために乱数を生成するサンプリング手法を構築しましたが、独立した光子にのみ機能する従来のメソッドとは異なり、彼らのテクニックは、光源のメモリを使用して各ステップをガイドすることで、もつれを考慮に入れています。これにより、彼らはシステム全体の挙動を計算することができ、その精度はデータを集めるにつれて向上し、決定的なことに、各計算ステップに必要な作業量は、システムサイズに対して指数関数的に爆発するのではなく、多項式的にしか増大しません。

彼らの発見の最も重要な側面の一つは、「光のもつれ」と「光源のメモリ」の区別です。単一の量子スピンは、長い連鎖状の絡み合った光子を生成し、他の方法では記述が非常に困難な複雑な状態を作り出すことができますが、研究者たちは、その単一スピンのメモリが小さいため、その状態は古典的コンピュータによる推定が容易なままであることを示しました。これは、量子物理学でしばしば称賛される大規模な多粒子間もつれが、必ずしもこれらの特定のタスクにおける計算の困難さに直結しないことを意味します。困難が生じるのは、光源のメモリが、放出されるシーケンス全体の情報を保持できるほど十分に大きくなったときだけです。研究者たちは、メモリが光子の数に対して対数的に増大する量子ビット数に制限されている場合、古典的シミュレーションは依然として効率的であることを算出しました。この閾値は重要です。なぜなら、現在の、あるいは近い将来の多くの量子光源（通常、少数のエミッタや短い遅延ラインを使用するもの）は、これらの推定タスクにおいて古典的コンピュータを凌駕することはできないことを示唆しているからです。

本論文はまた、二つの異なる量子状態の重なり（オーバーラップ）や、特定の出力モードに光子が存在する確率など、アプリケーションに有用な他の量を推定するための実用的な側面についても論じています。これらは、機械学習モデルを訓練したり、異なる量子状態を比較したりするために必要な計算です。研究者たちは、彼らのサンプラーがこれらのタスクを同様の効率で処理できることを実証し、分野に汎用的なツールを提供しました。彼らは数値シミュレーションを用いて理論的結果を検証し、アルゴリズムを様々なテストケースで実行して、より小さなシステムに対する厳密な計算と比較しました。結果は完璧に一致し、彼らの手法が正確かつ信頼できるものであることを裏付けました。また、彼らはコンピュータ支援証明システムを用いて手法の形式的な証明を行い、主張の背後にある数学的論理が健全であることを保証しました。

量子コンピューティングという広い文脈において、この研究は、この分野に対する「現実的なチェック」として機能します。それは、量子優位性への道が、単に「もつれた光」を生成することほど単純ではないことを明確にしています。むしろ、量子システムが利用可能なリソース、特にその「メモリのサイズ」を慎重に検討する必要があります。フォトニック量子マシンを構築している研究者へのメッセージは明確です。すなわち、推定タスクにおいて計算上の優位性を達成するためには、光源のメモリを対数的閾値以上に増大させるか、あるいは単純な加法的推定を超える、より高度な手法を用いる必要があるということです。研究者たちは、彼らの手法がすべての量子シミュレーションの問題を解決すると主張しているわけでも、量子コンピュータがこれらのタスクにおいて決して役に立たなくなると示唆しているわけでもありません。むしろ、彼らは古典的コンピュータが依然として競合できる明確な境界線を示し、将来の量子実験に向けた明確なターゲットを提供したのです。

研究は、いくつかの未解決の問いが残っていることを強調して締めくくられています。彼らの手法は、サイトあたりの光子数が少ない状態にはうまく機能しますが、多くの光子が同じモードを占有する場合や、システムの不完全性（部分的な識別不可能性や損失など）をどのように扱うかは、まだ明確ではありません。これらは、実用的な量子デバイスが直面する現実世界の課題です。また、研究者たちは、彼らの研究は確率の推定に関するものである一方で、これらのもつれた状態の「フル出力分布からのサンプリング」が古典的コンピュータにとって困難であるかどうかという問いは、依然として未解決の問題であることも指摘しました。この区別は重要です。なぜなら、多くの提案されたアプリケーションは、単なる推定ではなく、サンプリングに依存しているからです。研究者たちは、彼らのコードと証明を公開しており、他の人々が彼らの手法をテストし、その知見をさらに発展させることができるようにしています。彼らの研究は、線形光学の領域における、古典的コンピュータと量子コンピュータの両方の能力と限界に関する理解に対する、確固たる貢献となっています。