量子コンピューティングは精度が足りないのでしょうか? IBMの「エラー軽減」技術が問題を解決すると期待されている

2023年6月、IBM Quantumとその協力者は、「エラー軽減」手法を使用して、127量子ビットプロセッサ上の複雑な量子回路の動作結果を正確に取得しました。多くの人々は、これが量子コンピューティング分野における新たなマイルストーンであると信じています。では、エラー軽減とは何でしょうか? IBM は何を実行し、何を実行しなかったのでしょうか?

2022年末、私はPhysics誌からIBMの量子部門副社長であるガンベッタ氏との独占インタビューを翻訳するよう依頼を受けた。当時、私はガンベッタ氏の発言のいくつかに衝撃を受けました。一方で、彼はデコヒーレンス時間などいくつかの数字を挙げ、デコヒーレンス時間は100ミリ秒に達しており、まもなく300ミリ秒に達するだろうと述べた。私は依然として記者が間違いを犯したと思う。 2 ビット ゲート忠実度は 99.9% に達しており、23 年後には 99.99% に達する予定です。私は量子ハードウェアに取り組んでいますが、この 2 つの数字だけでも驚きです。それに続く内容はさらに驚くべきものです。

まず、「物事に対してよりスマートなアプローチを取ることが、指標を積み重ねることよりも重要になるだろう」と彼は述べた。つまり、将来的に量子コンピューティングの優位性を実現できるかどうかは、ビット数、デコヒーレンス時間、ゲート忠実度などの技術指標を継続的に改善するだけでは不十分であり、アーキテクチャレベルからどのように拡張・エンジニアリングするか、量子コンピューターの避けられないエラーに対処するための新しい方法を導入するかなどを考える必要があるのです。

次に、量子エラー訂正について、エラー軽減の方法の研究を行っていると述べました。彼らは、代表的なエラーモデルの回路例を多数構築し、これらの回路の進化結果をサンプリングし、統計的手法を通じて量子システム全体の誤った動作を研究して、量子回路のエラーのない推定値を提供しています。このエラーのない推定値の精度が 1 に近づき続けると、それは量子エラー訂正を達成することと同等ではないでしょうか?この考えを念頭に置くと、量子エラー訂正はもはやドラゴンゲートを飛び越えるような困難な課題ではなく、山登りのような漸進的なプロセスになります。一歩は小さいですが、日が沈んで振り返ると、すでに山頂にいるかもしれません。

半年後（2023年6月14日）、IBMは「プレフォールトトレラント量子コンピューティングの有用性の証明」と題する論文をNature誌に発表し、瞬く間に大きな反響を巻き起こした。 100 以上の量子ビット、量子エラー訂正が不要、従来のコンピューティングを超える、新たなマイルストーン、これらの言葉はすべて読者の注目を集めます。これは、Google の「量子超越性」以来の量子コンピューティングの発展におけるもう一つのハイライトとなるかもしれない。論文を注意深く読んだ後、私はガンベッタ氏のインタビューで述べられたいくつかの意見を思い出し、少し集中した。ガンベッタ氏はすでに論文の中でその考えを明確に表現しており、私は半年前にそれを中国語に翻訳して国内の読者に紹介した。その論文は聴衆全員に衝撃を与えた。皆はショックで起き上がりました。量子コンピューティングはこのようにプレイできることがわかりました...

いずれにせよ、私は自分の専門知識を生かして、できるだけ冷静にこの作品を解釈したいと思っています。研究者らは、127 ビットの量子プロセッサ上で 2 次元横方向場イジング モデルのトロッター展開の時間発展を実証しました。ゼロノイズ外挿誤差軽減法を通じて、進化結果の正確なゼロノイズ外挿推定を行うことができます。回路全体には、127 個の量子ビット、最大 60 層、合計 2,880 個の CNOT ゲートが含まれます。強いエンタングルメントの場合、古典的なテンソル ネットワーク近似法では正しい結果が得られなくなります。言い換えれば、これは従来のブルートフォースシミュレーションの能力を超えています。

写真はTuchong.comより

この記事では、量子優位性について説明します。量子優位性は 2 つのステップで実現できます。まず、従来のブルート フォース シミュレーションの能力を超える正確な計算を既存の量子ハードウェア ファシリティで実現し、次にこれに基づいて価値のある問題を見つけて、問題に関連する量子回路の正確な推定を実現します。論文に関係する作業は最初のステップを完了しただけなので、厳密に言えば量子優位性は達成されていない。

