Rigetti Computing（NASDAQ: RGTI）の研究者らは、大規模な組合せ最適化問題を解くために必要な物理量子ビット数を削減する、量子ビット効率的な量子最適化アルゴリズムを開発し、実験的に検証しました。Physical Review Applied（DOI: 10.1103/s5jv-jh24）に掲載された査読付き論文で詳述されているこの手法は、N個の古典変数を、N個よりはるかに少ない物理量子ビットの絡み合った量子状態にマッピングし、量子ビット数と回路深度の間の調整可能なトレードオフを確立します。
標準的なQuantum Approximate Optimization Algorithm（QAOA）などの従来の量子最適化アルゴリズムは、問題変数と物理量子ビットの1:1マッピングに依存しています。Rigettiの変分アプローチは、N個の古典変数をDビットのKグループに分割し、問題の構成を縮小されたヒルベルト空間上の重ね合わせとして格納します。研究チームは、困難な古典的最適化の標準ベンチマークであるSherrington-Kirkpatrickスピングラスモデルでアルゴリズムをベンチマークし、物理的な9量子ビットのRigetti超伝導量子プロセッサを使用して実行を検証しました。
| [ Rigetti 量子ビット効率的最適化アルゴリズムのベンチマーク ] | ||
|---|---|---|
| アルゴリズム上の革新 | 実験的検証 | 運用パフォーマンス |
| • 1:1未満の変数対量子ビットエンコーディング | • 9量子ビットのRigetti超伝導QPUで実行 | • 問題インスタンス全体でのパラメータ集中 |
| • 絡み合った状態でのメモリ格納 | • Sherrington-Kirkpatrickスピングラスモデル | • 標準の1:1 QAOAに近いソリューション品質 |
| • 調整可能な深度と幅のトレードオフ | • DARPAおよびDOE NERSCリソースによる支援 | • FTQCデバイス向けの物理量子ビットオーバーヘッド削減 |
実験結果はパラメータ集中を示し、最適な回路パラメータを問題インスタンスのファミリー全体で再利用して、古典的最適化の実行時オーバーヘッドを削減できることを実証しました。DARPAおよび米国エネルギー省のNERSC施設の支援を受けて開発されたこのアルゴリズムは、物理量子ビット数に制約のある近接ハードウェアおよび初期のフォールトトレラントシステム上で、継続的な最適化ワークロードをスケールするための構造的フレームワークを提供します。
Rigetti Mediumの技術概要はこちら、Physical Review Appliedの査読付き研究論文はこちら、RigettiとPurdue Universityによる制約付き最適化のための量子プレコンディショニングフレームワークに関する以前の分析はこちらでご覧いただけます。
2026年9月14日
