Googleの量子誤り訂正のブレークスルーを理解する

 (quantum-machines.co)
2 ポイント 投稿者 GN⁺ 2024-11-24 | 2件のコメント | WhatsAppで共有
  • 量子コンピュータの基本単位であるキュービットは非常に敏感で、わずかな外部干渉でも誤りが発生する
  • 量子誤り訂正(QEC) は、多数の敏感な物理キュービットを組み合わせて、より安定した論理キュービットを生成し、誤りを訂正する
  • QECの中核的な目標は、物理キュービットの誤り率がしきい値以下のとき、さらに多くのキュービットを追加しても誤りが減るようにすること

Googleの主な成果: しきい値以下の誤り率を達成

  • Googleは、QECの特定の方式である surface codes を用いて、誤りを指数関数的に減らすことに成功した
  • 5個から7個のキュービットへとコード距離(code distance)を拡大することで、論理誤り率が2.14倍低下した
  • 実験の結果、論理キュービットは物理キュービットより2倍長く維持された
  • これは、論理キュービットが物理キュービットより優れた性能を示した初の事例であり、スケーラブルな量子コンピュータの重要な基盤を築いた

制御工学の観点から見たGoogleの革新

1. リアルタイム同期

  • すべての誤り訂正サイクルを 1.1µs 以内に完了する必要があり、これはキュービット間の完全な同期を要求した
  • 信号のわずかなタイミング誤差でも、誤りの蓄積や計算失敗を招く可能性がある

2. リアルタイムデコーディング

  • デコーディングは、測定データを分析して誤りの位置と種類を特定する作業
  • Googleは 63µs のレイテンシで100万回以上の誤り訂正サイクルを処理した
  • デコーダの速度が遅いと誤りが蓄積するため、リアルタイムデコーディングは不可欠である

3. 高忠実度ゲート運用

  • 単一キュービットゲートの誤り率 0.1%未満、2キュービットCZゲートの誤り率 0.3% を達成し、論理キュービットの安定性を確保した
  • ゲート誤りはシステム全体へと誤りが伝播する可能性があるため、精度が重要である

リアルタイムデコーディングの重要性

  • Googleの研究は、デコーダのレイテンシ(latency)とスループット(throughput)がQEC性能にどれほど重要かを示している
  • デコーディングはFPGAのようなハードウェア上で高速かつ正確に実行される一方、GPUはより高い計算能力を提供する
  • NVIDIAとQuantum Machinesの協業で生まれた DGX Quantum プラットフォームは、4µs未満のデータ往復レイテンシでQEC処理を支援する

今後の課題と展望

Googleが示す意味

  • Googleは、論理キュービットが物理キュービットを上回り得ることを示すことで、フォールトトレラントな量子コンピューティングへの道を切り開いた
  • 論理誤り率が指数関数的に低下することを実証し、複雑な量子計算を実行できる潜在力を示した

今後の研究課題

  • デコーダ速度の向上と自動化されたキャリブレーション
  • 高速な誤り緩和戦略の開発
  • 量子と古典的処理の間を統合する制御システムの設計
  • 誤りが蓄積する前に訂正するため、リアルタイムのフィードバックループを完成させるシステムが必要

関連記事

2件のコメント

 
GN⁺ 2024-11-24
Hacker News のコメント

  • これが本当に良い説明なのか疑問です。導入部から引っかかりました。古典コンピュータではエラーに強いメモリはビットを複製して多数決で直す、とありましたが、実際にはECC のような誤り訂正を使うのであって、ビットの複製と多数決を使うわけではありません。
    同じ効果をはるかに少ない追加ビットで得られるのに、ビットを複製するのは非常に無駄です。おそらく、より効率的な戦略がない論理回路の話と混同しているのだと思います。

