AIと量子コンピューティングが出会うと、科学革命が引き起こされるのでしょうか?

彼らは未来のコンピューティングのアベンジャーズと呼べるでしょう。テクノロジーの世界で最もホットな2つの用語である機械学習と量子コンピュータを組み合わせて、量子機械学習を形成しました。アベンジャーズの漫画や映画がスーパーヒーローのグループを集めてドリームチームを結成したのと同じように、この組み合わせは多くの注目を集めることになりそうです。しかし、テクノロジーとフィクションの両方において、優れたプロットを作成することは非常に重要です。

量子コンピュータを十分に大規模に構築できれば、原子核世界のユニークな特性を活用して、特定の問題を通常のデジタル電子機器よりも効率的に解決できる可能性があります。研究者たちは長年、これらの疑問に機械学習が含まれるかどうかを検討してきた。機械学習とは、コンピューターを使ってデータ内のパターンを発見し、未知の状況で推論するために使えるルールを学習する人工知能の一種である。

図｜Googleは量子コンピュータが機械学習に役立つかどうかを検討している。 （出典：ネイチャー）

現在、両方の技術は急速に進歩しており、待望の AI システム ChatGPT (機械学習を利用してテキスト内の単語間の関係を推測することで人間のような会話を可能にする) がリリースされ、量子コンピューターのサイズとパワーが急速に増加しています。それで、この 2 つを組み合わせると、何か役に立つものが生まれるのでしょうか?

関心が高まっている

GoogleやIBMなどの大手企業だけでなく、カリフォルニア州バークレーのRigettiやメリーランド大学カレッジパーク校のIonQなどの新興企業を含む多くのテクノロジー企業が、量子機械学習の可能性を調査しています。学術界の科学者たちもこれに非常に興味を持っています。

スイスのジュネーブ郊​​外にある欧州素粒子物理学研究所（CERN）は、機械学習を利用して、大型ハドロン衝突型加速器（LHC）が生成したデータの中に特定の素粒子の兆候がないか探している。そこの科学者たちは、量子機械学習の実験を行っている学者のグループの中にいます。

「量子コンピュータを使って従来の機械学習モデルを高速化、あるいは改善しようというアイデアだ」と、欧州原子核研究機構（CERN）の量子コンピューティングおよび機械学習研究グループの責任者である物理学者ソフィア・ヴァレコルサ氏は語った。

未解決の重要な疑問は、特定のシナリオにおいて量子機械学習が従来の機械学習よりも優れているかどうかです。理論によれば、分子構造のシミュレーションや大きな整数の素因数を求めるといった特定の計算タスクでは、量子コンピューターは宇宙の年齢よりも長い時間がかかる計算を高速化するだろう。しかし研究者たちは、これが機械学習に当てはまることを証明する十分な証拠をまだ持っていません。一方で、量子機械学習は、たとえそれほど高速ではないとしても、従来のコンピュータが見逃すパターンを見つけられるかもしれないと主張する人もいる。

南アフリカのダーバンの物理学者マリア・シュルド氏は、量子機械学習に対する研究者の態度は両極端の間で揺れ動いていると語る。研究者たちはこのアプローチに非常に興味を持っているものの、短期的な応用の見通しが暗いため、受け入れることにますます消極的になっているようだ。シュルド氏はカナダのトロントにある量子コンピューティング企業、ザナドゥ社に勤務しています。

一部の研究者は、量子機械学習アルゴリズムを量子的な性質を持つ現象に適用することに焦点を当て始めています。量子機械学習の提案されたすべての応用の中で、これは「量子の優位性がかなり明らかな分野の一つ」だとMITの物理学者アラム・ハロー氏は言う。

量子アルゴリズムは機能するでしょうか?

