← 最新の論文
⚛️ 量子物理学

General Noise Channels and Mid-Circuit Measurements for Pre-Trajectory Sampling with Batched Execution

本論文は、バッチ実行を伴う一般化された事前軌跡サンプリング(PTSBE)手法を紹介するものであり、これにより、GPU上で、中回路測定および一般的なクラウスチャネルを伴うノイズのある量子回路の高速かつ厳密なシミュレーションが可能となり、従来の計算手法に対して最大83倍の高速化を実現すると同時に、パウリ・トワリングによるノイズ近似における重大な不正確さを明らかにする。

原著者: Louis Follet, Paavai Pari, Isidor Schoch, Thien Nguyen, Justin G. Lietz, Daniel Lowell, Brucek Khailany, Krysta M. Svore, Dirk R. Englund, Taylor L. Patti

公開日 2026-11-19
📖 1 分で読めます🧠 じっくり読む

原著者: Louis Follet, Paavai Pari, Isidor Schoch, Thien Nguyen, Justin G. Lietz, Daniel Lowell, Brucek Khailany, Krysta M. Svore, Dirk R. Englund, Taylor L. Patti

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

今日のコンピュータの限界を超える問題を解決できるコンピュータを構築するために、科学者たちは量子物理学の奇妙な法則に目を向けています。これらの量子コンピュータは、原子や電子のような、同時に複数の状態で存在できる微小な粒子を利用しており、これにより従来のコンピュータでは不可能な方法で情報を処理することができます。しかし、これらの繊細なシステムは周囲の環境によって容易に乱され、計算を損なうエラーを引き起こします。これを修正するために、研究者たちは量子誤り訂正と呼ばれる手法を用いており、情報を破壊することなく、常にシステムを監視して間違いを修復しています。このプロセスには、機械の内部で何が起きているかを追跡するために、数千回の測定を行う必要があります。これらのシステムを設計し、最終的にそれらを動かすソフトウェアを訓練するために、科学者たちはこれらのコンピュータが現実的な条件下でどのように振る舞うかをシミュレートする必要があります。課題は、これらの量子エラーの正確で複雑な現実をシミュレートすることは非常に低速で計算コストが高い一方で、利用可能なより高速な手法は、結果を微妙に、しかし重要な形で変えてしまう簡略化に依存していることが多いという点です。

NVIDIA、MIT、およびオックスフォード大学の研究チームは、このギャップを埋める新しい手法を開発し、ノイズの多い量子回路の高速かつ正確なシミュレーションを可能にしました。彼らの研究は、量子システムが進化する過程で辿る経路を追跡する「トラジェトリ・サンプリング(軌道サンプリング)」と呼ばれる特定の種類のシミュレーションに焦点を当てています。過去において、シミュレータは速度と精度の間の選択を迫られてきました。最も高速なツールは簡略化されたノイズモデルしか扱うことができず、量子コンピュータが計算の途中で自身の状態を測定する際に発生する複雑で現実世界の相互作用を事実上無視していました。より正確なツールはこれらの複雑さを扱うことができましたが、あまりに低速であったため、現代の機械学習に必要な大規模なデータセットを生成するには実用的ではありませんでした。研究者たちは、「バッチ実行を伴う一般化されたプレ・トラジェトリ・サンプリング」と呼ばれる手法を開発しました。このアプローチにより、中間測定や一般的なタイプのノイズを含む量子回路の正確な挙動を、これまで不可能と考えられていた速度でシミュレートすることが可能になります。

彼らの革新の核心は、量子力学に内在するランダム性の扱い方にあります。量子システムにおいて、測定の結果やノイズの影響はあらかじめ決まっているものではなく、確率の問題です。従来のシミュレータは、単一のシミュレーションを実行し、あらゆるイベントに対してランダムな選択を行い、次の実行のために最初からやり直していました。これは、もし2つの実行がしばらくの間同じ経路を辿ったとしても、コンピュータが全く同じステップを二度計算することになり、時間を浪費することを意味していました。新しい手法は、シミュレーションが始まる前に、いくつかのランダムな結果を事前に決定することで、この問題を解決します。まず、確率が固定されており、システムの現在の状態に依存しない部分を特定し、それらの結果を事前に選択します。状態に依存する部分については、シミュレーションがその地点に到達するまで決定を待ちます。

