新たなマイルストーン！ IBM、量子コンピュータの最高記録64台を発表、ハネウェルを追い抜く

ちょうど今、IBM は量子コンピューティングの新たなマイルストーンに到達し、現時点での最高量子ボリュームが 64 に達したと発表しました。同社の量子コンピュータの性能は昨年に比べて2倍になった。

ほんの数か月前、ハネウェルは世界で最も強力な量子コンピュータを開発したと主張した。

今回IBMが発表した最新の進展はハネウェルと直接競合しており、量子コンピューティング分野での競争はますます熾烈になっている。

ハネウェルは厳しい声明を発表、IBMは気にしない、量子コンピューティングで最強なのは誰か？

ハネウェルは今年3月、早くも「厳しい声明」を発表した。「今後3カ月以内に、世界最高性能の量子コンピュータを発売する予定だ」

おそらくグーグル、IBM、インテルは、6月18日にこれほど強力なライバルが出現するとは予想していなかったのだろう。

ハネウェルは「当社は現在世界最高の量子コンピュータを開発した」と発表した。

同社の最新の量子コンピュータの量子ボリュームスコアは64で、IBMやGoogleの競合製品の2倍である。 2019年、IBMの量子ボリュームは32に達しました。

ハネウェルの「最高」は自慢ではなく、IBMの量子コンピュータベンチマークに基づいて得られた結果です。

「量子ボリューム」という概念は、IBM によって初めて提唱されました。量子ボリュームは、量子ビットの数だけではなく、量子コンピューターの性能を測定するために使用される指標です。この指標の目的は、業界独自の比較的時代遅れの評価方法を排除することです。

量子ボリュームに影響を与える要因には、量子ビットの数、ゲートおよび測定エラー、デバイス間通信、デバイス接続および回路コンパイル効率などがあります。量子ボリュームが大きくなればなるほど、量子コンピュータの性能は高まり、時間的および空間的な複雑さをよりうまく処理できるようになります。

量子ボリュームは、解決できる問題の複雑さを含め、量子コンピュータの能力をより包括的に測定できます。

IBM と Honeywell の量子コンピューティングの長所と短所をよりよく理解するには、まず、これら 2 つの技術ルートがまったく異なることを知っておく必要があります。

三英雄対呂布: 超伝導量子コンピューティング対イオントラップ

現在、量子コンピューティングは主に固体デバイスルートと光ルートの2つのカテゴリに分かれています。Google、IBM、Intelは「固体デバイスルート」に属し、Honeywellのイオントラップ技術ルートは「光デバイスルート」に属します。

光イオントラップはコヒーレンス時間において利点があるが、制御性が弱く、従来のコンピューティングと互換性を持たせることが困難である。

現在、世界の量子コンピュータの 80% 以上がソリッドステートデバイスを使用しています。ソリッドステートデバイスは、従来のコンピューティングとの互換性の点で明らかな利点があります。科学研究​​では、イオントラップなどの光学ルートの方が一般的に使用されています。

現在の量子コンピューティングの主な技術ルート（データソース：Huawei、CCID）

超伝導量子コンピューティングは現在、固体量子コンピューティングを実装するための最速かつ最良の方法です。

超伝導量子回路のエネルギーレベルは外部電磁場によって介入できるため、回路のカスタマイズや開発が容易になります。さらに、現在の集積回路技術は非常に成熟しており、超伝導量子回路のスケーラビリティの利点は明らかです。

画像出典: Tencent Quantum Lab

しかし、問題もいくつかあります。量子システムは非閉鎖性であるため、環境ノイズやフラックスバイアスノイズなどの多数の制御されていない要因により、量子散逸やコヒーレンスの弱化が発生することがよくあります。さらに、超伝導量子システムには、物理​​的環境に対する極めて厳しい要件があります。たとえば、超伝導量子コンピューティングの実装では、極低温は避けられない問題です。

Google ブリスルコーン量子チップ

IBM以外にも、GoogleやIntelなどの企業も超伝導量子研究を積極的に行っています。 Google の量子人工知能研究所が発表した Bristlecone 量子チップは、72 量子ビットの長さで単一ビット ゲート操作を実現でき、単一量子ビット ゲートの最高忠実度は 99.9% に達します。

以前、一部の専門家は、ハネウェルが世界最速の量子コンピューターを持っているという主張は、世界の問題を何ら解決しておらず、単にパラメータの改善に過ぎないため、誇大宣伝の疑いがあると述べていた。

ハネウェルのイオントラップは、電荷と電磁場の相互作用力を利用して荷電粒子の動きを抑制し、閉じ込められたイオンの基底状態と励起状態のエネルギーレベルを量子ビットとして使用します。

量子状態は単一のイオントラップに保存され、そこから情報が読み取られます。量子ビットは、トラップ内での動きを通じて、または光とマイクロ波の放出と吸収を通じて、直接相互作用することができます。

イオントラップ技術自体の開発は 1980 年にまで遡りますが、量子コンピューティングにおけるイオントラップ技術の使用は、1995 年にオーストリアの量子科学者 Circa 氏と Zoller 氏によって初めて提案されました。

