GQIでよく聞かれる質問は、「ユーザーが商用利用のために量子技術に定期的に依存するような量子優位性をいつ目にし始めるのか？」というものです。
この質問への答えは2つの要因にかかっています。1つ目は量子ハードウェアがどれだけ早く改善されるかです。2つ目は量子アルゴリズムがどのようにしてよりスマートで効率的になるかです。
この2つが交わるとき、エンドユーザーが本番アプリケーションのために量子コンピューティングを実行し始めるのを目にすることになるでしょう。
多数のQREアプローチ
良いニュースは、量子プロバイダーからより詳細なロードマップが出始めており、今後数年間で彼らのマシンがどれほど強力になるかについてのアイデアが得られるようになっていることです。
過去数年間、私たちはこれらのページでPasqal、Infleqtion、D-Wave、QuEra、Microsoft、Rigetti、IonQ、IBM、Google、PsiQuantum、IQM、Quandela、Quantinuumなどのロードマップを公開してきました。したがって、量子ハードウェアがどこに向かっているのかについて良い理解を持っています。
それほど明らかでないのは、商業的に関連性のあるアルゴリズムを実行するためにどのようなハードウェアリソースが必要か、そしてそれらのアルゴリズムをより効率的にし、重要な結果を提供するためにより強力でないハードウェアで済むようにするためにどのようなイノベーションが起こっているかです。
これがQuantum Resource Estimators（QRE）が役立つ場面であり、近年、この質問への答えを提供する可能性のあるいくつかのQREが導入されています。利用可能なQREツールには、PsiQuantumのQREF/BARTIQ、GoogleのQUALTRAN、ZapataのBenchQ、Unitary FundのMetriQ、MicrosoftのAzure Quantum Resource Estimatorが含まれます。
今後、これらのリソース推定ツールは、リソース要件の生のメトリクスを提供する以外の分野でも価値を提供できます。アルゴリズムの2つの異なるバリアントを比較したい量子ソフトウェアエンジニアにとって、結果の違いについての可視性を提供できます。新しい最適化コンパイラに取り組んでいるソフトウェアエンジニアにとって、これらのツールはどのアルゴリズムが最も効果的かを判断するのに役立ちます。そしてハードウェアエンジニアにとっては、将来のアーキテクチャ設計における量子ビット数と量子ビット品質要件の目標設定に役立ちます。
QREの課題
同時に、これらのツールのユーザーは正確な入力パラメータを提供することに細心の注意を払う必要があります。ハードウェア側では、利用可能な量子ビット、量子ビット品質パラメータ、エラー訂正コードパラメータなどの情報をツールに提供する必要があります。そしてソフトウェア側では、合理的な量子アルゴリズムを入力する必要があります。よく言われるように「ゴミを入れればゴミが出る」であり、間違った入力は極端に不正確な推定をもたらす可能性があります。
本日、GQIは量子ビットモダリティとベンダープラットフォーム全体でのパフォーマンスを追跡するために、量子コンピューティングのユースケースとアルゴリズムを調査するプログラムを開始します。願わくば、この取り組みが、本番環境で有用な量子優位性を達成する最も早い可能性のあるアルゴリズムとユースケースを特定するのに役立つことを期待しています。
量子コンピューティングコミュニティと長年にわたり深い関係を持つ、独立した偏りのない第三者であるGQIは、このアプローチに透明性をもたらすための信頼できるリソースとして機能します。
どのようにそれを行うのでしょうか？
GQI QREプロジェクト
GQIインテリジェンスの一部として、私たちはユースケースのデータベースを維持しており、現在174のエントリが業界、量子ビットモダリティ、ベンダープラットフォーム、地域、アルゴリズムクラスによって分類されています。私たちはこのデータベースを継続的に拡張しており、現在、レビューおよび分類中の100近くの追加ユースケースのバックログがあります。
このデータベースを基盤として、私たちはMicrosoftと提携し、彼らのAzure Quantum Resource Estimator（AQRE）を使用してアルゴリズムとユースケースのパフォーマンスを評価します。
2週間ごとに、1つの量子コンピューティングユースケースまたはアルゴリズムを評価しようと試みます。これはMicrosoftやいかなるベンダーからも独立していますが、彼らのサポートとインプットを受けます。
私たちは現実世界の条件を実装するよう努力します。ヒーローゲートなし、サンドボックススタイルのパフォーマンス最適化なしで、結果を共有します。
私たちはQCベンダーやユーザーと協力し、真のパラメータとそれらが実行されたかもしれない条件を確保します。そして、（クラウドまたはその他の方法で）利用可能なパフォーマンス測定に依存します。
ベンダーやユーザーと協力する際、GQIは2015年以来行ってきたように、すべての機密データの機密性を保証し、QREパフォーマンス結果のみを公開しますが、特定のアルゴリズム、ユースケース、または独占的IPまたは非公開の量子ビットプラットフォームパラメータは公開しません。
GQI QRE Playbook
