光を使って難問を解く新しい量子計算原理を実現

ポイント

• 測定フィードバックによる波束の収縮によりトリガーされる相転移^注１）を動作原理とする新たな量子計算スキームを提案。
• 全結合を施した光パラメトリック発振器群を用いて、この新しい計算機「量子ニューラルネットワーク」を実現。
• ノード数２，０００の組合せ最適化問題の解探索に成功し、現代コンピュータを凌駕する性能を実証。
• 計算創薬、通信ネットワークの最適化、圧縮センシング、深層学習など、実社会における組合せ最適化問題への適用が今後期待される。

＜ＩｍＰＡＣＴ　プログラム・マネージャーのコメント＞

ＮＴＴのチームが推進する大規模光パラメトリック発振器群による量子ニューラルネットワークの実装とＮＩＩ－スタンフォード大学のチームが推進する原理実証・応用探索は、ＩｍＰＡＣＴ「量子人工脳を量子ネットワークでつなぐ高度知識社会基盤の実現」プロジェクトの要の研究課題です。これは、組合せ最適化問題を高速に解くための量子ニューラルネットワークのハード／ソフト技術を確立するものだからです。

今回開発したマシンを使って、組合せ最適化問題の一つである最大カット問題の解を、高速に探索できることを実験的に実証した本成果は、実社会の様々な問題への適用を目指すにあたって、その拠り所となる成果です。本研究開発の成果を弾みに、量子ニューラルネットワークの実機開発と、一般ユーザに使っていただくためのクラウドサービスに向けた活動の、更なる加速を図ります。

＜研究の背景と経緯＞

現代社会の様々な分野、例えば創薬のための化合物探索、無線通信ネットワークにおけるリソース最適化、不完全な観測データから元情報をできるだけ忠実に再現する圧縮センシングなどでは、大規模な組合せ最適化問題を高速で解く計算手法が必要とされています。組合せ最適化問題とは、様々な条件の下で、多数ある選択肢の中から最適なものを選び出す問題で、問題サイズが大きくなると選択肢が爆発的に増えるために、現代コンピュータでは解くことが困難になることが知られています。組合せ最適化問題の多くは相互作用するスピン群のモデルである「イジングモデル」のエネルギー最低状態を求める問題に変換可能であることが知られています。そのために、様々な物理系を用いて人工スピン群を作製し、イジングモデルを通して組合せ最適化問題を高速に解く試みが世界の有力企業を中心に精力的に進められています。

現代コンピュータ技術を支えるＣＭＯＳ電子回路の微細化技術が限界に近づき、１８ヶ月毎にコンピュータの性能が２倍になるというＭｏｏｒｅの法則の終焉が現実のものとなってきた現在において、現代コンピュータとは計算原理が全く異なる新しい計算機モデルの必要性が認識されています。そのような取り組みの代表的な例として、表１に示す量子コンピュータ、量子アニーラなどがあります。

本ＩｍＰＡＣＴ研究開発プログラムでは、光パラメトリック発振器を光伝送路で直接つないで簡単なイジングモデルを実装するコヒーレントイジングマシン（Ｃｏｈｅｒｅｎｔ　Ｉｓｉｎｇ　Ｍａｃｈｉｎｅ：ＣＩＭ）の研究開発を進めてきました。ＣＩＭでは、人工スピンとして光パラメトリック発振器（Ｏｐｔｉｃａｌ　Ｐａｒａｍｅｔｒｉｃ　Ｏｓｃｉｌｌａｔｏｒ：ＯＰＯ）の位相を用います。ＯＰＯは、０またはπの位相しかとらない特殊なレーザ発振器で、位相０、πをそれぞれ上向き、下向きのスピンに対応させることができます。各ＯＰＯを光伝送路を介して互いに結合することで、スピン間の相互作用を実現します。光伝送路によりネットワーク化されたＯＰＯ群は、多くの場合ネットワーク全体の損失が最小となる位相の組合せで発振するため、イジングモデルの基底状態を与えるスピンの組合せを高い確率で得ることができます。

