High Performance Computing for Materials Simulation by Quantum-Classical Hybrid Algorithms

点击翻译按钮获取中文摘要

本研究課題において，2022年度は主に以下の2点の研究を行った．第一に，物質シミュレーションの高速化につながることが期待される，量子アニーリングマシンを含むイジングマシンやゲート式量子コンピュータの性能を引き出すアルゴリズム開発を行った．具体的には，対象とする問題に含まれる制約条件を満たす状態間を量子遷移する方法の検討や，イジングモデルの固有エネルギーを変えずに，状態間のハミング距離のみ変える「エネルギー地形変換」，また，以下に述べる「マージ手法」や「スピン変数消去法」を提案した．「マージ手法」とは，局所解から効率よく脱出する手法として，単スピンフリップを動作原理とするイジングマシンにおいてマルチスピンフリップと等価な状態遷移を可能にする手法である．これを典型的な組合せ最適化問題に対して適用し，従来手法に対して残留エネルギー（イジングマシンの評価指標の一つ）を削減することに成功した．「スピン変数消去法」とは，線形制約をもつ組合せ最適化問題を効率的かつ高精度に解くための手法である．イジングマシンは入力可能な変数の個数に制限があるため，組合せ最適化問題を少ない変数の個数で定式化することが重要となる．標準的に用いられているペナルティ法と比較して，スピン変数消去法はより少ない変数の個数で組合せ最適化問題を定式化できる．この手法により，より大規模な組合せ最適化問題をイジング計算機で取り扱うことが可能となった．第二に，量子アニーリングマシンを含むイジングマシンによるブラックボックス最適化手法について，我々の提案手法の適用範囲を広げるための方法を検討した．複数の目的関数からなる多目的ブラックボックス最適化や，多値変数の場合についてのブラックボックス最適化に対応可能な方法を構築した．本研究成果は，プレプリントサーバ（arXiv:2209.01016)や，国際会議AQC2022等で報告した．