AIが量子回路を1000倍高速に生成、創薬に応用

本研究は量子化学における基本的なボトルネックに対処している。量子システムを基底状態（分子の電子特性の計算に必要な最低エネルギー状態）に準備することは、通常は分子が大きくなるにつれて計算コストが増加する繰り返し最適化を必要とする。ADAPT-VQEのような従来のアルゴリズムは、候補回路を反復的に評価・調整して収束するまで行うため、多くの量子回路実行が必要であり、量子ビット数と回路深度に応じてスケーリングが悪い。

主な革新は、量子回路生成を言語問題として再構成することにある。最適化タスクとして扱うのではなく、研究者はトランスフォーマーモデルを訓練して量子操作の列を生成させた。言語モデルが単語の列を生成するのと同じ方法である。2つのアーキテクチャをテストした。スクラッチから訓練された3億2500万パラメータモデルと、この目的に適応させたより大きな120億パラメータの事前訓練言語モデルである。その後、より小さなモデルは強化学習で洗練された。より低い計算エネルギーを持つ回路を生成することで報酬を受け、訓練データを超えた解決策を発見することができた。

このアプローチが重要なのは、回路生成を反復的な量子評価から切り離すためである。回路を繰り返し実行して改善するのではなく、訓練されたAIは単一の推論ステップで完全な回路を生成する。研究者は強化学習がほぼ完全に回路長と予測誤差の間の強い関係を除去したことを実証し、AIが精度を損なうことなく、より長く複雑な回路を生成することに優れるようになったことを意味する。Quantinuumの Helios プロセッサ上でのハードウェア実証は、AI生成回路がシミュレーションだけでなく実際の量子コンピュータ上で動作することを示し、医薬品開発における実用的な量子化学ワークフローへの信頼できる一歩を作る。