過去 20 年間にわたり、量子コンピューティングの研究者は、理論的には機械学習をより効率的にできる多数の量子アルゴリズムを開発してきました。 2008年の画期的な研究で、ハロー氏はMITの物理学者セス・ロイド氏とアビナタン・ハシディム氏（現在はイスラエルのラマトガンにあるバル・イラン大学に在籍）とともに、機械学習の中心的な課題の1つである大規模な線形方程式の解法において従来のコンピューターよりもはるかに高速な量子アルゴリズムを発明した。

しかし、場合によっては、量子アルゴリズムが期待どおりに動作しないことがあります。よく知られている例の 1 つは、2018 年にコンピューター科学者の Ewin Tang 氏が 2016 年に設計された量子機械学習アルゴリズムを破る方法を発見したことです。この量子アルゴリズムは、Netflix などのインターネット ショッピング会社やサービスが顧客の過去の選択に基づいて提供するタイプの推奨事項を提供するように設計されており、そのような推奨事項を既知の従来のアルゴリズムよりもはるかに高速に提供します。

当時18歳の大学生だったタン氏は、ほぼ同等の速度でありながら従来のコンピューターで実行できるアルゴリズムを作成した。テキサス大学オースティン校の量子コンピューティング研究者でタン氏の指導教官でもあるスコット・アーロンソン氏は、量子推奨アルゴリズムは実際の問題を大幅に高速化すると思われる稀な例であり、彼女の研究により「実際の機械学習の問題に対する量子による指数関数的な高速化の目標がこれまでよりもさらに近づく」と述べた。タン氏は、機械学習における量子による大幅な高速化の主張については「かなり懐疑的」だと述べた。

潜在的にもっと大きな問題は、従来のデータと量子コンピューティングが必ずしもうまく連携するとは限らないことです。大まかに言えば、典型的な量子コンピューティング アプリケーションには 3 つの主要なステップがあります。まず、量子コンピュータが初期化されます。つまり、個々のメモリ ユニット (量子ビットまたはキュービットと呼ばれる) が集合的にエンタングルされた量子状態に置かれます。次に、コンピューターは、従来のビットベースの論理演算の量子アナログである一連の演算を実行します。 3 番目のステップでは、コンピューターは、量子演算の結果に関する情報を保持する単一の量子ビットの状態を測定するなどの読み取り操作を実行します。この情報は、たとえば、マシン内の特定の電子が時計回りに回転しているか、反時計回りに回転しているかを示す可能性があります。

「最も細いストロー」のように

Harrow、Hassidim、Lloydらが提案したアルゴリズムは、上記の「第2ステップ」を高速化すると期待されています。しかし、多くのアプリケーションでは、最初のステップと 3 番目のステップが非常に遅くなり、これらの利点が相殺される可能性があります。初期化ステップでは、「古典的な」データを量子コンピュータにロードし、それを量子状態に変換する必要があり、これは通常、非効率的なプロセスです。また、量子物理学は本質的に確率的であるため、読み取りプロセスはランダムであることが多く、量子コンピューターは3つの段階すべてを何度も繰り返し、結果を平均して最終的な答えに到達する必要があります。

量子化されたデータが最終的な量子状態に処理されると、答えを取得するのにも長い時間がかかる可能性があると、シアトルのワシントン大学の量子コンピューティング研究者、ネイサン・ウィーベ氏は言う。 「我々は最も細いストローを通してしか情報を吸い取ることができない」と彼は10月に行われた量子機械学習のワークショップで語った。

「ほとんどの研究者に量子コンピューターがどんな用途に適しているか尋ねると、答えは『おそらく古典的なデータには適していない』です」とシュルド氏は言う。 「これまでのところ、古典的なデータに量子効果が必要だと信じる本当の理由はない。」

ヴァレコルサ氏らは、速度は量子アルゴリズムを評価する唯一の基準ではないと述べている。また、機械学習を活用した量子 AI システムが、従来のアルゴリズムでは見逃してしまうようなデータ内のパターンを認識するようになるかもしれないという兆候もあります。

