このインタビューでは、Global Quantum Intelligenceのジョージ・シュワルツ氏とマイクロソフトのマティアス・トロイヤー氏が、量子コンピューティングを実用的な有用性に到達させるためにスケーリングする際の主要な経路、経済的現実、技術的ボトルネックについて議論します。両氏はさまざまな量子ビットアーキテクチャの実現可能性を分析し、なぜマイクロソフトがトランスモンなどの代替技術よりもトポロジカル量子ビットと中性原子技術を支持するのかを強調し、対象アプリケーションを評価して、量子化学が真の商業的価値を提供する一方で、ビッグデータ、機械学習、最適化は速度とデータI/Oの面で重大な制限に直面すると結論付けます。さらに、トロイヤー氏はポスト量子暗号への移行を加速する必要性に言及し、AI統合が分子シミュレーションにおける重要な古典的埋め込み問題の解決にどのように役立つかを詳述し、量子開発を評価する際には全体論的指標、具体的には「ソリューションあたりのドル」でのエンドツーエンドコストと、論理量子ビットの能力を測定する4次元フレームワークを用いることを提唱します。
ジョージ・シュワルツ：GQIでは、量子エコシステムを追跡しており、さまざまな信じられないようなモダリティ、予測、そしてこのQEC会議で起こっている多くのこと、例えばNvidiaとのデコード改善のさまざまなタイプ、あなたが今日の講演で示したCPUとQPUの並行性についてのすべてを見ています。私たちは業界と可能な限りペースを合わせたいと考えており、フォールトトレランス、ユーティリティスケールについての洞察やご意見をいただきたいと思っています。スケーリングに取り組む際に、どうやってコスト効率を高めるかについて、あなたは非常に優れたポイントを挙げていましたね。議論をその方向に進めるために、まず一般的なコメントをいただき、その後、具体的な質問をいくつかさせていただきます。
マティアス・トロイヤー：それは背景として理解するためですか、それとも何か公開する予定ですか？私の文脈のために教えてください。
ジョージ・シュワルツ：おそらくトランスクリプトを書き起こすでしょうが、主に理解のためです。私たちがよく行うことの一つは、業界のさまざまなプレーヤーと技術的デューデリジェンスを行うことですが、例えば、エコシステムには人々が考えているベンチマークが存在しないことがわかります。論理量子ビットについての議論があり、Quantinuumはサンディアから彼らの新しいquopsの用語について素晴らしい講演をしていました。プレスキルも同じ頭字語であるquopsのアイデアを持っていましたが、これは少し混乱を招きます。会話を導くために、最初の質問に移りましょう。
あなた方は明らかにマヨラナに強気ですが、それは明らかな理由があります。また、原子関係者、中性原子、イオントラップともいくつか話をしましたね。それらのアーキテクチャの現在の強みで特に気に入っている点を教えていただけますか？また、フォールトトレランスとユーティリティスケールに到達するにつれて、それらの強みは永続すると思いますか？
マティアス・トロイヤー：トポロジカル量子ビットの強みは、私の講演で聞いたかもしれませんが、スケールでの制御が最も容易であることです。そしてそれはコスト問題に戻ります。計算にかかるコストはいくらか？それがDARPAが最初に強く推し進めたことです。それは2021年、量子ベンチマーキングプログラムが始まる前のことでした。そのときDARPAが私たちに尋ねました。「マティアス、私たちは量子コンピューティングには商業的応用がなく、スケールへの明確な経路を持つ技術もないと確信した。そうなると、量子は暗号に対する脅威にすぎない。もしそうなら、量子コンピューティングへの資金提供を実際に停止すべきだ」と。
ジョージ・シュワルツ：それはここにいる多くの科学者を悲しくさせるでしょうね。
マティアス・トロイヤー：理にかなっています。商業的応用がなく、商業的価値が永遠にないのであれば、量子科学をやりましょう。素晴らしい科学実験ですが、論理量子ビットや量子コンピュータの構築に向けて推し進める必要はありません。しかし商業的価値の可能性があれば、誰かがそれを構築するでしょう。そして米国が最初であるべきです。それは二元的なものでした。そして彼らはその時点で、経路も応用もスケールへの経路もないと確信したと言っていましたが、マイクロソフトは化学が応用だと主張し続けています。私はそれを言い続けています。彼らはその理由を理解したいと思っていました。なぜなら彼らの見積もりはそれがそうでないことを示していたからです。また彼らはトランスモンやスピン量子ビットなどがスケールするとは思っていませんでしたが、私たちはトポロジカル量子ビットに投資しています。彼らの問題はそれを理解していないことでした。それが量子ベンチマーキングプログラムを開始したきっかけであり、そこで彼らは応用が何であり得るかも検討しました。そして同じ結論に達しました。量子シミュレーション、化学、材料です。彼らはそれを確認しました。問題は依然として、講演で述べたように、それが十分に安価かどうかです。それが大きな挑戦です。価値は明確であり、人々が主要なシミュレーションに何千ドルを支払うかがわかっています。その価格帯でそれを実現できますか？そこが、トポロジカル量子ビットで到達する明確な経路がある場所です。
