大規模量子プロセッサの効率的予測代替モデルの実証

将来の計算にとってなぜ重要か

量子コンピュータは、新材料のシミュレーションやエキゾチックな物質の状態の探索など、現代の計算機では手に負えない問題に取り組む可能性を秘めています。しかし最先端の量子プロセッサは高価で繊細、かつ希少であり、その利用可能性と頻度を制限します。本研究は、大規模な量子プロセッサの典型的な振る舞いを効率的な古典モデルに「瓶詰め」する方法を示し、実機への限定的なアクセスの後は通常のコンピュータで多くの作業を行えるようにします。

量子コンピュータの指紋を捉える

著者らは多くの量子アルゴリズムで現れる重要量、すなわちノイズのあるプロセッサで量子回路を実行した後の測定の平均値に着目します。すべての微視的詳細をシミュレートする代わりに、彼らは予測代替（predictive surrogates）と呼ぶものを構築します。これは実際の超伝導量子チップから収集したデータで学習された古典的学習モデルです。学習が済むと、代替モデルは新しい回路設定に対する測定平均を素早く予測でき、以後は実際の量子ハードウェアに触れる必要がなく、そのチップ固有のノイズや不完全性を自動的に反映します。

二種類のデジタル代替

研究チームは異なる用途に適した二種類の代替モデルを設計・解析します。第一の h_cs は制御パラメータが独立に変化する回路を扱い、多数の局所測定を同時にサポートします。これはランダム化測定からの情報をコンパクトな古典表現に圧縮する古典シャドウの考えに基づいています。第二の h_qs は、回路内の多くのパラメータが結びついている状況を対象とし、材料・化学・機械学習の量子シミュレーションでしばしば見られるような場合に適しています。任意の分布から引かれる相関のある入力で動作するよう設計されており、現実的な科学的ワークロードにより近いモデルです。

代替モデルの実戦投入

これらの考えを検証するため、研究者らは最大42量子ビットの超伝導量子プロセッサを用います。まず h_cs が、一次元横磁場イジング模型という模型量子磁石のエネルギーを、模型のパラメータを多数変えた場合でも確実に予測できることを示します。次にこの代替モデルを用いて、広く使われる手法である変分量子固有値ソルバーの事前学習を行います。最適化は代替モデルに導かれて完全に古典コンピュータ上で行われ、後で実機上で検証され若干の微調整が行われます。このアプローチにより必要な量子測定回数が桁違いに削減される一方で、最初から実機で最適化を行うよりも低いエネルギー推定を達成します。

駆動された物質の隠れた相を明らかにする

第二の代替モデル h_qs は、よりエキゾチックな課題に適用されます：時間依存的に周期駆動されるスピン鎖における特別な相、いわゆるフロケット対称性保護トポロジカル相の同定です。従来、このような相を地図化するには制御設定を変えながら量子装置で多くの反復測定が必要でした。代わりに著者らは、駆動に対して鎖に沿った局所磁化がどのように応答するかを学習する一連の代替モデルを学習させます。学習済みモデルだけを用いた古典計算により、長寿命の端部振動の兆候を再構成し、保護相と熱的で特徴のない相との遷移点を特定します。これは実機での直接実験と一致します。

量子の力へのアクセスにとっての意味

これらの代替モデルが効率的に学習可能であり、実機で数十量子ビットにスケールすることを示したことで、本研究は希少な量子資源を共有する新しい方法を示唆します。高度なプロセッサでの限定的な測定セットを再利用可能な古典モデルに蒸留すれば、多くのユーザーが安価に問い合わせ可能です。こうした代替モデルが量子コンピュータを置き換えるわけではありませんが、平均測定値に基づくタスクで実機を走らせる頻度を大幅に減らすことができ、材料・化学・新奇な物質相の実用的な量子支援研究を日常的な科学利用に一歩近づけます。

引用: Liao, WY., Du, Y., Wang, X. et al. Demonstration of efficient predictive surrogates for large-scale quantum processors. Nat Commun 17, 4731 (2026). https://doi.org/10.1038/s41467-026-72506-5

キーワード: 量子プロセッサ, 予測代替モデル, 変分量子固有値ソルバー, デジタル量子シミュレーション, フロケット相

研究グループのウェブサイトでさらに読む: http://staff.ustc.edu.cn/~quanhhl/