Google、AI主導の量子回路圧縮をテーマに賞金総額$150,000のKaggleコンテストを開始

Google Quantum AIは、核融合、最適化、化学に関する重要な量子回路の量子ビット数とゲート数を削減することを目指す、賞金総額$150,000のKaggleコンペティションを開始した。

このページは英語から翻訳されています。企業名・製品名・出典リンクは変更していません。英語の原文を読む

Google Quantum AIは、実用的な用途に必要な量子回路の縮小にAIを活用することを目指し、賞金総額$150,000のKaggleコンペティションを開始した。Googleの発表によると、このコンテストは、精度に関する検証しきい値を満たしつつ、核融合エネルギー、組合せ最適化、化学に関連するベンチマーク回路における量子ビット数とゲート数の削減に焦点を当てている。

発表内容

このコンペティションでは、Apache 2.0ライセンスで公開された参照回路とスタンドアロンの検証器を改良したバージョンの提出が求められる。スコアはリソース削減量に基づいて決まり、参加者は特定のタスクについて検証器を通過しつつ、ゲート数と量子ビット数から導かれるコスト指標を引き下げなければならない。

Googleによると、この取り組みは、フォールトトレラント量子コンピューティングにおける中核的な制約を対象としている。ハードウェアが改善を続けたとしても、多くの有用なアルゴリズムは依然として必要リソースが大きすぎる。回路の規模を縮小することで、アルゴリズム自体の直接的なコストだけでなく、量子誤り訂正に必要なオーバーヘッドも低減できる。

賞金の内訳は、1位が$50,000、2位が$25,000、3位が$10,000、4位から6位までが各$5,000となっている。Googleはさらに追加賞金として$50,000を確保しており、その中にはコンペ期間中のマイルストーン賞$10,000と「Longest Leader Prize」$10,000が含まれる。マイルストーン賞は、11月20日23:59 UTC時点の公開リーダーボードの最高スコアに基づいて決まり、Longest Leader Prizeの対象期間は2027年1月4日までとなる。

技術的な詳細

このコンペティションは、GoogleのQualtranプロジェクトに含まれるオープンソースのC++20およびPythonライブラリ、kickmixを中心に構築されている。QualtranのGitHubリポジトリでは、これをフォールトトレラント量子アルゴリズムを表現・解析するためのPythonライブラリと説明している。

arXivに掲載されたGoogleの関連論文では、このアプローチを、古典的に検証可能な構造を用いてAI支援コンパイルを支えるものとして説明している。arXivによると、この論文は10月16日に投稿され、10月21日に改訂された。

kickmix回路は、可逆な古典論理、位相演算、測定ベースのアンコンピュテーションで構成される。Googleによれば、この構造により、一般的な量子状態を完全にシミュレーションするのではなく、ランダム化ファズテストを用いて候補回路を古典コンピュータで効率的に検証できる。これにより、厳密な等価性を証明するものではないものの、高い信頼度で近似的な正しさを確認できるとしている。

Googleはまた、kickmixが単一のCPUコア上で毎秒600億ゲートの速度で回路をテストできるとしている。この数値は量子ハードウェア上での実行速度ではなく、従来型の検証速度を指す。

3つのベンチマーク問題

このコンテストは、より大規模な量子アルゴリズムにおける3つのボトルネックを中心としている。

核融合エネルギーでは、二乗距離の入力から1/√xに比例する位相を実装することが課題となる。これは、慣性閉じ込め核融合のターゲット設計に関連するクーロン演算子シミュレーションに結び付いたサブルーチンである。

最適化では、ベンチマークは重ね合わせ状態でのReed-Solomonデコーダであり、Googleによると、これはOptimal Polynomial Intersection問題に対するDecoded Quantum Interferometryアルゴリズムにおける主要な算術ボトルネックだという。

化学では、参加者はFeMoCo関連のシミュレーションワークフローにおけるパラメータについて、高精度な因数分解とコンパクトなロード回路を共同設計することが求められる。Googleによると、このベンチマークは、窒素固定に関与する鉄-モリブデンクラスターをモデル化する最近のアルゴリズムに関連している。

なぜ重要なのか

これは、有用な量子アプリケーションに必要なハードウェアのしきい値を引き下げるための、ソフトウェア側からの試みだ。より大規模なプロセッサの登場を待つだけでなく、Googleは、フォールトトレラントなリソース見積もりを支配するサブルーチンについて、回路圧縮の自動化を目指している。

Googleによると、同社のGeminiモデルを用いた社内実験では、3つのベンチマークすべてにおいて、これまで報告されている回路を上回る改善がすでに見つかっている。同社は、それらの社内回路のハッシュ値を論文に掲載しており、コンペティション終了後に開示する予定だとしている。

注目点

最大の焦点は、外部チームが検証の範囲内にとどまりながら、実質的により小さな回路を生み出せるかどうかだ。同じくらい重要なのは、Googleのkickmixフレームワークが、このコンペティションで選ばれた3つのベンチマークを超えて、フォールトトレラント・アルゴリズムにおける他の高コストなサブルーチンにも十分広く対応できるかどうかである。