はてなブックマーク

2019年10月23日、Googleが量子超越を実現したという論文を公開し、量子コンピュータの歴史に新たな1ページが刻まれた。 「量子超越」は、量子コンピュータの歴史における大きな一歩である。Googleの研究チームは、最速のスーパーコンピュータを使っても1万年かかる問題を、Googleの53量子ビット(qubit)の量子コンピュータは10億倍速い、200秒で解けることを示したという。 今後、Googleが示した量子超越性に対して様々な角度から検証がなされていくだろう。量子超越性は、物理学及び計算科学の歴史の1ページに刻まれるべきマイルストーンである一方、量子超越性や量子コンピュータの実用化についても、様々な憶測や誤解が広まっている。 この記事では、Googleが示した量子超越性について前編と後編の2つのパートに分けて解説していく。 前編では、量子超越性を実証するための基本的な考え方、量子

近年、「量子コンピュータ」「量子アニーリング」という言葉をよく聞くようになった。 しかし、マーケティング目的のキャッチフレーズだけが先行している印象も受ける。 「量子コンピュータ」「量子アニーリング」は、いかなるポテンシャルを秘めた技術で、社会実装はどの程度進んでいるのか。本記事では、量子アニーリングを活用し、企業活動における最適化問題の解決に取り組む株式会社Jijの代表・山城悠氏と、量子コンピュータを活用したソフトウェアを開発する株式会社QunaSysの代表・楊天任の対談をお届けする。「量子コンピュータ」「量子アニーリング」のバズワード化への警鐘、その実質的な活用ポテンシャル、そして研究室発ベンチャーならではの強みと課題まで徹底討論した。 （聞き手・構成：小池真幸、撮影：岡島たくみ） バズワード化する「量子コンピュータ」。その技術ポテンシャルと、社会実装の進展度合い –––まずはQuna

量子コンピューターは量子力学の原理を利用して計算を行う次世代コンピューターで、多くの国の政府が重点分野に指定、IT企業も開発競争に参入し、近年日本でも関心が高まっています。５年くらい前には「量子コンピューター」の文字を、毎日のようにニュースやウェブの記事などで目にすることになろうとは「思ってもいなかった」というのが正直なところです[1, 2]。 さて一方で、量子コンピューターに関する誤解も多く見受けられます。量子コンピューターは量子力学の原理を利用して計算を行う次世代コンピューターですが、その「量子力学」を直感的に理解するのは困難です。 量子力学が直感と反する様は、かのリチャード・ファインマンも「もしも量子力学を理解できたと思っているならば、それは量子力学を理解できていない証拠だ」と表現したほどです。そのため、ITやコンピューターの専門家はおろか、たとえ物理の専門家であっても、量子コンピュ

2018年4月末日 IBM の研究グループから、量子コンピュータを使った教師あり学習の実験結果が発表された。(Supervised learning with quantum enhanced feature spaces) この記事ではこの結果について解説する。 以前 量子コンピュータ×機械学習 の記事で紹介した、Rigetti Computing社による教師無し機械学習と対照的な実験だ。一般的な量子コンピュータと機械学習の関連については、 上の記事で解説したので、今回は Supervised learning with quantum enhanced feature spaces の内容にフォーカスする。 NISQデバイス 近い将来に作られる量子コンピュータは、qubit数は数十から数百に達するが、それぞれのqubitに対する雑音は、十分に取り除くことができないとみられている。そのよ

量子コンピュータが古典コンピュータと一線を画するところは、情報を量子力学的に保存し、その情報を量子力学的に扱うことである。量子コンピュータにおいて情報は $$ \alpha |0\rangle + \beta |1\rangle$$ のように$|0\rangle$, $|1\rangle$ のどちらとも確定していない、重ね合わせの形で保存される。これが量子力学的な情報である。同じ情報を古典コンピュータで保存したいなら、重ね合わせの重みを表す数字である $\alpha$, $\beta$ をメモリ上に保持するほか無い。$|0\rangle$, $|1\rangle$ の2状態なら大したことは無いが、例えば使うビット数を 30 bit まで増やしてみよう。30 個の量子ビットを持つ量子コンピュータ上には、$|00\cdots 0\rangle$ ~ $|11\cdots 1\rangle$ ま

本稿では、米国カリフォルニア州のマウンテンビューにて、2018年12月10日から12日の日程で開催されたカンファレンス、Q2B: QUANTUM FOR BUSINESS 2018 に参加して知ったこと、そして2019年の量子コンピュータ業界の発展に必要なことをまとめます。 Q2Bとは Q2BはQCwareという量子コンピューティングのベンチャーが主催する量子技術とビジネスをつなげるカンファレンスで、今回は昨年2017年に続き２回目の開催です。 ちなみに、QCwareは、GoogleがUCSBのマルチネスを抱え込み量子コンピュータのハードウェア開発に乗り出した、2014年設立された、量子コンピュータのソフトウェアベンチャーです。 量子機械学習分野の研究者Iordanis Kerenidisが参加していたり、なんといっても、量子計算分野のスタープレーヤーである Scott Aaronson

本記事はQuantum Algorithm Zoo全訳シリーズの一部です。 以下のリンクから他の記事に飛べます。 前書き 代数アルゴリズム、数論アルゴリズム(本記事) オラクルアルゴリズム 近似アルゴリズム、シミュレーションアルゴリズム Algorithm: 因数分解 Speedup: 超多項式的 詳細 $n$ ビットの整数が与えられたとき、その整数の素因数を計算する問題である。この問題は、Peter Shorによる量子アルゴリズムにより、 $\tilde{O}(n^3)$ [82, 125] で解けることが知られている。既知の最も高速な整数の因数分解の古典アルゴリズムは一般数体ふるい法であり、これは $2^{\tilde{O}(n^{1/3})}$ の時間を要すると信じられている。古典計算量において、厳密に証明された因数分解の最良の計算時間の上界はPolland-Strassenアルゴリ

訳者前書き この記事はStephen Jordan氏によって作成され運営されているWebサイトQuantum Algorithm Zooを、運営者の許可を得て日本語訳したものである。Quantum Algorithm Zooは現在知られている古典アルゴリズムより高速な量子アルゴリズムをまとめたWebページで、2018年2月現在60個のアルゴリズムが紹介されている。この翻訳記事は2018年1月18日でNISTにおいて公開されていたバージョンをもとに作られている。 本記事は以下のの三つ記事に分かれている。 代数アルゴリズム、数論アルゴリズム オラクルアルゴリズム 近似アルゴリズム、シミュレーションアルゴリズム 著者(運営者のStephen Jordan氏)について 著者：Stephen Jordan 所属：Applied and Computational Mathematics Divisi

2017年12月 量子コンピュータベンチャーである Rigetti からキャッチーな研究成果が発表された。その題は、「ハイブリッド量子コンピュータによる教師なし機械学習」。(Unsupervised Machine Learning on a Hybrid Quantum Computer) この記事では、この研究がどのような内容で、量子コンピュータ×機械学習 = 量子機械学習 という大きな流れの中で、どのような位置づけにあるのかを解説する。 教師あり学習 vs. 教師なし学習 機械学習は大きく「教師あり学習」と「教師なし学習」に分けることができる。教師あり学習とは、ある入力データセット (例えば 1 ~ 9 までの手書き数字) と、それに対応する教師データ (その画像データが 1 ~ 9 のどれかという情報) をもとに、コンピュータが入力データのクラス分けを学習する。入力データと教師デー