この戦略により、研究者は多くの潜在的なシミュレーション実行をグループ化することができます。もしグループ内の実行が同じ事前選択された結果を共有している場合、それらは一つのユニットとして回路内を共に進むことができます。状態に依存する決定が必要な地点に到達したときに初めて、グループはより小さな枝へと分かれ、それぞれ異なる経路を辿ります。極めて重要なのは、研究者がすでにグループの状態を計算済みであるため、すべての枝に対して個別に再計算する必要がないという点です。キャッシュされた状態を再利用することで、膨大な時間を節約できます。シミュレーションが終了に達すると、単一の最終状態から数千の測定記録を一度のバッチで生成できます。これは、回路全体を数千回実行するのではなく、一度の実行で済ませることを意味します。これは、量子誤り訂正のデコーダとして機能する人工知能モデルを訓練するために必要な、ラベル付きの大規模なデータセットを生成する上で特に強力です。

チームは、フォールトトレラント(耐故障性)量子コンピュータの構築における有力な候補であるトポロジカル符号に情報を保存するように設計された回路を含む、様々な量子回路を用いてこの手法をテストしました。彼らの新しいシミュレータを現在使用されている標準的な高性能ツールと比較したところ、その結果は驚くべきものでした。量子システムからエネルギーが漏れ出す様子を模した「振幅減衰」と呼ばれる特定の種類のノイズを含む回路において、彼らの手法は従来のアプローチよりも最大24倍高速でした。中間測定を含むより複雑なランダム回路では、その高速化はさらに劇的で、最大83倍に達しました。同じシミュレーション経路を使用して多くの異なる測定記録を生成する特定のモードでは、彼らの手法は標準的な手法よりも1つのトラジェトリあたり約7万倍高速でした。この効率性の飛躍は、研究者が高度な機械学習デコーダを訓練するために必要な数百万のデータポイントを、以前よりもはるかに短い時間で生成できることを意味します。

速度だけでなく、研究者たちは彼らの手法が、この分野で一般的に使われているショートカットよりも正確な結果を生み出すことも示しました。「パウリ・トワーリング」と呼ばれる広く利用されている手法は、複雑なノイズをシミュレートしやすい形式に簡略化するものですが、チームはこの簡略化が重大なエラーを導入することを明らかにしました。彼らの量子メモリシステムを用いたテストでは、簡略化されたモデルはエラーの検出率を21パーセント過大評価していました。より重要なことに、この簡略化されたモデルから得られたデータを使用してデコーダを訓練したところ、得られたシステムは、正確で簡略化されていないデータで訓練されたデコーダよりも8パーセント多く論理エラーを発生させました。この発見は、近似に頼ることの重大な欠陥を浮き彫りにしています。つまり、近似は高速かもしれませんが、結果として、本来の性能よりも効果の低い誤り訂正システムを設計してしまう可能性があるということです。正確なノイズを速度を犠牲にすることなくシミュレートする方法を提供することで、彼らの手法は、構築される量子コンピュータのデータが現実を反映することを保証します。

この研究の意義は、実用的な量子コンピュータを構築するという広範な取り組みにも及びます。これらのマシンが規模と複雑さを増すにつれ、それらを正確にシミュレートする能力がボトルネックとなります。研究者たちの手法は、実行中のシステムを測定することを含む幅広い現実的なノイズモデルに対して、このボトルネックを取り除きます。この能力は、特殊な量子状態を作成したり、リアルタイムで誤り訂正を行ったりするために使用されるような、中間測定に依存する複雑なプロトコルの研究への扉を開きます。チームは、既存のオープンソース・プラットフォームの拡張機能としてソフトウェアを公開しており、他の科学者が直ちに自身の研究にこの高速化を適用できるようにしています。高スループットで正確なシミュレーションを実用的なものにすることで、この研究はフォールトトレラント量子コンピュータの開発における不可欠なツールを提供し、次世代の量子コンピュータが正確で現実的なデータという基盤の上に築かれることを確実にしています。

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。

Digest を試す →