これは、量子もつれが量子ビット間、ひいてはデータポイント間の相関関係を生み出すためかもしれない、とドイツ、ツォイテンのDESY素粒子物理学研究所の物理学者カール・ヤンセン氏は言う。 「従来のアルゴリズムでは検出が非常に難しいデータの相関関係を検出できるようになることを期待しています。」

図 |量子機械学習は粒子衝突の理解に役立つ

しかしアーロンソン氏は反対する。量子コンピュータは既知の物理法則に従うため、十分な時間を与えられれば、その動作と量子アルゴリズムの結果は通常のコンピュータによって完全に予測できます。 「したがって、重要な唯一の疑問は、量子コンピューターが完璧な古典的シミュレーションよりも速いかどうかだ」とアーロンソン氏は述べた。

根本的な量子変化

もうひとつの可能性は、すでに量子的な性質を持つデータに対して量子機械学習アルゴリズムを使用することで、古典的なデータを変換するというハードルを完全に回避することです。

量子物理学の歴史を通じて、量子現象の測定は、巨視的かつ古典的な世界に存在する機器を使用して数値を読み取ることとして定義されてきました。しかし、量子センシングと呼ばれる新興技術を伴う新たなアイデアがあり、これにより、システムの量子特性を純粋に量子的な機器を使用して測定できるようになります。これらの量子状態を量子コンピューターの量子ビットに直接ロードすると、量子機械学習を使用して、古典的なシステムとの接続なしにパターンを認識できるようになります。

MITの物理学者でGoogleの研究者であるHsin-Yuan Huang氏は、機械学習に関しては、量子測定を古典的なデータポイントとして収集するシステムよりも有利になる可能性があると述べている。 「私たちの世界は本質的に量子力学です。学習できる量子マシンが欲しければ、それはもっと強力になる可能性があります。」

黄氏とその協力者は、Google の Sycamore 量子コンピューターで原理実証実験を実施した。彼らはいくつかの量子ビットを使って抽象的な物質の挙動をシミュレートしました。次に、プロセッサの別の部分がそれらの量子ビットから情報を取得し、量子機械学習を通じて分析します。研究者たちは、この技術が従来の測定やデータ分析よりもはるかに高速であることを発見した。

それは超伝導体ですか？

黄氏は、量子の世界で完全にデータを収集し分析することで、物理学者は古典的な測定方法では間接的にしか答えられない疑問に取り組むことができるようになるだろうと述べた。たとえば、特定の物質が超伝導体（ほぼゼロの抵抗で電気を伝導できる）となる特殊な量子状態にあるかどうかなどです。古典的な実験では、物理学者は磁場に対する物質の反応をテストするなどして、間接的に超伝導を実証する必要があります。

ジェンセン氏によると、素粒子物理学者たちは、電子と光子を衝突させるDESYのLUXE実験のような将来の粒子加速器によって生成されるデータを処理するために量子センシング技術の使用も研究しているという。ただし、そのアイデアが実現するのはまだ少なくとも10年先だと彼は付け加えた。互いに遠く離れた天文台も量子センサーを使用してデータを収集し、将来の「量子インターネット」を介して中央研究所に送信し、量子コンピューターで処理するようになるかもしれません。これにより、これまでにない鮮明な画像を撮影できるようになることが期待されます。

こうしたタイプの量子センシングアプリケーションが成功すれば、量子機械学習は、これらの実験からの測定値を組み合わせて、結果として得られる量子データを分析する役割を果たす可能性があります。

最終的には、量子コンピュータが機械学習に利点をもたらすかどうかは、数学的証明ではなく実験によって決まるでしょう。 「理論計算機科学のように、すべてが証明されるとは期待できない」とハロー氏は言う。

「量子機械学習は、最終的に効率が向上するかどうかに関わらず、依然として研究する価値があると私は確信している」とアーロンソン氏は述べた。シュルド氏も同意する。 「少なくとも今のところは、証明のスピードに制約されることなく研究を行う必要がある。」

オリジナルリンク:

https://www.nature.com/articles/d41586-023-04007-0

原作者:

ダヴィデ・カステルヴェッキ