AIが量子優位性を予測:ニューラルネットワークでシステム挙動を予見
量子コンピューティングは、今日のコンピュータでは処理できない複雑な問題を解決する可能性を秘めています。例えば、化学反応を詳細に研究し、医薬品やその他の分野で安定した分子構造を発見するのに役立ちます。
しかし、古典・量子コンピュータサイエンスの両方における重要課題の一つは計算の高速化です。量子コンピュータは古典コンピュータよりもはるかに高速に計算できますが、このような機械を開発するには多大な時間とコストがかかります。それでも、これらの機械が量子優位性を示すかどうかは誰にも保証できません。
最近、モスクワ物理工科大学(MIPT)、ITMO大学、ヴァリエフ物理技術研究所の研究チームが、与えられた量子マシンが量子優位性を持つかどうかを予測する新しいツールを開発しました。
AIが量子コンピュータ構築の候補を特定
量子ウォークは近年、量子情報を効率的に処理するために用いられています。これは古典的なランダムウォークの量子版と言えます。この現象は、量子回路の基盤となる特定のネットワーク内を粒子が移動する様子としてイメージできます。
古典的なウォーカーの状態とは異なり、量子ウォーカーの状態はいくつかの位置のコヒーレントな重ね合わせになり得ます。デバイス内の回路において、粒子が古典的な対応物よりも速く量子ウォーク(あるネットワークノードから別のノードへ)を示す場合、そのデバイスは量子優位性を持つことになります。
参考文献: New Journal of Physics | DOI:10.1088/1367-2630/ab5c5e | MIPT
この研究では、研究者たちが機械学習モデルを用いて、このような優れたネットワークを特定しました。モデルはネットワークを区別し、与えられたネットワークが量子優位性をもたらすかどうかを次第に予測するよう学習します。これにより、効率的な量子コンピュータの開発に利用できるネットワークが得られます。
AIが量子優位性を探索するイメージ図
学習例は、古典粒子と量子粒子のランダムウォーク動力学をシミュレートすることで生成されました。各学習例には隣接行列と、それに対応するラベル(「古典」または「量子」)が含まれていました。
研究チームはまた、量子アルゴリズムに基づく計算回路の開発を簡素化するツールも構築しました。これは材料科学やバイオフォトニクスの研究に活用できる可能性があります。
量子ウォーク
量子ウォークは、量子ビットとゲートに基づくアーキテクチャよりもはるかにシンプルな方法で、自然現象の量子計算を実装できます。例えば、クロロフィルやロドプシンのような光感受性タンパク質の励起を精密に記述する可能性があります。
関連記事: 新しいコンピューティングパラダイムを特徴とする5つの量子プロセッサ
タンパク質はネットワークに似た構造を持つ複雑な生体分子であるため、あるネットワークノードから別のノードへの量子ウォーク時間を特定することで、分子内で実際に何が起きているのかが明らかになるかもしれません:電子がどこに移動し、どの種類の励起を引き起こすのか。
産業技術
- ボッシュ、ハノーバーメッセでAI駆動製造ソリューションを発表
- 人工ニューラルネットワークが無線通信性能を向上
- ロボットが触覚で90種類以上の物体を識別、視覚・触覚融合のマルチモーダルAI
- AIがアルツハイマー病を6年前に100%精度で予測、PET画像深層学習で実現
- AIが線虫のレーザー刺激応答行動を予測、「アイザック・ニュートン」アルゴリズムで生物動力学をモデル化
- AIが世界海洋の93.7%を5つの動的領域に分類、支配的物理パラメータを特定
- 麻痺患者の脳信号から自然な音声を合成するAI、RNNで語彙無制限・自然話速実現
- AIが考案した世界初のスポーツ「スピードゲート」が誕生
- AI、機械学習、ディープラーニングの違いを徹底解説
- 小売におけるAI:一過性の流行ではなく実証済みのメリット
- KubernetesがAIスタートアップに拡張可能なコンテナ化ソリューションを提供