.svg)
NVIDIA、量子ソフトウェア担当プロダクトマネージャー、Sam Stanwyckのポッドキャスト。
今日のゲストは、NVIDIAの量子コンピューティング担当シニア・プロダクト・マネージャー、サム・スタンウィックです。サムと私は、NVIDIAの量子コンピューティングへの進出、より大規模な量子コンピュータが登場したときにシミュレータが時代遅れになるかどうか、新しいエンタープライズコンピューティングアーキテクチャなどについて話した。
全記録は以下の通り。
ユヴァル・ボーガー（Classiq、CMO）：こんにちは、サム。本日はありがとうございます。
サム・スタンウィック（NVIDIA、量子ソフトウェア、シニア・プロダクト・マネージャー）：こんにちは、ユヴァル。お会いできて光栄です。
ユヴァル：それで、あなたは何者で、どんな仕事をしているんですか？
サム：私はサム・スタンウィックで、NVIDIAで量子コンピューティングのプロダクトマネージャーをしています。NVIDIAは量子回路シミュレーション、ひいては量子アルゴリズム研究、量子情報科学全般を加速するツールを開発しています。
ユヴァル：では、それが量子分野の主な推進力なのでしょうか？コンピュータは作らないんですよね？それともシミュレーターがメインなのでしょうか？
サム：そうだね。ですから、私たちは自分たちで量子コンピュータを作るわけではありません。目標はエコシステム全体を可能にすることで、量子コンピュータを作ろうとしている人たちや、量子コンピュータを使って何をすべきかを理解しようとしている人たちを支援することです。
ユヴァル：では、この取り組みを始めようと思ったとき、量子コンピューティングに参入する企業にはある課題があるとお考えだったのではないでしょうか。この取り組みに着手する前に見つけたことを教えていただけますか？
サム：もちろんです。ご存知のように、いくつかの課題があります。まず、量子コンピューターで何か価値あることができるようになるには、かなりの改善が必要だということです。量子コンピュータの量子ビット数を増やす必要があります。さらに重要なのは、有用なアルゴリズムを実行できるようにするために、エラー率を減らすことです。
サム：しかし、より強力な量子コンピューターが登場した後、それを使って実際に何をするのかを理解することについても、一連の課題があります。ハードウェアの進歩が著しいのに、量子の利点を実現するのに最適なアルゴリズムがわからないというのは残念なことです。
サム：それで、私たちの製品はcuQuantumと呼ばれています。ある問題に対して、どのような量子アルゴリズムが量子の優位性に最も適しているか？最高の古典的アルゴリズムと比べて、どのようにスケールするのか？量子ハードウェアに要求されるスケールやエラー率は？どのような量子プロセッサー・アーキテクチャが、どのような問題に最も適しているのか？私たちNVIDIAは、このような重要な問題に対する回答を提供したいと考えています。
ユヴァル：エヌビディアのcuQuantumライブラリを使う場合、エンタングルメントのレベルや他の要因にもよりますが、古典的なコンピュータで量子ソフトウェアをシミュレートできる限界は50量子ビットくらいだと言われています。では、その限界はNVIDIAのライブラリで変わるのでしょうか？それとも、古典的なシミュレータで実行するよりも、結果が少し速くなるだけなのでしょうか？
サム：いい質問だね。量子回路のシミュレーションにはいくつかの方法があります。多くの人がよく知っているのは、状態ベクトル・シミュレーションと呼ばれるものだと思います。これは基本的に、量子コンピュータを総当たりで古典的にエミュレートするもので、システムの全状態をメモリに保持します。そのため、完全な量子ビットやノイズの多い量子ビットを任意の深さでシミュレートするのに非常に強力で、中間回路の測定などにも柔軟に対応できます。
サム：ただ、質問にもあるように、そこでの限界はメモリです。GPU1枚でシミュレーションできる量子ビットは、通常30ビット程度です。スーパーコンピューターでも、50量子ビットを超えることはありません。
サム：しかし、量子回路をシミュレーションする別の方法もあります。cuQuantumの別のライブラリは、テンソルネットワークシミュレーションと呼ばれるものを高速化するために作られています。テンソルネットワークシミュレーションのアイデアは、量子回路をテンソルのネットワークとしてモデル化し、テンソルを収縮させる最適な経路を見つけるために前もって最適化を行い、テンソルを1つずつ収縮させて回路をシミュレートするというものです。そうすることで、回路の深さやエンタングルメントによって、必要なメモリ容量や難易度が変化することがわかった。特に変分量子アルゴリズムは、深さが浅く、エンタングルメントが小さい傾向があります。そのため、状態ベクトルのシミュレーションはやりすぎになることが多い。テンソルネットワークは、回路によっては数百、場合によっては数千の量子ビットにまでスケールアップできる。