他の技術でも到達できるかもしれません。私たちは多くの技術を検討しました。マイクロソフトにはトランスモン量子ビットがあります。スピン量子ビットもあります。私たちはそれらを採用しないことに決めました。スケールへの経路が見えなかったからです。しかしその後、中性原子の進歩が見られました。その進歩は有望に見えました。だからこそ私たちはAtom Computingと提携しました。そこには、その技術が最初のユーティリティスケールに最初に到達する大きな機会があると考えています。なぜなら、原子をスケールするのは固体をスケールするより容易であり、自由空間光学をスケールするのは配線をスケールするより容易だからです。また、クロックスピードが遅いため、それも容易です。つまり、制御スタックの実装が容易で、デコードも容易です。遅いからです！これは始めるのに最適な場所です。現在、今後2年から3年の間に、私が見る最良の技術は中性原子です。
ジョージ・シュワルツ：そこでいくつか掘り下げたいことがあります。最初に、そして講演でも、最大の価値の一つは化学のシミュレーションであると述べました。もちろん暗号に関するアイデアもありますが、最適化や機械学習の分野もあります。ある時点で、いくつかのアルゴリズムの二次高速化について批判的でしたね。QECの発展と、物理量子ビットから論理量子ビットへのさまざまなリソース見積もりにより、それらがよりコスト効率的になるとは思いませんか？
マティアス・トロイヤー：確かにそうですが、論理ゲート操作には依然として数十億から数兆のトランジスタスイッチが必要です。それは変わっていません。おそらく10倍程度はシフトしたかもしれません。しかしその間に、過去3年間でGPUは10倍強力になりました。比較は常に単一のGPUに対してでした。それは3年前の論文で使用したGPUとの比較でした。現在のGPUは10倍強力です。つまり競争があり、小規模問題に対する二次高速化のコストが時間とともにどうなるかですが、当時私たちが得たのは、単一の16ビット浮動小数点演算の場合、1ヶ月です。単純なコスト関数である1000回の演算の場合、数世紀です。数世紀が数十年になっても、それは違いを生みません。したがって、二次以上の高速化は依然として存在します。そして機械が1億ドルかかる場合、その金額で多くのGPUを購入できます。二次高速化の限界が残るほどの十分なギャップがあります。I/Oについても同様です。量子コンピュータにデータをロードする方が単純によりコストがかかります。それは常にそうでしょう。なぜなら論理量子ビットは常にトランジスタより複雑だからです。論理量子ビットがすべての制御を含めてトランジスタと同じくらい安価になれば、変わるかもしれません。しかしそれは起こりそうにありません。単に必要な読み出し処理、そこにあるすべてのエレクトロニクスを考えてください。標準的な線形または二次の方法にとってビッグデータが応用になる可能性は決してありません。単純にI/Oがはるかに遅いからです。
ジョージ・シュワルツ：なるほど。
マティアス・トロイヤー：クロックスピードが遅いからです。最適化については、25年間にわたって二次の上限があることを示す論文が存在します。量子に着想を得たアルゴリズムの進歩が多くあり、そこで量子のアイデアが最適化のために開発され、その後、新しい古典的アイデアに脱量子化されます。量子アルゴリズムは最適化において新しい古典的アルゴリズムを開発する上で大きな影響を与えています。
ジョージ・シュワルツ：その量子化学の点について、HPCと潜在的QPUを統合する多くのイニシアチブを見てきましたが、化学シミュレーションのワークフローにおいて、QPUが最も価値を提供する側面はどこだと考えますか？DFTやDMRGなどの古典的なものは、化学シミュレーションのゴールドスタンダードかもしれません。QPUが最も利益を提供するのはどこだと思いますか？
マティアス・トロイヤー：それについては、私たちが書いた化学向けQDKに関する論文を見ていただきたいです。そこで私たちは、Copilotを使用した科学問題から、まず古典的な力場で構造を正しく取得し、その後DFTで精密化するまでのワークフロー全体をオープンソースで実装しました。そしてそれを進めて、化学反応を調べます。まずML力場で反応経路を調べ、次にDFTで、その後結合クラスター法で精密化します。そしてそれが十分でない場所を見て、そこが量子コンピュータを使用する場所です。それは基本的に例えばDMRGを置き換えるでしょう。DMRGや完全CIのより正確で、よりスケーラブルなバージョンになります。それが技術的にニッチであると言える場所です。それによって、それが本当に必要か、DMRGでできるかという質問ができます。論文はそれを示しています。ガーナー・チャンネルも「私にもできる」と言いました。彼はそれを信じていますが、他の人は「いや、信じない」と言うでしょう。最終的に、それは間違った質問です。なぜなら最終的には、