2003年に当研究室は、デチューンレーザービーム照射とレーザー冷却を用いたNOTゲート制御を実現し、同年、イオントラップ技術を用いたDeutsch-Jozsaアルゴリズムの実装に初めて成功しました。

オーストリア、インスブルックのトラップイオン量子コンピュータ

イオントラップ量子コンピューティングには、量子ビットの品質が高く、コヒーレンス時間が長く、量子ビットの準備と読み取りおよび書き込みの効率が高いという利点があります。

しかし、イオントラップ技術にも多くの問題があります。外部レーザーの不安定性により、電磁場ノイズによって量子ビットのコヒーレンスが弱まります。また、イオントラップ内で複数のイオンチェーンが共存することが難しく、拡張性も低いです。

ハネウェルがトラップイオン量子コンピューティングに飛躍的に進出できたのは、レーザーを使って重ね合わせ状態の荷電粒子をトラップすることを可能にした2015年の画期的な発明が一因だ。

IBM は 2017 年以降、量子​​コンピューティングの規模を毎年倍増させています。 2019年、IBMは、Raleighと呼ばれる量子コンピューターの量子ボリュームが前年の16から32に増加したと発表した。

一部のアナリストは、ハネウェルのイオントラップはより学術的であるのに対し、IBMのソリューションはより実用的であると指摘した。

量子コンピューティング：超低温は人工知能も加熱する可能性がある

量子コンピューティングはまだ初期段階ですが、多くの革新とブレークスルーがありました。では、人工知能の分野ではどのような役割を果たすのでしょうか?

データ拡張が簡単に

今日の生成モデルは質問に答えるだけでなく、画像、音楽、ビデオなどを出力することもできます。

顔写真がたくさんあるが、その多くが正面写真ではないとします。生成モデルを使用すると、それらの写真からより正確な「正面顔」を作成できます。

量子処理ユニットを従来のフレームワークに挿入すると、生成される画像の品質が大幅に向上する可能性があります。

これは従来の機械学習モデルの改善にどのように役立ちますか?小さな顔データセットを使用して従来の顔検出モデルをトレーニングし、パフォーマンスがあまり良くない場合は、量子強化生成モデルを使用してデータセットを強化し、モデルのパフォーマンスを大幅に向上させることができます。

自然言語処理は人間の言語をよりよく理解する

自然言語処理 (NLP) アルゴリズムは、量子コンピューティングにおける「意味認識」において画期的な進歩を遂げます。

「意味認識」とは、コンピュータが単語だけでなく文章全体を実際に理解でき、その認識能力をフレーズ全体、さらには記事全体にまで拡張できることを意味します。 BERT などの言語モデルのさらなる改善は、量子コンピューティングの強力な計算能力に依存します。

量子コンピュータの発展により、自然言語処理の応用範囲はさらに広がるでしょう。

実行効率の向上、新しいアルゴリズム設計が可能に

AI と ML は、過去の経験に基づいてソリューションを学習するのに最適な方法です。

たとえば、コンピューターに猫が何であるかを伝えるのは、学習できないため、少し難しいかもしれません。十分な数の猫の写真を使ってニューラル ネットワークをトレーニングすると、コンピューターは他の猫を正しく識別できるようになります。

このデータを量子コンピュータで実行すると、AI および ML アルゴリズムの実行効率が大幅に向上します。

一部のアルゴリズムでは、指数関数的な増加に達することさえあります。量子コンピューターはタスクをより高速に実行するだけでなく、これまで不可能だったタスクも実行できます。

財務モデルをよりスマートにする

現在、金融分野における人工知能の応用はますます広がっています。

量子物理学は確率論であり、金融​​市場の予測もある程度は確率論です。量子コンピューターは、無制限の候補モデルを構築でき、分布をより正確に予測して、より正確な答えを得る可能性があります。

基本的な考え方は、一部の問題では、意思決定を行う前に AI が新しいデータを生成する必要があるというものです。この問題を解決するには、未知の条件の確率分布を考慮した基礎モデルを考案する必要があるかもしれませんが、その点では量子コンピューティングが優れています。

量子コンピューティングと古典コンピューティングは競合的ではなく相乗的である

機械学習に関しては、クラウド コンピューティングの弾力性と量子コンピューティングの強力なコンピューティング能力を活用して、従来のコンピューティングと量子コンピューティングを連携させる可能性があります。

従来のコンピューティングと量子コンピューティングはどちらも利点があり、量子コンピューティングの現在の発展により、それが解決策の一部となっています。どちらのコンピューティング形式も、時間の経過とともに進化し続けるでしょう。

従来の GPU や ASIC のワークロードを高速化すると同時に量子コンピューティングのパワーを活用することで、量子コンピューティングはより高速になり、結果の信頼性も高まります。

近い将来、量子コンピューティングとその無限の計算能力を利用して、世界の複雑さを軽減できるようになるかもしれません。