連続変数光学的量子リザバーコンピューティングにおける実験的記憶制御

光に未来を予測させる

天気予報や金融動向など、今日の最も難しい問題の多くは、時間とともに展開するデータのパターンを見つけることに帰着します。本稿は、量子光を一種のアナログ計算装置として利用し、過去の信号を「記憶」して次に来るものを予測する方法を報告します。レーザーパルスを精密に成形し、繊細な量子状態の光を計測することで、研究者たちは従来の電子機器よりも速く、効率的にデータを処理できる可能性を持つ新しい学習機械を構築しています。

ニューラルネットワークから液体のような脳へ

現代の機械学習はしばしば、数百万の内部結合を調整して入念に訓練する深層ニューラルネットワークに依存します。リザバーコンピューティングはより簡潔な道を提供します：ネットワーク全体を訓練する代わりに、複雑な物理系に入力列を応答させ、その応答を読み取る単純な出力層だけを訓練します。「リザバー」は豊かな内部ダイナミクスと記憶を持つものであれば何でもかまいません。本研究では、そのリザバーが光そのものです。研究チームはリザバーコンピューティングを量子の世界に拡張し、光場が集団として振る舞うことによる極めて高い感度と表現力を活かして、時間変動信号の処理に適した特性を引き出しています。

量子の水たまりとしての光を構築する

実験の中心には、超短パルスを非線形結晶と導波路に送るレーザーが置かれています。その内部で、単一パルスは多数の緊密に結びついた色と時間の成分に変換され、スクイーズドやもつれた多モードの「プール」状の光を形成します。各モードはネットワークのノードとして考えられ、量子相関がそれらの間の結合のように働きます。ポンプパルスのスペクトルと位相を成形することで、モード間の結びつきの強さを再構成できます。選択したモードの組み合わせを同相検出（ホモダイン検出）という感度の高い計測法で読み出すことで、ネットワークの内部状態の見方を効果的に選択しています。

光に作業記憶を与える

時系列を扱う学習機は、最近の入力を覚えながら遠い過去を徐々に忘れる必要があります。チームは計測結果をリアルタイムで光学セットアップにフィードバックすることで、制御可能な「フェードメモリ（忘却する記憶）」を導入します。電気光学変調器が、現在の入力信号とリザバーの以前の出力の両方に基づいて各新しいポンプパルスの位相を調整します。このフィードバックはネットワークの配線を変えることなく量子ネットワークを穏やかに誘導します。光場のごく少数の測定量だけでも、位相制御に対して豊かな非線形応答を示し、著者らはその応答を詳細な数値的「デジタルツイン」で忠実に再現しています。

量子リザバーを試す

研究者たちは、非線形性と記憶を試す一連の課題で光学リザバーに挑戦します。あるベンチマークでは、システムはランダムなビット列の現在のビットと前のビットの排他的論理和（XOR）を出力しなければなりません。これは単純な線形装置では解けない古典的な試験です。位相制御とフィードバックを用いて、リザバーはわずかな訓練データで約98パーセントの精度に達します。さらに、数ステップ前の入力を呼び戻す課題では、遅延に伴う記憶の減衰を定量化し、複数のリザバーコピーを並列に動かすと性能が向上することを示しています。さらに進めて、電子的なダブルスクロール回路が生むようなカオス信号の予測をシミュレートし、現実的な雑音がある状況でも量子プラットフォームが複雑な振動を追跡・予測できることを実証しています。

多数モードの力を解き放つ

単純な位相シフトを超えて、チームはより強力な制御法を探ります：ポンプスペクトルを複数のセグメントに分割し、それぞれの位相を独立に調整する方法です。この「一般化エンコーディング」により、光場の異なる部分が同じ入力のわずかに異なるバージョンを担うことが可能になり、リザバーの内部活動が劇的に豊かになります。測定する光学モードの数を増やすと、系の表現力は有利な数学的スケーリング則に従って成長し、各モードが冗長なコピーではなく真に新しい情報を寄与することがわかります。このより豊かなエンコーディングにより、シミュレートされたリザバーは多くの個別物理コピーに頼ることなく、長い遅延にわたるパリティ検査やカオスダイナミクスの予測など、より要求の高い課題を解くことができます。

将来の量子マシンにとっての意義

非専門家にとっての主要なメッセージは、著者らが室温で動作する技術を用いて、ストリーミングデータに対して調整可能な作業記憶を量子光学デバイスに持たせ、その制御法を示したことです。このプラットフォームは既に標準的なテストで従来の学習系に匹敵する性能を示しており、最終的な読み出しだけを安価に訓練するという利点があります。さらに、より大規模な光学量子コンピュータと互換性のある部品で構築されているため、もつれた光が汎用量子論理と時間依存信号の高速・即時解析という二重の役割を果たすマシンへの実用的な道筋を提供します。

引用: Paparelle, I., Henaff, J., García-Beni, J. et al. Experimental memory control in continuous-variable optical quantum reservoir computing. Nat. Photon. 20, 413–420 (2026). https://doi.org/10.1038/s41566-026-01880-9

キーワード: 量子リザバーコンピューティング, フォトニック機械学習, 時系列予測, 連続変数量子光学, ニューロモルフィックフォトニクス