ユヴァル：コンピューティングの一分野には量子インスパイアと呼ばれるものがあり、「量子コンピューティングからいくつかのコンセプトを学んだ。量子コンピューティングからいくつかの概念を学んだので、今度はそれを古典的なマシンで実行しよう」というものだ。あなたが説明したVQEのような特定の問題では、基本的に量子コンピュータの必要性を回避しようとしているのですか？
サム：もしそのような方向性のものが出てくれば、それはもちろん素晴らしいことですが、それは私たちの目標ではありません。私たちの目標は、量子コンピュータを研究・開発する人たちのためのツールを作ることです。だから、状態ベクトルシミュレーションもテンソルネットワークシミュレーションも、先を見据えて重要な質問に前もって答えるための方法だと考えています。もし35個の完全な論理量子ビットがあって、それを使って任意の深さまで何かを実行できるとしたら、何ができるだろうか？あるいは、何百、何千というノイズの多い量子ビットがあって、浅い深さまで何かを実行できるとしたら、何ができるだろうか？そしてそれは古典的な手法と比べてどうなのか？つまり、量子研究のエコシステムを加速させるということなんだ。
ユヴァル：このテンソルネットワークシミュレーションは、NVIDIA以外のハードウェアでも実行できますか？つまり、同じアプローチで、古典的なCPUで古典的に実行することはできますか？
サム：実行できます。この種の問題はGPUに非常に適しています。cuStateVecやcuTensorNetを使った場合、古典的なシミュレータやCPUで動作するシミュレータと比較して、少なくとも1桁、多くの場合はそれ以上の加速が見られます。ですから、量子アルゴリズムを試したり、小さな回路をテストしたりするようなテストだけなら、CPUで十分だと思います。しかし、性能をさらに高めたいのであれば、GPUはこの種の作業に非常に適しています。ディープラーニングに適しているのと同じ理由からです。
ユヴァル：この製品ラインは一過性のものだとお考えですか？数年後には、何百、何千もの量子ビットを搭載した量子コンピューターが登場していると思います。量子ビットの忠実度は向上するでしょう。ゲートエラーも改善されるでしょう。では、NVIDIAのcuQuantumのようなライブラリは、数年後も必要なのでしょうか？
サム：ああ、いい質問だね。cuQuantumに関しては、さらに重要性が増すと思いますが、より的を絞ったものになるかもしれません。今のところ、量子の利点や実用化にはまだほど遠いのですが、量子回路シミュレーションは、規模や性能の点で、現在の量子コンピュータのはるか先を行くものであり、量子コンピュータが実用化されたとき、古典的なコンピュータの古典的アルゴリズムと比べてどうなのかという疑問に答えるものです。量子コンピュータが進歩するにつれて、その姿は明らかになり、この分野でどのような価値を見出すことができるのか、よりよく理解できるようになると思います。
サム：そして量子回路シミュレーションは、例えば変分量子アルゴリズムにどのような手を加えたら、よりスケールアップするのか、あるいは特定の分子シミュレーションに適しているのかを理解するような、より具体的な問題に対して本当に重要になるでしょう。例えば、変分量子アルゴリズムにどのような手を加えれば、よりスケールアップするのか、あるいは特定の分子シミュレーションに適しているのかを理解することができる。言うまでもなく、量子プロセッサーは、古典的なリソースに比べ、長い間、利用可能性が制限される。そのため、研究者や開発者は非常に長い間、ほとんどの作業をシミュレーター上で行うことになるだろう。
ユヴァル：量子アルゴリズムの多くはハイブリッド・アルゴリズムで、一部は古典的に、もう一方は量子的に動作します。cuQuantumではこのようなことができますか？基本的に、量子的な部分をシミュレーターでシミュレートしながら、汎用CPUで古典的に実行することができますか？
サム：ええ、まだあまり話していませんが、cuQuantumのいいところは、非常に低レベルだということです。ステート・ベクタ・シミュレーションという点では、cuQuantumのAPIはゲート行列にステート・ベクタを乗算するレベルです。そのため、非常に柔軟で不可知論的です。そのため、cuQuantumはシミュレータそのものではありません。CirqやQiskit、Pennylaneなどのシミュレータにプラグインし、シミュレータを高速化するだけで、回路のことはあまり知りません。そのため、cuQuantumはハイブリッド・アルゴリズムを問題なく実行できる。ノイジーゲートも問題なく動作し、それを活用するためにコードを変更する必要もない。
