ノイズロバストな計算を可能とする量子アルゴリズム：理論とプロセッサ開発

实现抗噪声计算的量子算法：理论和处理器开发

• 批准号: 22KJ3183
• 负责人: 中路 紘平
• 金额: $ 2.83万
• 依托单位: National Institute of Advanced Industrial Science and Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2023
• 资助国家: 日本
• 起止时间: 2023-03-08 至 2027-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22KJ3183/
• 关键词: 量子コンピューター; NISQ; ノイズ; ハミルトニアンシミュレーション; 量子時間発展

量子コンピュータ(QC)の実用化が世界的に展開されている一方、実用的なQCの登場には数十年が必要とされている。本研究の目的は、この状況を打破し、10年程度で実現可能なノイジーな中規模QC（NISQ）における情報処理にノイズ耐性を持たせる理論的手法（ノイズロバスト化手法）を開発、その実現を容易にするRISQプロセッサを提案することである。今年度はノイズロバスト化手法開発に重きを置き、計算処理近似手法と測定最適化手法の開発に取り組んだ。これにより、量子計算のエラーレートを大幅に減少させることが可能となり、現実的なノイズのある量子デバイスで高精度な計算を実現する一歩を踏み出した。当初の予定を超えて、5本の論文を投稿した（内、2本は雑誌掲載済み）。計算処理近似手法では、ハミルトニアンシミュレーションに必要な量子ゲート数を著しく減少させる新たなアルゴリズムを開発した。これは確率的な近似手法により、計算リソースを大幅に節約しつつ、計算精度を維持することを可能にする。また、データ読み込み回路の近似アルゴリズムも開発した。これらの手法は、量子アルゴリズムの実装におけるボトルネックを解消する重要な一歩となった。測定最適化手法の開発については、量子時間発展における量子状態の測定を効率的に行う手法を提案した。これにより、測定時のノイズを大幅に減らし、結果の信頼性を向上させることが可能となった。さらに、量子計算と機械学習の融合についても探求し、2本の論文を投稿した。これらの研究は、量子アルゴリズムに機械学習を利用することで、どのようにノイズロバスト性を向上させるかという新たな視点を提供し、次世代の量子計算機に向けた道筋を示した。

Quantum コ ン ピ ュ ー タ (QC) の be using が world of に expansion さ れ て い る party, be used な QC の appearance に は decades が necessary と さ れ て い る. は の purpose, this study こ degree で の を break し, 10 years may be presently な ノ イ ジ ー な scale in QC (NISQ) に お け る intelligence 処 Richard に ノ イ ズ patience を hold た せ る theory methods (ノ イ ズ ロ バ ス ト technique) を 発, そ の be now を easy に す る RISQ プ ロ セ ッ サ を proposal す る こ と で あ る. This year, the development of <s:1> ノ ズロバスト ズロバスト optimization methods に focused on <s:1> を, the calculation and processing of approximate methods と determined the optimal optimization methods, and the development of に took multiple groups んだ. こ れ に よ り, quantum computing の エ ラ ー レ ー ト を に substantially reduce さ せ る こ と が may と な り, now be な ノ イ ズ の あ る quantum デ バ イ ス で high-precision な computing を be presently す る tread a step を み out し た. Initially, it was decided to submit を more than えて and five を papers to <s:1> た (in the internal journal, two み 雑 journals were published み). Calculate 処 Richard approximation technique で は, ハ ミ ル ト ニ ア ン シ ミ ュ レ ー シ ョ ン に necessary な quantum ゲ ー ト number を the し く reduce さ せ る new た な ア ル ゴ リ ズ ム を open 発 し た. こ れ は probabilistic な approximation technique に よ り, calculation リ ソ ー ス を に significantly save し つ つ, calculation accuracy を maintain す る こ と を may に す る. The また and デ タ読み込み タ読み込み タ読み込み circuits are approximately ア, た and ゴリズム respectively. こ れ ら の gimmick は, quantum ア ル ゴ リ ズ ム の be loaded に お け る ボ ト ル ネ ッ ク を null す る important な step と な っ た. The optimal method for determining the に line う method for measuring を efficiency を is proposed for the development of に に に て て, the development of quantum time における, the quantum state <e:1> and the determination of を efficiency た. こ れ に よ り, determination of の ノ イ ズ を に substantially reduced ら し, results の letter 頼 を upward さ せ る こ と が may と な っ た. Youdaoplaceholder0, quantum computing と, machine learning <s:1> fusion に, て て て exploration of <s:1>, and submission of two <s:1> papers を た た. は こ れ ら の research, quantum ア ル ゴ リ ズ ム に rote learning を using す る こ と で, ど の よ う に ノ イ ズ ロ バ ス ト sex を upward さ せ る か と い う new た を provide し な perspective, next generation の quantum computer に to け た tao jin を shown し た.

项目成果

Overfitting in quantum machine learning and entangling dropout

量子机器学习中的过度拟合和纠缠丢失

• DOI: 10.1007/s42484-022-00087-9
• 发表时间: 2022
• 期刊: Quantum Machine Intelligence
• 影响因子: 4.8
• 作者: Masahiro Kobayashi;Kouhei Nakaji;Naoki Yamamoto
• 通讯作者: Naoki Yamamoto

Measurement optimization of variational quantum simulation by classical shadow and derandomization

• DOI: 10.22331/q-2023-05-04-995
• 发表时间: 2022-08
• 期刊: Quantum
• 影响因子: 6.4
• 作者: Kouhei Nakaji;Suguru Endo;Y. Matsuzaki;H. Hakoshima

qSWIFT: High-order randomized compiler for Hamiltonian simulation

qSWIFT：用于哈密顿模拟的高阶随机编译器

• 发表时间: 2023
• 作者: Kouhei Nakaji;Shumpei Uno;Yohichi Suzuki;Rudy Raymond;Tamiya Onodera;Tomoki Tanaka;Hiroyuki Tezuka;Naoki Mitsuda;Naoki Yamamoto;Kouhei Nakaji
• 通讯作者: Kouhei Nakaji