    • 物理学者の立場から見ると、古典的な誤り訂正が常に単純な反復符号というわけではありませんが、情報の冗長性という概念は依然として当てはまります。たとえばパリティ検査のようなものです。
      量子誤り訂正では、複製不可能定理のため冗長性をそのまま使うことはできないので、代わりにより多くの量子ビットを使って、量子ビットの部分空間をより大きな空間の中に埋め込みます。訂正可能な誤りが起きると、この埋め込まれた部分空間が大きな空間内の別の「位置」へ移動し、それを検出してから部分空間内部の状態に触れずに元に戻せるため、量子情報が保たれます。
    • 指摘は正しいですが、面白い補足があります。古典的なプロセッサやデジタル論理チップ内部の電気信号は多数の電子で構成されており、電子は完全に理想的に振る舞うわけではないため、ばらつきが頻繁に生じます。
      信号が 0 なのか 1 なのかと解釈されるかは、多数の電子がどちらの方向へ動くかに依存します。電力を下げるほど信号あたりの電子数は減り、誤りは増えます。そういう意味では、古典コンピュータや光ファイバーのような装置にも、反復符号がハードウェア基板レベルで存在していると見なせます。
    • これはLLM がしそうな誤りのように見えます。人間が誤り訂正と「多数決」/合意を混同することは、ほとんどあり得ません。
    • 私もそこで引っかかりました。多数決は航空のような産業では使われますが、それでも計算結果を検証するものであって、すべてのメモリアドレスに適用するものではありません。
    • 少し寛大に解釈すれば、古典コンピュータのメモリは、各ビットのセルサイズを大きくする形の暗黙的な複製/多数決に依存していると見なせます。ワイヤで信号を送るとき、反復送信を低いボーレートに置き換え、信号レベルをより長く維持するのに似ています。
      ビットは単一の原子や電子に保存されているわけではありません。単一ビットを保存するセルは、同じ値を重複して保存するより小さなセルが並列接続された集合と見なせ、読み取り時にはメモリセル内の総電荷量を読むことで、アナログ的な多数決が自動的に起こります。
      コンピュータをどの程度抽象的に語るかによって、特に量子コンピュータと古典コンピュータを対比する場合、メモリは RAM だけでなく状態を保持するあらゆるものを意味し得ますし、古典コンピュータもデスクトップだけでなく単純な論理回路まで含み得ます。根本的には、デスクトップコンピュータも巨大な論理回路です。
      RAID-1 もありますし、より高いレベルではバックアップもあります。ですから、古典コンピュータで耐障害性のために複製を実際に使う例は十分にあると思います。

  • ブラウザの拡大/縮小を調整したとき、本文テキストだけを除いてすべてが大きくなる Web サイトを作るとは驚きです。

    • ルートのフォントサイズを画面全体の幅基準（1.04vw）にして、残りのスタイルは rem 単位を使っています。
      こういう方法は初めて見ました。ブラウザの拡大/縮小を回避するほぼ唯一の方法かもしれません。
    • こういうのは法律で禁止すべきです。まともな人間なら誰が望むのでしょうか。
    • この方法や別の CSS のせいで、縦向きのスマホでは読めるのに、横向きでは文字がものすごく小さくなるのが興味深いです。

  • 参考までに、ここで言及されている論文は 2024年8月27日に公開されました。
    https://arxiv.org/pdf/2408.13687

  • 量子コンピューティングがどこへ向かうのかは今も期待していますが、「ブレークスルー」の基準は新しくできました。量子コンピュータが数ビットより大きい素数の積の因数分解をできるようになるまでは、よくても進行中の作業と見るつもりです。

    • 量子ビット数が毎年 2 倍に増えても、因数分解された最大の数という指標は約 8 年間進展がないように見えるかもしれません。その後は毎年、因数分解できる数のサイズが 2 倍になり、合計で約 15 年後に RSA2048 が破られます。
      序盤の停滞は、誤り訂正のコストが前段に大きく偏っているためです。関心の持ち方によっては、この指標の初期の鈍感さは雑音を減らすので良いとも言えますし、実際の進展を適切に示せないので悪いとも言えます。たとえば実際の改善速度が毎年 2 倍ではなく 10 倍なら、RSA2048 が 12 年後ではなく 2 年後に破られると気づくまでに 3 年もかかる可能性があります。
    • こうしたプロジェクトの多くがそうであるように、途中には、より小さく、あまり派手ではないブレークスルーやマイルストーンが続くのだと思います。
    • 同意します。この分野の専門家ではありませんが、期待するファンとして長く見守ってきました。最近は、量子コンピューティングが最新の古典コンピューティングを置き換えて価値ある現実の問題を解く、商業的に viable な代替手段には永遠にならないかもしれない、という推定確率を少しずつ上げています。
      詳しく論じられるほど知っているわけではありませんが、「もちろん難しいが、最終的には到達する」と当然視する報道を読むたびに、そうした懸念が湧きます。理論上、量子アルゴリズムが価値ある現実の問題を解けることには同意しますが、「商業的に viable な代替物となって現実の問題を解く」段階に至るまでには、まだ未知の未知が多いように見えます。
      十分に信頼でき、費用対効果の高い規模の解決策を工学的に作れないようにする根本的な限界を発見する可能性もあると思います。残っているものの大半は「非常に難しい工学」だとかなり自信を持って言える、という反論を聞いてみたいです。
    • 量子コンピューティングのブレークスルーを見るたびに、最初の疑問はいつも「私の暗号はまだ安全なのか？」です。今の答えはまだそうだに近いように見えます。
    • その地点に到達するまでは、ブレークスルーが千個くらい出てくるでしょう。