ユヴァル：今日cuQuantumを使うには、例えばAWSにインスタンスをデプロイして、他のGPUワークロードを使うように実行すればいいんですね？
サム：そう。その通りだ。CirqフレームワークとGoogleのQSimシミュレーターを統合しており、現在一般に公開されています。Cirqを使って実行できます。また、数週間前からは、これらすべてをパッケージ化したコンテナも提供しています。このコンテナを引き出せば、お好きなクラウドプロバイダーにデプロイし、Cirqを実行するのと同じように変更なしで実行することができます。
ユヴァル：QPUの量子プロセッサー・ユニットについて語られるとき、GPUに例えて、量子プロセッサーでズーム・ミーティングを実行することは期待しないが、汎用CPUから特定の計算タスクをオフロードできることを期待する、というようなことがよく言われます。あなたはこの例えに同意しますか？将来、CPU、GPU、QPUのトリプレットが登場すると思いますか？あるいは、それはどのように機能するのでしょうか？エンタープライズ・アーキテクチャではどうなると思いますか？
サム：これも素晴らしい質問ですね。GPUとQPUの間には、エンタープライズ・アーキテクチャに適合するという点で、いくつかの類似点があることは確かですが、理解する上で重要な大きな違いもあります。
GPUがCPUよりもはるかに適しているタスクもあります。GPUは劇的なスピードアップを達成できます。QPUでも同じようなことができると期待しています。もう1つの類似点は、ハイブリッド・データセンターの一部として量子コンピュータを利用するようになると、量子コンピュータを最大限に活用するために、GPUの場合と同様に、量子コンピュータを高性能な古典的コンピューティング・リソースとどのように共同プログラムするかというモデルを考えることが本当に重要になるということです。
サム：しかしGPUの場合、基本的な物理学のレベルでは、CPUと同じコンピューティング・モデルの話をしています。そのため、GPUの性能が飛躍的に向上する可能性があるアプリケーションは、極めて広範な計算集約型タスクです。一方、量子コンピュータは、根本的に異なる物理学に基づく、根本的に異なるコンピューティング・モデルです。一方では、これは非常にエキサイティングなことです。その一方で、量子コンピュータの実用的な利点が期待できる領域がどの程度なのか、まだ理解できていない。ですから、QPUがGPUが得意とすることの代替になるとは考えていません。QPUはデータセンターにおける補完的なものだと考えています。
ユヴァル：魅力的なお話ですね。あなたの仕事についてもっと知りたいのですが、どうすれば連絡を取ることができますか？
サム：だから僕はLinkedInが一番利用しやすいんだ。世界で唯一のサム・スタンウィックだと思う。私の名前を検索すれば出てくるはず。誰とでもつながりたいよ。
ユヴァル：素晴らしい。今日はありがとうございました。
サム：ありがとう、ユヴァル。
今日のゲストは、NVIDIAの量子コンピューティング担当シニア・プロダクト・マネージャー、サム・スタンウィックです。サムと私は、NVIDIAの量子コンピューティングへの進出、より大規模な量子コンピュータが登場したときにシミュレータが時代遅れになるかどうか、新しいエンタープライズコンピューティングアーキテクチャなどについて話した。
全記録は以下の通り。
ユヴァル・ボーガー（Classiq、CMO）：こんにちは、サム。本日はありがとうございます。
サム・スタンウィック（NVIDIA、量子ソフトウェア、シニア・プロダクト・マネージャー）：こんにちは、ユヴァル。お会いできて光栄です。
ユヴァル：それで、あなたは何者で、どんな仕事をしているんですか？
サム：私はサム・スタンウィックで、NVIDIAで量子コンピューティングのプロダクトマネージャーをしています。NVIDIAは量子回路シミュレーション、ひいては量子アルゴリズム研究、量子情報科学全般を加速するツールを開発しています。
ユヴァル：では、それが量子分野の主な推進力なのでしょうか？コンピュータは作らないんですよね？それともシミュレーターがメインなのでしょうか？
サム：そうだね。ですから、私たちは自分たちで量子コンピュータを作るわけではありません。目標はエコシステム全体を可能にすることで、量子コンピュータを作ろうとしている人たちや、量子コンピュータを使って何をすべきかを理解しようとしている人たちを支援することです。
