AI が設計した回路で主要な量子構成要素のリソース見積もりが減少、QuEra が支援する研究
Harvard、Anthropic、QuEra の研究者によるプレプリントは、LLM 主導の探索で見つかった回路が、8つのサブルーチンのうち7つで Toffoli ゲートと量子ビットの数を減らしたと報告している。
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
QuEra Computing は11月10日、Harvard University および Anthropic との研究プレプリントを紹介した。自動チェッカーに導かれた大規模言語モデルが、標準的な設計より少ないリソースで済む量子回路を発見したという内容だ。プレプリントの題名は「Discovering state-of-the-art quantum circuits with large language models」（arXiv:2610.22367）。
研究の内容
QuEra の発表によると、チームは Anthropic の Claude を独立した評価器と組み合わせた。評価器は提案された各回路を検証し、Toffoli ゲート数と量子ビット数という2つの数値で採点した。モデルはそのフィードバックを使って設計を改良した。研究では、より大きな量子アルゴリズムの内部で使われる8つの構成要素を対象とした。そのうち7つでは、AI が設計した回路がベースラインの設計に比べてゲート数と必要な量子ビット数の両方を削減し、8つ目では両者の新たなトレードオフを見いだした。
発表によると、この研究は Anthropic の STEM Fellows Program の一環として Andi Gu が主導し、Anthropic の Alek Kemeny、Harvard の Susanne Yelin、Harvard と QuEra の Mikhail Lukin が参加した。
報告された数値
QuEra の発表は3つの例を挙げている。decoded quantum interferometry で使われる Reed-Solomon デコーダでは、Toffoli ゲートが510万個から約44万個に減り、量子ビット数も減った。分子シミュレーションで使われる Coulomb ポテンシャルでは、Toffoli ゲートが6,355個から1,140個に、量子ビットが252個から142個に減った。固定小数点の Gaussian 関数では、Toffoli ゲートが約2万4,000個から1,583個に、量子ビットが362個から139個に減り、複合指標で39分の1になった。
重要な注意点
発表自体が強調しているように、複合指標は Toffoli 数に最大論理量子ビット数を掛けたものであり、39倍の改善は39倍の高速化を意味しない。結果は個々の構成要素のリソース見積もりであって量子ハードウェア上での実行ではなく、完全なアプリケーションへの影響は構成要素の使われ方による。論文はプレプリントで、まだ査読を受けていない。
出典
このページの情報は、以下の出典をもとにDesignQuantum™が収集したものです。