しかし、この研究は、Google の「量子超越性」に比べればまだ一歩前進に過ぎません。これは、ビット数が増えたからでも、回路の深さが大きくなったからでも、2 ビット ゲートの数が増えたからでもなく、その年に Google が実行したランダム回路サンプリングの忠実度が極めて低かったためです。今回、IBM の研究では、エラー軽減手法を通じて、複雑な量子回路の偏りのある推定値を正確に与えることができます。これにより、ノイズの多い量子コンピュータのパフォーマンスに大きな期待が寄せられます。もう一歩進んで、今回使用した2次元横磁場イジングモデルの発展回路を、価値ある問題に関わる量子回路に置き換えることができれば、このステップはまだ難しいものの、量子優位性が真に確立されることになるだろう。

では、崩壊を魔法に変えるこの魔法のようなエラー軽減方法とは何でしょうか? 100 ビット以上の規模と 60 層の回路では、操作と読み取りの平均忠実度が 99% を超えたとしても、正しい結果が得られる確率はほぼゼロであることを知っておく必要があります。 IBM は「ゼロノイズ外挿」と呼ばれる方法を使用しました。具体的には、特定のモデルを使用してシステムエラーを学習します。ここで使用されるモデルはスパース Pauli-Lindblad モデルです。パラメータを調整することで、さまざまなノイズゲインを実現できます。さまざまなゲインでの多数のノイズ ライン インスタンスがサンプリングされ、その期待値が計算されます。さらに、さまざまなノイズ ゲインでの期待値を使用して、ゲインをゼロ、つまりノイズがない場合の期待値に外挿します。このように、エラーのない条件下で結果を推論することと同等です。数値計算を学んだことがある人なら、内挿に比べて外挿は信頼性が低いことが多く、特に真の値点から遠く離れている場合はその傾向が強いことを知っているでしょう。この目的のために、IBM は指数外挿法と線形外挿法の両方をテストし、古典的にシミュレートできる特定のケースで量子と古典の比較検証を実施しました。結果は一貫しており、これがこの方法で正確な計算結果が得られるという IBM の主張の根拠となっています。

さらに、この論文では量子コンピュータの実行時間とテンソルネットワーク方式の比較も行っています。一方で、テンソル ネットワークは、深い回路を扱う場合には正確な期待値を与えることができなくなります。一方、2 つの同一回路を実行する場合、テンソル ネットワーク方式ではデータ ポイントを取得するのにそれぞれ 8 時間と 30 時間かかりますが、量子実行時間はそれぞれ 4 時間と 9.5 時間です。このうち、量子プロセッサの実際の実行時間はわずか 5 分 7 秒ですが、量子ビットのリセット時間を短縮することで、さらに大幅に短縮できます。つまり、量子コンピュータの動作効率には、まだ大きな改善の余地があるということです。

もちろん、エラー軽減にはコストがかかります。ゼロノイズ外挿は、以前に提案された確率的エラー除去と比較してサンプリングオーバーヘッドを大幅に削減し、100 を超える複雑な量子回路のエラー軽減に対応できます。しかし、このオーバーヘッドは量子システムの規模の増大とともに指数関数的に増大します。将来、より大規模な量子プロセッサでエラーを効率的に軽減する方法については、依然として課題が残っています。この方法の検証が成功したことは、ノイズの多い量子コンピューティングの時代に差し込む一筋の光のようなものです。量子コンピューティングを生産的なものにするためには、まだやるべきことがたくさんあります。一方で、量子ハードウェアの性能をさらに向上させる必要があります。記事では、2 ビット ゲートの忠実度を「桁違いに」向上させる必要があり、実行速度も大幅に向上させる必要があると述べています。一方、量子化学計算や近似最適化など、現在注目されているヒューリスティック量子アルゴリズムなどのノイズ軽減・除去アルゴリズムの有効性をさらに検証する方法についても早急に研究する必要があります。

ガンベッタのインタビューに戻りましょう。量子コンピューティングが古典的コンピューティングに勝つのはいつかと尋ねられたとき、彼は私に本当に感銘を与えるようなことを言いました。彼は、古典と量子を区別して両者を対立させ、量子が古典に勝つ瞬間を期待するのではなく、より一般的な視点に立って両者を統合する方が良いと述べた。計算とは計算です。現実には、量子コンピューティングには従来のコンピューティングの支援が大量に必要です。上で述べたエラー軽減方法は典型的な例です。私たちが本当に追求しているのは、複雑な問題を解決する実行時の効率です。古典科学は量子科学を助け、量子科学は古典科学を助けます。両者は区別のつかない一体である。量子コンピューティングをより高い視点から見る必要があります。

この記事は、科学普及中国星空プロジェクトの支援を受けた作品です。

著者: 金一栄

査読者: Xue Peng (北京計算科学研究センター教授)

制作：中国科学技術協会科学普及部

制作：中国科学技術出版有限公司、北京中科星河文化メディア有限公司