ユヴァル：では、この取り組みを始めようと思ったとき、量子コンピューティングに参入する企業にはある課題があるとお考えだったのではないでしょうか。この取り組みに着手する前に見つけたことを教えていただけますか？
サム：もちろんです。ご存知のように、いくつかの課題があります。まず、量子コンピューターで何か価値あることができるようになるには、かなりの改善が必要だということです。量子コンピュータの量子ビット数を増やす必要があります。さらに重要なのは、有用なアルゴリズムを実行できるようにするために、エラー率を減らすことです。
サム：しかし、より強力な量子コンピューターが登場した後、それを使って実際に何をするのかを理解することについても、一連の課題があります。ハードウェアの進歩が著しいのに、量子の利点を実現するのに最適なアルゴリズムがわからないというのは残念なことです。
サム：それで、私たちの製品はcuQuantumと呼ばれています。ある問題に対して、どのような量子アルゴリズムが量子の優位性に最も適しているか？最高の古典的アルゴリズムと比べて、どのようにスケールするのか？量子ハードウェアに要求されるスケールやエラー率は？どのような量子プロセッサー・アーキテクチャが、どのような問題に最も適しているのか？私たちNVIDIAは、このような重要な問題に対する回答を提供したいと考えています。
ユヴァル：エヌビディアのcuQuantumライブラリを使う場合、エンタングルメントのレベルや他の要因にもよりますが、古典的なコンピュータで量子ソフトウェアをシミュレートできる限界は50量子ビットくらいだと言われています。では、その限界はNVIDIAのライブラリで変わるのでしょうか？それとも、古典的なシミュレータで実行するよりも、結果が少し速くなるだけなのでしょうか？
サム：いい質問だね。量子回路のシミュレーションにはいくつかの方法があります。多くの人がよく知っているのは、状態ベクトル・シミュレーションと呼ばれるものだと思います。これは基本的に、量子コンピュータを総当たりで古典的にエミュレートするもので、システムの全状態をメモリに保持します。そのため、完全な量子ビットやノイズの多い量子ビットを任意の深さでシミュレートするのに非常に強力で、中間回路の測定などにも柔軟に対応できます。
サム：ただ、質問にもあるように、そこでの限界はメモリです。GPU1枚でシミュレーションできる量子ビットは、通常30ビット程度です。スーパーコンピューターでも、50量子ビットを超えることはありません。
サム：しかし、量子回路をシミュレーションする別の方法もあります。cuQuantumの別のライブラリは、テンソルネットワークシミュレーションと呼ばれるものを高速化するために作られています。テンソルネットワークシミュレーションのアイデアは、量子回路をテンソルのネットワークとしてモデル化し、テンソルを収縮させる最適な経路を見つけるために前もって最適化を行い、テンソルを1つずつ収縮させて回路をシミュレートするというものです。そうすることで、回路の深さやエンタングルメントによって、必要なメモリ容量や難易度が変化することがわかった。特に変分量子アルゴリズムは、深さが浅く、エンタングルメントが小さい傾向があります。そのため、状態ベクトルのシミュレーションはやりすぎになることが多い。テンソルネットワークは、回路によっては数百、場合によっては数千の量子ビットにまでスケールアップできる。
ユヴァル：コンピューティングの一分野には量子インスパイアと呼ばれるものがあり、「量子コンピューティングからいくつかのコンセプトを学んだ。量子コンピューティングからいくつかの概念を学んだので、今度はそれを古典的なマシンで実行しよう」というものだ。あなたが説明したVQEのような特定の問題では、基本的に量子コンピュータの必要性を回避しようとしているのですか？
サム：もしそのような方向性のものが出てくれば、それはもちろん素晴らしいことですが、それは私たちの目標ではありません。私たちの目標は、量子コンピュータを研究・開発する人たちのためのツールを作ることです。だから、状態ベクトルシミュレーションもテンソルネットワークシミュレーションも、先を見据えて重要な質問に前もって答えるための方法だと考えています。もし35個の完全な論理量子ビットがあって、それを使って任意の深さまで何かを実行できるとしたら、何ができるだろうか？あるいは、何百、何千というノイズの多い量子ビットがあって、浅い深さまで何かを実行できるとしたら、何ができるだろうか？そしてそれは古典的な手法と比べてどうなのか？つまり、量子研究のエコシステムを加速させるということなんだ。
ユヴァル：このテンソルネットワークシミュレーションは、NVIDIA以外のハードウェアでも実行できますか？つまり、同じアプローチで、古典的なCPUで古典的に実行することはできますか？
