| 研究実績の概要 |
今年度はNISQ (noisy intermediate scale quantum) デバイスに向けた古典-量子ハイブリッドアルゴリズムの理論提案、及びその実験実証を行った。本研究課題は、自身が以前提案した NISQ に向けた機械学習アルゴリズムを実験実証することにその主眼をおいていたが、そのアルゴリズムを発展させ、新たな NISQ 向けアルゴリズムについても提案することもできた。以下成果について記述する。
NISQデバイスの能力は制限されているので、量子ゲートの数を可能な限り減らす必要がある。そこで、以前提案した機械学習アルゴリズムにおいて重要な役割を果たしていた、回路パラメータに関して演算子の期待値の勾配を求める手法を発展させ、より一般に、アダマールテストと呼ばれる一連の量子回路を簡単化する手法を提案した。アダマールテストは様々な分野で使われる手法であり、本成果の応用先は、変分量子状態の計量テンソルの測定や量子ダイナミクスの相関関数の測定など多岐にわたる。本成果はNISQアルゴリズムの実験実証にも役立つ手法である。また、この手法をさらに一般化し、2量子ビットゲートを1量子ビット操作に分解する手法も構成した。
古典-量子ハイブリッドアルゴリズムの実験実証としては、核磁気共鳴 (nuclear magnetic resonance, NMR) を用いて量子カーネルによる機械学習を実装した。初期の構想では、超伝導量子ビット系を用いて実験実証を行う予定であった。しかし、コヒーレンス時間やゲート忠実度等を考慮すると、NMRのほうが適していると考え、固体アダマンタン中のスピンを用いた実験を計画・実行した。1次元の回帰タスクと2次元データの分類タスクといった簡単なものを実行することで、実験実証とした。
他にも、量子化学の応用へ向けたNISQ向けアルゴリズムに関する研究も行った。
|