結果は公開の「GQI Playbook」で公開されます。プレイブックは、すべての結果とそれを分析する能力を持つライブデータ可視化、使用されたフレームワークの説明（この場合はMicrosoft QRE）、およびすべての結果の記述と分析で構成されています。
私たちは、Microsoftのサポートのおかげで、このQRE Playbookを無料でQuantum Computing Report by QCIウェブサイトで公開します。そして、予見可能な将来にわたって定期的に更新を提供できることを期待しています。
現時点での私たちの焦点はFTQCアプリケーションであり、そこから「下へ」進んでいきます。
最初の結果
以下の表の推定は、以下に説明する11の異なるユースケースで実行されました。
この表は、Microsoft Azure Quantum Resource Estimatorツールを使用して生成されました。このツールは、耐障害性マシン上で実行されるプログラムのリソース推定を提供します（このツールはNISQプロセッサをサポートしていません）。このツールに関するQuantum Computing Reportに投稿された以前の記事は参照できます。Azure Quantum Resource Estimatorの完全な概要は、arXivに投稿された技術論文で利用できます。このツールに関する追加情報は、Microsoftのウェブサイトのブログ投稿で利用できます。このツールのオープンソースはGitHubで利用できます。
このツールには、使用される量子プロセッサのパラメータとECCコードを指定するために使用できる多数のパラメータがあります。その方法の詳細は、上記の参照文献で説明されています。表示された結果表について、私たちが実行したテストの入力と出力として使用されたパラメータの定義は次のとおりです。
Q論理量子ビット数Cmin最小ローカルタイムステップC論理タイムステップMT状態の数d符号距離fTステート蒸留ファクトリーの数Factory使用される物理量子ビットの割合RatioTステート蒸留ファクトリー指定されたマシンでアルゴリズムを実行するための物理量子ビット数Physicalqubits
ターゲット量子コンピュータの特性も指定できます。これには、ゲート遅延、測定時間、QECコードスキーム、エラーバジェット、制約などが含まれます。Azure Quantum Resource Estimatorには、上記の表で使用した8つの事前定義された量子ビットパラメータセットが含まれています。これらは次のように示されています。
(us, 10-3)SC100マイクロ秒のゲート時間、10-3エラー率、表面符号。イオントラッププロセッサの可能性
(us, 10-4)SC100マイクロ秒のゲート時間、10-4エラー率、表面符号。イオントラッププロセッサの可能性
(ns, 10-3)SC100ナノ秒のゲート時間、10-3エラー率、表面符号。超伝導プロセッサの可能性
(ns, 10-4)SC100ナノ秒のゲート時間、10-4エラー率、表面符号。超伝導プロセッサの可能性
(ns, 10-4)SC100ナノ秒のゲート時間、10-4エラー率、表面符号。Majoranaプロセッサの可能性
(ns, 10-6)SC100ナノ秒のゲート時間、10-6エラー率、表面符号。Majoranaプロセッサの可能性
(ns, 10-4)FC100ナノ秒のゲート時間、10-4エラー率、floquet符号。Majoranaプロセッサの可能性
(ns, 10-6)FC100ナノ秒のゲート時間、10-6エラー率、floquet符号。Majoranaプロセッサの可能性
下のチャートは、10の異なる量子コンピューティングユースケースのリソース推定をグラフィカルに示し、物理量子ビットとランタイムの観点から要件を視覚的に比較しています。Quantum Dynamics、Factoring、Quantum Chemistry、Grover's Search Algorithm、さまざまな形式のQuantum Phase Estimation（QPE）を含む各ユースケースは、異なる色分けされた領域で表され、さまざまな計算タスクにわたる規模と実現可能性を示しています。
上記の結果は、2022年11月にMicrosoftがarXiv論文で公開した同じ仮定を使用した4つの同じユースケースについて、量子ビット数とランタイムの両方で大幅な改善を示していることに注目するのは興味深いことです。私たちはこれを、その時以来Microsoftが行ってきた最適化コンパイラとQuantum Resource Estimatorツールの両方の後続バージョンにおける改善に起因すると考えています。
上記の表からわかるように、これら3つのアルゴリズムのそれぞれは、現在利用可能なものよりもはるかに大規模で高速な量子コンピュータを必要とします。また、実行時間は447年という結果を示す1つのテストなど、かなり長くなり始める可能性があります。このツールの将来の使用法の1つは、異なるアーキテクチャを比較したり、異なるシナリオ間のトレードオフを検討したりすることです。たとえば、より短い実行時間を得るために量子ビット数を増やすなどです。私たちの希望は、これが実際のパフォーマンスを評価するための透明で実用的なアプローチを持つ、私たちのエコシステムのツールになることです。ですので、ご期待ください！
2024年8月5日
