インサイダーブリーフ
- ハードウェアの進捗にもかかわらず、量子コンピューティングにはまだ広く受け入れられているアプリケーションが欠けているため、理論家が有用な量子アルゴリズムの発見に集中するよう呼びかけています。
- Caltechの博士課程の学生は、理想的な量子アルゴリズムは、平均的なケース入力で古典的な方法を上回り、検証可能または再現可能な結果を生成する必要があると主張します。
- 研究者は、アルゴリズム設計の小さな進歩でさえ、フィールドの未来を意味に形作ることができることを強調し、実用的で探索的な考え方を採用する必要があります。
数十年の進歩と数十億の資金調達の後、量子コンピューティングは成熟度の瀬戸際に立っています。しかし、1つの永続的な質問が業界に迫っています。量子コンピューターは実際に何かに適していますか？
その質問は、カルテックの博士課程の学生であるロビー・キングが発行した新しい投稿の中心にあります。 量子フロンティア、Caltechの量子情報と物質研究所のブログ。ハーバード、イェール、およびGoogleのプラットフォームが誤りに耐えるコンピューティングをサポートするのに十分なほど低いという大きなエンジニアリングの勢いにもかかわらず、キングは、ハードウェアではなく理論が最終的にフィールドの運命を決定する可能性があると主張しています。
クリーンエネルギー生産に明確な目標を持っている核融合とは対照的に、キングはポストに、量子コンピューティングには大規模なコストを正当化するアプリケーションがないと書いています。その不確実性は死の告白ではなく、理論家がステップアップする時です。
「私のような理論家にとって、これは機会であり、行動への呼びかけです」とキングは書いています。
技術的勢い、理論的ドリフト
量子ハードウェアが進んでいることは疑いの余地がありません。キングによると、今日のデバイスは、「メガコップ」時代と呼ばれる範囲である約100の論理的なキュービットと100万のゲートにスケーリングできると考えられます。
「人類が今後数十年にわたって1,000億ドルを費やしている場合、彼は「量子コンピューターを構築できる可能性が高い」と書いています。
しかし、社会がそうすることを選択するかどうかは、技術的に可能なことだけでなく、投資収益率が魅力的になるかどうかに依存します。
そこにたどり着くには、理論家は、原則として働くだけでなく、実用的な価値を約束する量子アルゴリズムを特定する必要があります。キングは、これを今日の急速なハードウェア開発と将来の量子経済との間のミッシングリンクと見なしています。勢いを維持するために、キングは、投資の成長とハードウェアの進捗状況をアルゴリズム機能と一致させることが重要であると書いています。
人工知能との比較も示しています。数十年前、AIは理論的な領域でした。しかし、コンピューティングリソースが豊富になると、経験的方法が支配し始め、理論家を傍観者に押し上げました。今日の量子風景は逆です。レバレッジを持っているのは理論家です。
「良い」アルゴリズムを作るものを再考します
従来、理想的な量子アルゴリズムは、証明可能な正確性、古典的な硬度、実用的なユーティリティの3つの基準で定義されています。整数を考慮するためのShorのアルゴリズムは近づきます。しかし、これらの厳格な基準を主張することは、実際に進行状況を失速させる可能性がある、とキングは主張する。
たとえば、古典的な硬度、つまりアルゴリズムを表示することは、通常のコンピューターで複製するのが難しいか不可能であることを証明することは、P vs NPなどのコンピューターサイエンスの最も深い問題のいくつかを解決することなく、しばしば実行不可能です。代わりに、キングは、より実用的なベンチマークを提案します。特定の入力分布全体で、平均的なケースで最もよく知られている古典的なアルゴリズムよりも超二次的スピードアップです。
「実証可能な古典的な硬度を強調することは、真に斬新な量子アルゴリズムが確立されたものと根本的に異なる新しい古典的な硬度の仮定を潜在的に導入する可能性があるため、新しい量子アルゴリズムの発見を誤って妨げる可能性があります」とキングは書いています。 「新しい仮定を提案し、壊すという前後のプロセスは、量子の利点がある場所で三角測量を助ける生産的な方向です。」
最終的に、この柔軟性は、キングによると、理論家が量子コンピューターが本当に輝く問題を発見するのに役立ちます。
同様に重要なのは、ユーティリティの問題です。キングは、量子の結果は少なくとも再現可能でなければならないことを強調しています – 古典的に検証できない場合は、量子マシン全体で再現可能です。
彼は、しばしば見落とされがちな4番目の、しばしば見過ごされた基準を追加します。作業アルゴリズムは、理論的に有効であるだけではありません。また、入力の現実的な分布で実装できる必要があります。
「明日量子コンピューターが与えられたら、量子アルゴリズムを実装できますか？」王は尋ねます。
スレッジハンマーの右爪を見つける
量子コンピューティングは、問題を求めて解決策であると批判されることがあります。キングは、これをより建設的なレンズで再構成します。フィールドは、量子コンピューターがうまく機能する基本的なタスクを特定し、後でそれらを実際の使用にマッピングする必要があります。
有望なカテゴリの1つは、ハミルトニアンシミュレーションです。物理学または化学から量子システムを直接モデル化する能力です。 Natureは、古典的なコンピューターができない特定のプロパティを簡単に計算し、量子機械がこれらの問題に適している可能性があることを示唆しています。
それでも、例は隔離されたままです。彼は、量子アドバンテージがより明確に実証可能であるシミュレーション問題の新しいアンサンブルを求めています。
同様に、サンプリング – 複雑な分布から結果を生成する – は、その結果が古典的に検証可能でも再現性もないため、ユーティリティの貧弱な候補と見なされることがよくあります。
ただし、このようなアルゴリズムはランダム性のために非現実的であると却下されることがよくありますが、出力に困難な問題に関連する抽出可能な情報が含まれている場合、それらは大幅に有用になる可能性があります。キングが説明するように、「量子アルゴリズムのコレクションが、計算が困難な値を抽出できる意味のある信号を含むサンプルを生成した場合、それらのアルゴリズムは、値カテゴリの計算に効果的に移行します。」
大胆なアイデアが必要な分野
高い利害関係にもかかわらず、キングは、大量の会議での論文のほんの一部のみが新しいアルゴリズムを提案していると指摘しています。 1つの説明は、フィールドが難しすぎるということです。しかし、キングは、小さなアイデアでさえ重要であると信じています。
理論的な作業は依然としてボトルネックです。プラットフォームは成熟しており、資金調達が急増していますが、フィールドにはまだハードウェアレースを正当化できる幅広いアルゴリズムがありません。このギャップを埋めるには、厳密な論理以上のものが必要になります。創造的なリスクテイクを要求します。
キングは彼の仲間の理論家に次のように促します。「盲目的な楽観主義と辞任悲観主義の間で、ミッション主導の考え方を受け入れることは私たちの分野を前進させることができます。私たちは、より探索的で賢いアプローチを採用することを許可する必要があります。恐れすぎないでください！」
