昨今、量子コンピューター関連のニュースが増えています。そのアプリケーション応用に関して多くのニュースが出ていますが 実際には材料計算や機械学習、最適化問題などを多くのアプリケーションは実用化に程遠く基礎研究レベルとなっています。これは当初想定されていたよりも進捗が遅くなっています。 当初は2023年頃には多くの実用的な計算が想定されていましたが、実際には現在のハイブリッド方式に関しては多くの計算ができず、化学計算や最適化問題、機械学習全ての分野において、アプリケーションの停滞が起こっています。 基礎研究においては進んでいますが、応用研究に関してはやはり企業の実用的な利用という観点において多く大きな遅れを取っており、現状これらが実用化される目処は現在のところ立っていないというのが現状です。そのため多くの企業が 量子コンピューターに参入して最初に気づくのがまだまだ使える技術がなく本物の量子コンピューターを使うという機会も少なく多くがCPUやGPU上でのシミュレーションにとどまっているという理論構築のケースだということで気づくことでしょう。 そのタイミングで企業が取るいくつかの 選択肢があります。1つが量子アニーリングと呼ばれる組み合わせ最適化問題に特化した形式を取り上げ、これを既存のコンピューターでシュミレーションして高速化しようという流れです。使える問題は組み合わせ最適化問題と呼ばれる、業務効率化などのアルゴリズムであり多くが物流 やシフト最適化などの空間や時間の最適化を通じて短期的な広告効果と利益を取ろうという戦略です。 もう1つは基礎研究に特化し、 対外的なアピールを通じて量子コンピューターを使っていますよという最低限の予算獲得に制限し、細々と論文発表をしてやり過ごしていくというものです。 しかしこれらは、もともと想定されていた量子コンピューティングにおける根本的な課題解決に程遠く、基礎研究として 論文発表という形を取ることはできても 実際の応用研究として社会に役立つということはありません。 大学や研究所という中長期的な目標を持っている期間や組織であれば許されるかもしれませんが 、数年での短中期における成果を求められる企業においてはこのような活動は部門の先細りになることは目に見えております。実際弊社のクライアントでもこのような量子コンピューター業界の現状を危機感をもって感じ社内 説明や短期の利益確保に向けて方針転換を行うという企業が増えています。 弊社は量子アニーリングからスタートし、9年この分野で行っています。当初は最適化問題を数千量子ビット単位で行って業務課題の解決を試してきました。 2018年からはNISQ量子ゲートを使った最適化や機械学習に特化しています。また、会社の方針として基礎研究はあまり行わず、既存ある技術を使って企業へどのように応用研究を行っていくか 、そして利益を出していくかというところに集中して行ってまいりました。 しかし、現状で到達した結論としては しばらくは量子コンピューターを利用した実用化はかなり厳しく大きな方針転換を迫られています。 さらに量子コンピューティングにおいてはGoogleが達成した量子超越に関して既存コンピューターにおいても効率的に計算ができるということがわかってきており 、アプリケーション分野においても既存コンピューターの方が高速であり 、便利であるということで量子コンピューティングの優位性を示す活動は至難を極めています。 弊社ではこの現状にたいして、2年前から 多くの企業から相談を受け、機械学習 1本に絞り成果を出すことを中心に技術開発を行ってまいりました。 一方では一般的な量子コンピューティングのニュースは基礎研究にとどまっており、 こうした応用面での事業化における課題解決という観点においては特に大きな進展は見受けられません。基礎研究は大事ですが企業にとっては 今年来年の利益を稼ぐ方が重要です。 実用化が遠いと分かっている技術に関して大きな 投資を行う会社は逆に不利益を被ることになるかと思います。 また人材の育成の観点からも企業は大変苦労をしています。 量子コンピューティングの理論は量子力学に基づいており、 関連の学術分野 出身の人しかこれまではできませんでした。 物理関連の学術分野の卒業生が皆量子コンピューティングを行っているというわけではなく、一般の方がそうした難しい量子コンピューティングの技術を習得するということもいまだに非常に難しくなっています。 弊社としてはこのような状況 、そして技術的な観点から全て解決する方法を独自に開発し 、現状としましては 既存 深層学習 ディープラーニングで利用されるフレームワークの理論と量子コンピューティングのツールを完全に統合することにより 、企業の社会応用と人材育成を解決しました。 ただ、この方法はまだ 新しいため 一般的ではなくなかなか現状では参考文献を含め利用するのが難しくなっているため 、今後 多くの啓発を行っていきたいと思っています。 