2017年11月、日本は量子コンピュータの試作機を初めて公開し、これがインターネット上にて無料で公開され、試用されています。このマシンで、日本は人工知能の可能性を最大限に活用するための鍵となる、より大きなブルートフォース【プログラムに工夫を凝らさず, 計算機の処理能力をたのむ】を備えた世界最強のコンピュータを作る競争に参加しました。
このプロジェクトは、日本電信電話株式会社、東京大学、国立情報学研究所、スタンフォード大学により開発され、日本政府の革新的研究開発推進プログラム（ImPACT）により資金援助を受けています。
このマシンは量子ニューラルネットワークをベースにしており、理論的には従来のスーパーコンピュータの約100倍の速さで複雑な問題を解決することができます。さらにすごいのは、従来のスーパーコンピュータが1万キロワットの電力を消費して同じタスクをこなしていたのに対し、たった1キロワットの電力でこれをこなすことです。では、いったい何が開発され、どのように動作するのか、詳しく見ていきましょう。
量子ニューラルネットワーク
量子ニューラルネットワーク（QNN）は、光パラメトリック発振器を量子ニューロンとして、光ホモダイン計測フィードバック回路を量子シナプスとして使用します。光パラメトリック発振器の閾値における集団的対称性のブレーキを利用して、いくつかの組み合わせの最適化問題の解を探索するものです。
さらに、QNNを用いた実験や、光パラメトリック発振器ネットワークの量子論に基づくシミュレーションを実際に体験することができます。
量子ニューラルネットワークとは、簡単に言えば、量子情報の利点を生かした人工ニューラルネットワークモデルを統合し、より効率的なアプリケーションを構築しようとする研究です。その目的は、量子コンピューティングの特徴（量子並列性、干渉、もつれ）をリソースとして利用することです。しかし、古典的なニューラルネットワークを訓練することは、特にビッグデータ・アプリケーションでは非常に困難です。
QNNCloud
量子ニューラルネットワークの原理や特徴に興味がある場合、QNNCloudで3つのツールが提供されています。
1.量子論に関するホワイトペーパー
2.スパコン「Shoubu」による量子シミュレーション機能
3.QNNを用いた量子計算
QNNCloudは、2000個の光パラメトリック発振器からなるネットワーク上に構築され、プログラム可能な全結合により、現在の量子コンピュータの限界をはるかに超える完全グラフ上のNP Hard Max Cut問題を、グラフをハードウェアに埋め込むことなく解くことが可能です。
周波数帯開発におけるリード化合物の最適化、無線通信における送信電力、医療、フィンテックにおけるポートフォリオ最適化、機械学習におけるボルツマン・サンプリング、圧縮センシングにおけるスパースコーディングなど、連続・組合せ最適化を伴う問題は何百万と存在します。
これらの問題の多くは、複雑さ理論の非決定論的多項式（NP）、NP完全、NP困難のクラスに分類されます。問題のサイズが反復ごとに大きくなるため、これらを解くには膨大な計算リソースが必要となります。
QNNシステムでは、光パラメトリック発振器の閾値以下での量子並列探索、閾値での集団対称性の破れ、閾値以上での指数関数的確率増幅を利用し、これらの制約に対処しています。近い将来、QNNCloudは、実世界のアプリケーションに向けた量子アルゴリズム開発のためのシミュレーションツールを提供する予定です。
QNNのハードウェア
QNNのハードウェアは、それほど複雑ではありません。長さ1kmのリング共振器において、周波数1GHzのパルス列を用いて共振器内と周期的にポーリングされたLiNb03導波路を励起し、光パラメトリック発振器のN=2000パルスを同時に発生させます。
出典：QNNCloud
2値変数は、各光パラメトリック発振器パルスのπ位相と0位相の状態として表されます。すべてのパルスは、閾値以下ではπ位相と0位相の重ね合わせで発生し、閾値以上ではどちらか一方が発生します。これらのパルスの任意のペアは、その振幅を順次測定することによって結合させることができます。
ここでいう測定とは、FPGA（Field Programmable Gate Arrayの略【現場で書き換え可能な論理回路の多数配列】）を用いて適切なフィードバック・パルス振幅を評価することです。次に、フィードバックは、ターゲットの光パラメトリック発振器パルスに注入されます。
N=2,000のプラスを1往復（5マイクロ秒）するごとにAll-to-All接続を実行します。外部ポンプレートが閾値以上になると、10～1,000回の往復でπ位相または0位相の解が得られます。
QNNシミュレータ
QNNのダイナミクスは、測定によって引き起こされる波束の減少を考慮し、量子マスター方程式の助けを借りて理論的に予測することができます。このモデルはスパコン「Shoubu」で実行され、巨大な並列シミュレーションにより、QNNのダイナミクスを大幅に短時間で再生することができます。
予算と今後の計画
現在、米国は量子コンピューティング技術の研究開発に年間2億ドル以上を投じており、中国は100億ドルの量子応用研究センターを建設中と伝えられています。
一方、日本は2018年4月から10年間で2億6700万ドル近くを量子コンピューティングのために割く計画です。また、日立製作所はケンブリッジ大学と共同で量子コンピューティング技術の研究を行っています。
今後、実世界の様々なアプリケーションに対応したアルゴリズム、新しいアルゴリズムを開発するためのシミュレーションツール、再帰型ニューラルネットワーク・アーキテクチャによる先進的なQNNをリリースする予定です。現在のところ、2020年第1四半期までの実用化を目指しているそうです。モバイルの最適化、都市の交通渋滞、新薬や化学物質の発見など、より深い最適化問題に注力していくそうです。
一方、Microsoft、IBM、Googleなどの大手企業は、独自の量子マシンの開発に取り組んでおり、そのテストでは大きな進歩が手の届くところにあることが示されています。
おすすめ新着記事
おすすめタグ