  • 量子コンピューティングの進展一つひとつがどんな結果をもたらすのかはよく分からないが、いつか自分が作ったすべてのセキュリティキーと、すべてのソフトウェアの暗号アルゴリズムを変えなければならないという点で、量子コンピューティングのリスクにさらされていることは分かっている。
    今回の成果は、量子暗号の大惨事にどれほど近づけたのか？ 四半期ごとのエンジニアリング計画に予算として組み込むまで、あとどれくらい時間が残っているのだろうか。

    • たぶんそうはならないだろう。本当に突然で予想外のブレイクスルーが出ない限り、この問題が現実的に重要になるずっと前から、耐量子アルゴリズムを使うことがベストプラクティスになるはずだ。
      実務上は公開鍵暗号だけが問題で、共通鍵は大丈夫。少し単純化した言い方だが、実際にはおおむね正しい。
    • 非対称暗号と DH に集中すればよい。共通鍵が256ビットなら、そちらは大丈夫だろう。
      理想的には、大半は「openssl / openssh / golang-crypto などを最新バージョンに上げ、ハンドシェイク設定が最新の暗号アルゴリズムを使うよう確認する」程度で済むはずだ。ただし、人間的ないろいろな理由でプロトコルをどう変えるかの合意がほとんどなく、まだ先の話だ。
      いつかは新しい非対称鍵も生成しなければならないだろうが、そこで面白くなりそうだ。ハードウェアベースの解決策は今のところ存在せず、時間がかかる可能性が高い。企業は規制と連邦政府向け販売のために米連邦政府標準に合わせようとし、連邦政府はプロトコル標準化を非常にゆっくり進めつつ、認証アルゴリズムをさらに追加しようとしているようだ。関連標準である FIPS 140 の承認は今でも書類処理だけで1年以上かかるが、誰もがもっと速く動きたいと思っている。ソフトウェアは開発面ではより速く動けるが、鍵の窃取が容易になるという一般的なトレードオフと、公式認証の問題をそのまま抱えている。
    • 主な脅威モデルは、今は破れないものとして大規模監視で収集されたデータが、将来 復号可能 になることだ。
      そのため、すでに新しい「量子安全」なセキュリティメカニズムが開発されている。
    • 誰も正確には分かっていないようで、荒唐無稽な推測は多い。
      20年間耐える必要のある鍵があるなら、新たに NIST承認 を受けた標準アルゴリズムを試してみるとよい。

  • HNに、今回の成果が有用な量子コンピュータにどれほど近づけるのか理解している人はいるのだろうか。

    • Googleの研究開発組織による、また別の誇大PRだ。量子回路で生じるエラーを減らしてシステムの論理量子ビット数を増やそうとする理論的応用だが、最後の部分はまだやっていないので、実際に適用できるかはまだ見てみる必要がある。
      https://arxiv.org/abs/2408.13687
      “Our results present device performance that, if scaled, could realize the operational requirements of large scale fault-tolerant quantum algorithms.”
      Googleはスケール可能かどうかをテストするのを忘れたようだ。
    • 「フォールトトレランスのビジョン」という未来志向の小節があり、ほとんど空疎な文句で埋められたあと、「私たちはこの刺激的な旅を始めたばかりなので、今後にご期待ください！」で終わっているという事実だけ見ても、まったく近くないということだ。

  • ブレイクスルーという感じはしない。前向きな工学的進展であるのは確かだが、ブレイクスルーではない。
    それに、AIがこれといったい何の関係があるのか。

    • 論文の核心ではないが、Googleはニューラルネットワークデコーダをテストしており、それが最も高い精度を出した。また、別のデコーダの一部は強化学習で見つけた事前確率を使って精度を高めていた。