２０１４年に４つのＯＰＯからなるＣＩＭが報告された後、ＯＰＯ数は１６へ拡張され、２０１６年４月にはＯＰＯ数を１０，０００へと飛躍的に増大することに成功しました。しかし、スピン間相互作用を光伝送路を用いて実装していたため、限られたネットワーク構造を実現するにとどまっていました。現実社会で課題となっている複雑な組合せ最適化問題に適用するためには全てのＯＰＯ間に結合を実装する全結合を実現する必要がありました。

＜研究の内容＞

今回開発した量子ニューラルネットワーク（Ｑｕａｎｔｕｍ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ：ＱＮＮ）では、長距離光ファイバで構成された共振器を周回する時分割多重ＯＰＯパルス（スピン）群をニューロンと見立てます。また、各ＯＰＯパルスの発振位相・振幅の近似測定を行い、その情報をもとにＯＰＯ間の結合信号をＦＰＧＡ（Ｆｉｅｌｄ　Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙ）を用いて生成し、これをフィードバック用光パルスに重畳して各ＯＰＯパルスに帰還する「量子測定フィードバック」回路をシナプス結合と見立てたシステムを実現しました（図１）。これにより、任意のＯＰＯパルス間結合が可能となり、神経細胞のネットワークに似た、従来に比して飛躍的に複雑な量子発振器ネットワークを実現しました。

ＮＩＩ－スタンフォード大学のチームは、構築した１００ニューロン／５，０００シナプス結合のＱＮＮを用いて組合せ最適化問題の一つである最大カット問題^注３）を解き、厳密解が知られている１００ノード以下の問題に対し高速に厳密解を得ることを確認しました（図２）。また、ＮＴＴのチームは、２，０４８ニューロン／４，０００，０００シナプス結合のＱＮＮを用いて、ノード間の結合が多い問題に対しては、現代コンピュータ上に実装したアルゴリズムと比べ約５０倍の高速化と近似精度の改善を達成しました（図３）。

【光パラメトリック発振器と量子測定フィードバックから構成される量子ニューラルネットワーク（図１）】

• ① 時分割多重ＯＰＯパルスの発生過程において、各ＯＰＯパルスの振幅・位相を近似測定。
• ② どのＯＰＯ間を結合するかという情報をあらかじめ入力したＦＰＧＡに測定結果を入力。これら２つの情報をもとに、ＦＰＧＡにおいて各ＯＰＯにフィードバック結合する信号を計算。
• ③ 計算したフィードバック信号を光変調器を用いてＯＰＯと同一の波長と位相をもつ光パルスに重畳し、これを各ＯＰＯに入力することで、ＯＰＯ間の結合を実現。Ｎ個のＯＰＯに対し、全ての組合せに相当するＮ（Ｎ－１）通りのＯＰＯ結合をたった一つのフィードバック回路で実現。

【１００ノード最大カット問題の厳密解探索（図２）】

• ① 厳密解が知られているノード数１００、各ノードが３個のエッジで他ノードと結合しているグラフの最大カット問題に対し、解の全候補（２^Ｎ　≊１０^３０）の中から厳密解を成功確率２０％以上で出力することを確認（図２（ａ））。
• ② １６ノードの全てのグラフに対する厳密解正答率を実験と数値シミュレーションで比較（図２（ｂ））。シミュレーションで予測された結果と実験結果が良く合っていることを確認。

【２，０００ノード最大カット問題の近似解探索（図３，４）】

• ① 厳密解が知られていないノード数２，０００の最大カット問題の解探索を実施。ランダムグラフ、スケール・フリーグラフ、完全グラフの３種のグラフに対し、５ｍｓの時間内に良い近似解を得ることを確認。（ランダムグラフの場合の解探索結果：図３）　
• ② 特に、結合数約２００万の完全グラフ問題に対して、デジタルコンピュータ上で実装された従来のアルゴリズム（焼きなまし法^注４））に対し、約５０倍の高速化を確認（図４）。

