量子コンピュータのリアルタイム「エラー訂正」！ AI、天国に行かないの？

量子コンピューターは、確実に動作するようになれば、新薬の発見、材料設計、基礎物理学に革命を起こす可能性を秘めています。

今日、人工知能（AI）は量子コンピュータにも革命をもたらすと期待されています。

少し前に、 Google は最先端の精度で量子コンピューティングのエラーを識別できるトランスフォーマーベースのデコーダーである AlphaQubit をリリースし、信頼性の高い量子コンピューターの構築の進歩を加速させました。

Google CEO の Sundar Pichai 氏は X に次のように書いています。「AlphaQubit は Transformer を使用して量子コンピューターをデコードし、量子エラー訂正精度の新たな最先端技術を実現しました。AI と量子コンピューティングの融合は刺激的です。」

「量子プロセッサのための高精度エラーデコードの学習」と題された関連研究論文が、権威ある科学雑誌「ネイチャー」に掲載されました。

エラーを正確に特定することは、量子コンピュータが大規模かつ長時間の計算を実行できるようにするための重要なステップであり、多くの新しい分野で科学的な進歩と発見への扉を開きます。

量子コンピューティングのエラーを修正する

量子コンピュータは、重ね合わせやエンタングルメントなどの最小スケールの物質の固有の特性を利用して、特定の種類の複雑な問題を従来のコンピュータよりもはるかに少ない手順で解決します。この技術は量子ビット、つまりキュービットに依存しており、量子干渉を利用して多数の可能性をふるいにかけ、答えを見つけることができます。

量子ビットの自然な量子状態は、ハードウェアの小さな欠陥、熱、振動、電磁干渉、さらには宇宙線（どこにでもある）など、さまざまな要因によって破壊される可能性があります。

量子エラー訂正は、冗長性、つまり複数の量子ビットを 1 つの論理量子ビットに結合し、定期的に一貫性をチェックする手法によってソリューションを提供します。デコーダーはこれらの整合性チェックを使用して、量子情報を保持する論理量子ビットのエラーを識別し、修正します。

図 |辺の長さが 3 (コード距離) の量子ビット グリッド内の 9 個の物理量子ビット (小さな灰色の円) がどのように論理量子ビットを形成するかを示します。各タイム ステップで、さらに 8 つの量子ビットが整合性チェック (正方形と半円形の領域、失敗した場合は青とマゼンタ、それ以外の場合は灰色) を実行し、AlphaQubit に情報を提供します。実験の最後に、AlphaQubit はどのようなエラーが発生したかを判断します。

ニューラルネットワークデコーダーの作成

AlphaQubit は、Google が開発したディープラーニング アーキテクチャ Transformers を活用したニューラル ネットワーク ベースのデコーダーであり、今日の多くの大規模言語モデル (LLM) の基礎となっています。一貫性チェックを入力として使用し、実験終了時の論理量子ビットの測定結果が準備時の結果と逆であるかどうかを正しく予測することがそのタスクです。

研究チームはまず、量子コンピュータの中央計算ユニットであるSycamore量子プロセッサから49量子ビットのデータセットをデコードするようにモデルをトレーニングした。 AlphaQubit に一般的なデコード問題を解決する方法を教えるために、研究者たちは量子シミュレータを使用して、さまざまな設定とエラー レベルにわたる数億の例を生成しました。次に、特定の Sycamore プロセッサから何千もの実験サンプルを AlphaQubit に入力することで、特定のデコード タスクに合わせて AlphaQubit を微調整しました。

新しい Sycamore データでテストしたところ、AlphaQubit は以前の最先端のデコーダーと比較して、精度の新たな基準を確立しました。最大規模の Sycamore 実験では、AlphaQubit は、精度は高いものの非常に遅いテンソル ネットワーク アプローチよりも 6% 低いエラー率を達成しました。 AlphaQubit は相関マッチングよりもエラー率が 30% 低く、拡張性に優れた高速な正確なデコーダーです。

図 |小規模および大規模 Sycamore 実験のデコード精度 (距離 3 = 17 物理量子ビット、距離 5 = 49 物理量子ビット)。 AlphaQubit は、大規模な実験には対応できないアプローチであるテンソル ネットワーク (TN) や、速度に応じて拡張できる正確なデコーダーである相関マッチングよりも正確です。

トレーニングデータを超えた一般化

AlphaQubit がより低いエラー レベルでより大きなデバイスに拡張できるかを理解するために、チームは最大 241 量子ビットのシミュレートされた量子システムのデータを使用して AlphaQubit をトレーニングしました。これは Sycamore プラットフォームの能力を超えていました。

同様に、AlphaQubit は主要なアルゴリズム デコーダーよりも優れた性能を発揮し、将来的には中規模の量子デバイスにも使用される可能性があることを示唆しています。

図 |距離 3 (17 量子ビット) から距離 11 (241 量子ビット) までのさまざまなスケール/シミュレーション実験のデコード精度。テンソル ネットワーク デコーダーは、遠距離で動作させるには速度が遅すぎるため、この図には表示されていません。他の 2 つのデコーダーの精度は、距離が長くなるにつれて (つまり、より多くの物理ビットを使用するにつれて) 向上します。どの距離でも、AlphaQubit は相関マッチングよりも正確です。

AlphaQubit は、入力と出力の信頼レベルの受け入れと報告などの高度な機能も示します。これらの情報豊富なインターフェースは、量子プロセッサのパフォーマンスをさらに向上させるのに役立つ可能性があります。

研究チームが最大 25 ラウンドのエラー訂正を含むサンプルで AlphaQubit をトレーニングしたところ、シミュレーションで最大 100,000 ラウンドまで良好なパフォーマンスを維持し、トレーニング データを超えたシナリオに一般化できる能力を実証しました。

リアルタイムエラー訂正は依然として加速する必要がある

Googleは、AlphaQubitは量子エラー訂正に機械学習を使用する上で重要なマイルストーンであると述べた。しかし、速度とスケーラビリティに関しては依然として大きな課題に直面しています。

たとえば、高速超伝導量子プロセッサでは、各整合性チェックは 1 秒間に 100 万回測定されます。 AlphaQubit はエラーを正確に識別することに優れていますが、超伝導プロセッサでエラーをリアルタイムで修正するにはまだ遅すぎます。量子コンピューティングが発展するにつれて、商用アプリケーションでは数百万の量子ビットが必要になる可能性があり、AI ベースのデコーダーをトレーニングするためのよりデータ効率の高い方法が緊急に必要になります。

編纂者：アカデミックジュン