方針としては 、既存機械学習のフレームワーク や 一般的な数理フレームワークを利用するため、 一般の方により量子コンピューティングを理解しやすくするというフレームワークになっています。しかし一方で既存の量子人材からすると完全に計算手法が異なってしまうので受け入れづらいという課題点があり 、また多く 世間に受けられている状況ではありません。 学術分野において新しい領域を学びそれを中心に活用していくというのは各専門分野を求めている先生方の現状からするとかなり難しいと感じています。 実際大学においてこのようなディープラーニングの利用と量子計算の根本的な量子回路計算を 統合しようという動きはなかなか 難しいと思われます。 一見すると 邪道でありながら 、他方では非常に本質的に統合されているため海外の進んでいる企業においては 採用が進み始めています。特に 機械学習分野で発展目覚ましい中国においては 大手テンセントが弊社と同様の技術を開発しており、弊社と非常に 似通った アプローチで活動をしています。 新しいディープラーニングフレームワーク を利用した計算においてはバックエンドにGPUもしくは 量子コンピューターを利用することができます。ただこの分野においてはまだ解明されていない計算手法がいくつもありますので、GPUで計算できても量子コンピューターで計算できないという場合もあります。 また GPU そして量子コンピューターはやはり別の計算マシンですので 、それぞれの得意不得意があります。 今後しばらく ハイブリッドで利用するに際して、 特に 機械学習 分野においては推論方向そして 学習方法 、順方向 逆方向、 両方の計算を必要とします。 組合わせ最適化問題においてもハイブリッド方式においてはやはり 順方向逆方向両方の計算を必要とする場合があります。 このような現状において GPU で量子コンピューターをハイブリッドで利用する、 また 状況に応じて 使い分けるという方法とツールをディープラーニングと量子計算を共通化するという流れは非常に合理的となっています。 弊社でも 通常の利用ではGPUを利用し 必要な時には量子コンピューティング 利用することによって成果を出すということを進めています。そのため企業内にある 既存のリソースを活用しやすくなるため、 例えば NVIDIA 社の開発している 新型量子ソフトウェア開発キットも簡単に統合ができます。 また企業応用として活用するソフトウェアにおいても実践投入できるレベルにおいて機械学習を活用できますので量子計算と合わせて導入しても 、投資対効果において無駄がありません。 すでに昨年より多くの成果を出し始めており企業様にも大変満足しているいただいてると思います。また社内説明においてもGPUそして量子コンピューターを上手に使い分けるということ 、そして人材育成も共通化できることによりコストダウンがはかれるということ 、すぐに使える技術を 活用することにより 企業の収益化に貢献をできること 、そして何より最先端の技術であり企業の中長期の展望において 非常に安心感があるということ 、これら全ての状況において企業においてベストの選択であると考えています。 弊社は 今後 全社を上げて この機械学習 分野へ 事業を 進めてまいります。 そして利用するツールも既存の量子回路ソフト開発キット およびGPU向けに最適化された深層学習フレームワークを利用して利益を上げてまいります。これらの数理的なバックグラウンド、そしてフレームワーク、そして社内の人材育成は弊社内では進んでいますので、今後はアプリケーションを通じて一つ一つ 社会実装を進めていきたいと考えています。 基本的にはほとんどの機械学習分野において利用できる技術ですので 量子技術を活用しながら 画像認識 異常検知 時系列予測 文章解析 強化学習 など 汎用的な分野において 多くの 成果が作れると思います。 また すでに この分野において 機械学習 関連の受託開発など 企業向けの案件を行いたいと 言っていただける 協業会社 さんも増えています。 非常に 汎用的な技術において 全ての分野を弊社 1社でカバーするのは大変厳しいと考えています。 そのため 汎用技術開発やソフトウェアキット開発を中心に 弊社で開発しそれらを 協業 企業へと展開することで 効率的にチームワークを通じて 社会貢献 そして事業開発していけると思っております。 基礎は 深層学習 そして 量子回路 計算 からは外れていませんので量子コンピューティング を行ってきた 弊社の強みがかつようできると考えています。 最大の課題は こうした新技術を受け入れてもらうための 根気強く 粘り強い 説明 啓発教育 そして 実績を提示した上での 皆様に受け入れてもらうための活動だと思っていますので ぜひ 興味を持っていただけるよう頑張りたいと思います。

より量子計算とディープラーニングの統合に向けて

Yuichiro Minato

より量子計算と ディープラーニングの統合に向けて

Yuichiro Minato

より量子計算とディープラーニングの統合に向けて