＜技術のポイント＞

（１）長距離光ファイバ共振器を用いた多数のＯＰＯの一括発生

実験系を図５に示します。フィードバック制御により位相を安定化した長さ１ｋｍの光ファイバ共振器中に、周期分極反転ニオブ酸リチウム（Ｐｅｒｉｏｄｉｃａｌｌｙ　Ｐｏｌｅｄ　Ｌｉｔｈｉｕｍ　Ｎｉｏｂａｔｅ：ＰＰＬＮ）導波路^注５）を挿入します。ＰＰＬＮ導波路に、波長７６８ｎｍ、繰り返し周波数１ＧＨｚのポンプパルス列を入力します。ＰＰＬＮ導波路においては、ポンプ波長の２倍にあたる１５３６ｎｍの波長において、ポンプ光の位相に対して０またはπの位相成分だけが増幅される位相感応増幅と呼ばれる現象が得られます。ポンプ光入力直後に位相感応増幅により発生した雑音が種光となり、光ファイバ共振器中の波長フィルタの透過波長を１５３６ｎｍとすることで、位相が０またはπのみの光が発振するＯＰＯを実現できます。光ファイバ共振器の一周時間が約５μｓ、ポンプパルスの時間間隔が１ｎｓなので、本実験系を用いて時間的に多重された約５，０００個のＯＰＯを一括して発生することができます。

（２） 量子測定フィードバックによるＯＰＯ間の結合

図１に構成を示します。ＯＰＯパルスの発生過程において、光ファイバ共振器中を周回するＯＰＯパルス列のエネルギーを一部とりだし、各ＯＰＯパルスの位相、振幅を測定します。測定結果はＦＰＧＡに入力します。ＦＰＧＡには、どのＯＰＯ間を結合するかという情報をあらかじめ入力しておきます。ＦＰＧＡは、これらの情報をもとに、次のステップで各ＯＰＯに入力するフィードバック信号を計算します。このフィードバック信号を、ＯＰＯと同一の波長と位相をもつ光パルスに重畳し、該当するＯＰＯに同期して注入することで、ＯＰＯ間の結合を実現します。これにより、全ての組合せのＯＰＯ間結合を実装することが可能となります。今回の実験では、最大２，０４８のＯＰＯに対し本手法を実装することで、２百万通り以上のスピン間結合（無向グラフの場合）を実現しました。

＜今後の展開＞

今後は、より大規模な組合せ最適化問題に対応し従来の計算機に対するいっそうの優位性を示すために、さらなるスピン数の増大を目指します。また、創薬、通信ネットワーク、圧縮センシング、深層学習など、実社会の様々な課題にＱＮＮを適用します。さらに、ＱＮＮを遠隔で使用するためのウェブインターフェースを実装し、広範なユーザがクラウドサービスを利用できるようにすることで、ＱＮＮの新たな応用の開拓を目指します。

＜参考図＞

＜用語解説＞

注１） 波束の収縮によりトリガーされる相転移

量子力学では、測定する前はどんな測定値が得られるかはあらかじめ特定できないが、ひとたび測定すると測定値の近くに波束は引き寄せられ、不確定さも小さくなる（図６（ａ））。この測定結果に基づくフィードバック信号を他のＯＰＯパルスへ結合すると、エネルギーの低い状態に２つの波束が変化する（図６（ｂ））。このような測定フィードバックによる波束の収縮がＯＰＯの発振（相転移）で起こると、一気にイジングモデルの基底状態が実現される。

注２） スピン

電子などの素粒子は小さな磁石としての性質をもつ。この磁石としての性質を古典的な球の自転になぞらえて「スピン」と呼ぶ。

注３） 最大カット問題

頂点（ノード）と、ノードを結ぶ線（エッジ）からなるグラフにおいて、ノードを２つの部分集合に分割する際、切れるエッジ数が最大となる分け方を求める問題。

注４） 焼きなまし法

シミュレーティド・アニーリング（Ｓｉｍｕｌａｔｅｄ　Ａｎｎｅａｌｉｎｇ：ＳＡ）とも呼ばれ、確率的探索を用いて最適化問題を解く汎用近似解法の一つ。広い探索空間内の大域的最適解に対して、精度保証はないが多くの問題によい近似解を与えるヒューリスティックアルゴリズム。

注５） 周期分極反転ニオブ酸リチウム（ＰＰＬＮ）導波路

異なる波長の光同士を相互作用させることが可能な「非線形光学効果」と呼ばれる特殊な特性を持つ結晶であるニオブ酸リチウム（ＬｉＮｂＯ_３）において、自発分極と呼ばれる結晶内の正負の電荷の向きを一定の周期で強制反転させた人工結晶を用いた光導波路。高い非線形光学効果を得ることができる。

＜論文情報＞

＜お問い合わせ先＞