量子コンピューティングEXPOに向けて②
2024.04.18
量子コンピューティングEXPOで行う予定の、
弊社の展示に向けての事前情報その２です。
量子アニーリングと量子機械学習
今活用する量子コンピュータ！
現在、量子ビット（qubit）数やエラー訂正などの問題で、量子コンピュータの本格的な実用化は、まだ少し先になってしまうようです。そんな中、ノイズがあり、数年から数十年以内に開発される中規模の量子コンピュータ「Noisy Intermediate-Scale Quantum（NISQ）デバイス」の活用を想定して、「量子アニーリングによる最適化問題：Quantum Approximate Optimization Algorithm (QAOA)の解決」、「量子機械学習：Quantum Machine Learning (QML)」といったアルゴリズムによる古典コンピュータによるHPCシミュレーションの限界を突破する試みが進められています。
■ 量子アニーリングによる最適化問題の解決
「イジングモデル/QUBOとして定式化し、量子アニーリングマシンで最適な組み合わせを求める」というアニーリング型量子コンピュータの活用です。
一方、古典コンピュータを用いた疑似（シミュレーテッド）アニーリングや遺伝アルゴリズムによる業務最適化として、一足先に活用しようという取り組みも積極的に行われています。
※QUBO：Quadratic Unconstrained Binary Optimization（2次制約無し2値最適化問題）。
すべての組み合わせ最適化問題は QUBO やイジングモデルとして定式化することが原理的には可能です。
| アニーリングは、最もエネルギー（E）が低くなる解（x）を求めます | |
|---|---|
|
|
▶ https://noahsi.com/tech/qtc/annealing/ |
|
■ 量子機械学習
広義には、計算過程の一部に何かしらの量子コンピュータによる計算を取り入れた機械学習手法です。現状のノイズあり・小規模な量子コンピュータを部分的に利用し、古典コンピュータと組み合わせて実行する手法です。
一方、量子コンピュータでの処理部分を古典コンピュータでエミュレーションすることで、古典コンピュータのみで実行することも可能です。「量子回路学習（QCL）：ニューラル・ネットワークを量子回路に置き換えた機械学習モデル」などが代表的な取り組みです。
量子コンピュータの進化を待つ一方で、量子回路（量子アルゴリズム）の研究開発は進めていかなければなりません。クラウドでの量子コンピュータの利用は、環境を占有できず、もどかしい思いをすることも多々あります。各種研究開発や業務利用を想定すると、既存の古典コンピュータ環境で量子コンピュータをエミュレーションする技術も重要です。
● NVIDIA社製GPUを用いて量子回路をシミュレートするためのライブラリとしてはcuQuantumがあります。cuQuantumを利用することで、状態ベクトルおよびテンソルネットワーク手法に基づく量子回路シミュレーションを、古典コンピュータとGPU上で高速に実行することができます。例えばIBM QiskitとcuQuantumの組み合わせなどで利用されています。
［cuQuantum］ https://github.com/NVIDIA/cuQuantum
● Qulacsは世界最高クラスの動作速度を持つ汎用の量子回路シミュレータです。
C++/Pythonライブラリであり、変分量子回路やNISQデバイス開発のための「ノイズあり量子ゲート」などを用いたシミュレーションが行うことができ、OpenMP・GPU並列化にも対応しています。GPUの利用にはNVIDIA 社製GPUとCUDA環境が必要です。
［Qulacs］ https://docs.qulacs.org/
https://dojo.qulacs.org/ja/latest/notebooks/3.1_Qulacs_tutorial.html
★ 弊社サイト内 NexTech Week 2024［春］開催案内ページへ