雑音によって浅い回路のようになる量子回路とバレン・プレートーの不在

なぜ雑音のある量子チップが仍として重要なのか

量子コンピュータは特定の問題を従来の機械より遥かに速く解ける可能性を秘めていますが、現在の装置は壊れやすく雑音に弱いです。本研究は、完全な誤り訂正が普及する前に現実的で不完全な量子チップが実際に何をできるかという単純だが実務的に重要な問いを投げかけます。典型的な量子回路の振る舞いが雑音によってどのように変形するかを解析することで、著者らは多くの野心的な近未来アルゴリズムが実はずっと浅い回路と同等の性能に静かに圧縮され、しばしば古典計算機で模倣可能になることを示します。

浅い回路のように振る舞う深い回路

現代の量子アルゴリズムはしばしば非常に深い回路を前提とし、多数の量子ビットに層を重ねていきます。理論的には層を増やすほどより複雑な量子的振る舞いが可能になります。しかし各量子ビットが現実的な局所雑音にさらされると、物理学者やアルゴリズム設計者が通常気にする量、すなわち観測量の期待値（平均エネルギーや磁化など）に関しては、多くの層が事実上意味をなさなくなります。著者らは、典型的なランダム回路に対して、これらの期待値に対する任意のゲートの影響は最終層から遠ざかるほど指数関数的に小さくなることを証明します。実際には、系のサイズに対して対数的な数の層だけが有意に寄与し続けます。

平坦な訓練ランドスケープを防ぐ雑音

変分量子アルゴリズムや量子機械学習の手法は、多くのゲートパラメータを調整して観測値の平均から構成されるコスト関数を最小化することで訓練されます。大きな懸念はバレン・プレートーの出現で、コストの地形がほとんど完全に平らになり勾配がほとんど消えて訓練が不可能になることです。以前の研究は、特定の種類の「均衡した」雑音がこれらのプレートーを誘発し得ることを示していました。本稿では、代わりに量子ビットを特定の状態に押しやる傾向がある、より現実的な「非均衡」雑音を検討します。このタイプの雑音の下では、局所観測量からなるコスト関数についてランドスケープは平坦化しません：コスト値のばらつきは大きく保たれ、回路の深さにかかわらず勾配は合理的な大きさを維持します。

しかし本当に訓練可能なのは最後の層だけ

このバレン・プレートーの不在は量子機械学習にとって朗報に思えるかもしれませんが、落とし穴があります。勾配を生かす同じ雑音がほとんどの勾配を無関係にしてしまうのです。著者らは回路内部の深い位置にあるパラメータが局所観測量に対して消えゆく影響しか持たないことを示します。有用な勾配情報はほとんど最後の数層に集中しており、その層数は再び系のサイズに対して対数的にしか増えません。言い換えれば、非常に深い雑音下の変分回路は訓練の観点でははるかに浅い回路のように振る舞い、大半の調整可能なゲートは雑音によって事実上凍結されてしまいます。

古典計算機が追いつきやすくなる

深い雑音回路が浅い回路のように振る舞うと、古典的アルゴリズムで模倣しやすくなります。著者らは有効深さの概念を用いて、ほとんど任意の回路アーキテクチャについて、同じ観測量の平均を所定の精度目標で高い成功確率で推定する古典的手続きを設計します。局所観測量の影響領域に着目し、雑音が複雑な多量子ビットパターンを抑制する性質を利用することで、基礎となる量子回路が極めて深くても古典的実行時間は効率的に保てることを示します。多くの実用的な精度目標において、これは一次元鎖から完全連結配置まで幅広いアーキテクチャで成り立ちます。

近未来の量子優位性にとっての意味

期待値の推定に基づくタスク、たとえば多くの提案された変分アルゴリズムや量子機械学習の方式にとって、これらの結果は厳しい現実を示します。典型的な状況では、現実的で非均衡である可能性のある雑音を抱えた量子回路は、慎重に選ばれた浅い回路が古典計算機で扱える以上の大きな力を本質的に提供しません。雑音を巧みに利用してこの限界を超えるように特別に設計された回路構成は依然として可能ですが、そのようなケースは例外であり一般的ではありません。平均的な雑音を伴う装置にとっては、雑音自体が量子計算を浅く古典的に扱いやすい形へと圧縮してしまうのです。

引用: Mele, A.A., Angrisani, A., Ghosh, S. et al. Noise-induced shallow circuits and the absence of barren plateaus. Nat. Phys. 22, 751–756 (2026). https://doi.org/10.1038/s41567-026-03245-z

キーワード: 量子雑音, 雑音のある量子回路, 変分量子アルゴリズム, 古典シミュレーション, バレン・プレートー