サム：実行できます。この種の問題はGPUに非常に適しています。cuStateVecやcuTensorNetを使った場合、古典的なシミュレータやCPUで動作するシミュレータと比較して、少なくとも1桁、多くの場合はそれ以上の加速が見られます。ですから、量子アルゴリズムを試したり、小さな回路をテストしたりするようなテストだけなら、CPUで十分だと思います。しかし、性能をさらに高めたいのであれば、GPUはこの種の作業に非常に適しています。ディープラーニングに適しているのと同じ理由からです。
ユヴァル：この製品ラインは一過性のものだとお考えですか？数年後には、何百、何千もの量子ビットを搭載した量子コンピューターが登場していると思います。量子ビットの忠実度は向上するでしょう。ゲートエラーも改善されるでしょう。では、NVIDIAのcuQuantumのようなライブラリは、数年後も必要なのでしょうか？
サム：ああ、いい質問だね。cuQuantumに関しては、さらに重要性が増すと思いますが、より的を絞ったものになるかもしれません。今のところ、量子の利点や実用化にはまだほど遠いのですが、量子回路シミュレーションは、規模や性能の点で、現在の量子コンピュータのはるか先を行くものであり、量子コンピュータが実用化されたとき、古典的なコンピュータの古典的アルゴリズムと比べてどうなのかという疑問に答えるものです。量子コンピュータが進歩するにつれて、その姿は明らかになり、この分野でどのような価値を見出すことができるのか、よりよく理解できるようになると思います。
サム：そして量子回路シミュレーションは、例えば変分量子アルゴリズムにどのような手を加えたら、よりスケールアップするのか、あるいは特定の分子シミュレーションに適しているのかを理解するような、より具体的な問題に対して本当に重要になるでしょう。例えば、変分量子アルゴリズムにどのような手を加えれば、よりスケールアップするのか、あるいは特定の分子シミュレーションに適しているのかを理解することができる。言うまでもなく、量子プロセッサーは、古典的なリソースに比べ、長い間、利用可能性が制限される。そのため、研究者や開発者は非常に長い間、ほとんどの作業をシミュレーター上で行うことになるだろう。
ユヴァル：量子アルゴリズムの多くはハイブリッド・アルゴリズムで、一部は古典的に、もう一方は量子的に動作します。cuQuantumではこのようなことができますか？基本的に、量子的な部分をシミュレーターでシミュレートしながら、汎用CPUで古典的に実行することができますか？
サム：ええ、まだあまり話していませんが、cuQuantumのいいところは、非常に低レベルだということです。ステート・ベクタ・シミュレーションという点では、cuQuantumのAPIはゲート行列にステート・ベクタを乗算するレベルです。そのため、非常に柔軟で不可知論的です。そのため、cuQuantumはシミュレータそのものではありません。CirqやQiskit、Pennylaneなどのシミュレータにプラグインし、シミュレータを高速化するだけで、回路のことはあまり知りません。そのため、cuQuantumはハイブリッド・アルゴリズムを問題なく実行できる。ノイジーゲートも問題なく動作し、それを活用するためにコードを変更する必要もない。
ユヴァル：今日cuQuantumを使うには、例えばAWSにインスタンスをデプロイして、他のGPUワークロードを使うように実行すればいいんですね？
サム：そう。その通りだ。CirqフレームワークとGoogleのQSimシミュレーターを統合しており、現在一般に公開されています。Cirqを使って実行できます。また、数週間前からは、これらすべてをパッケージ化したコンテナも提供しています。このコンテナを引き出せば、お好きなクラウドプロバイダーにデプロイし、Cirqを実行するのと同じように変更なしで実行することができます。
ユヴァル：QPUの量子プロセッサー・ユニットについて語られるとき、GPUに例えて、量子プロセッサーでズーム・ミーティングを実行することは期待しないが、汎用CPUから特定の計算タスクをオフロードできることを期待する、というようなことがよく言われます。あなたはこの例えに同意しますか？将来、CPU、GPU、QPUのトリプレットが登場すると思いますか？あるいは、それはどのように機能するのでしょうか？エンタープライズ・アーキテクチャではどうなると思いますか？
サム：これも素晴らしい質問ですね。GPUとQPUの間には、エンタープライズ・アーキテクチャに適合するという点で、いくつかの類似点があることは確かですが、理解する上で重要な大きな違いもあります。
GPUがCPUよりもはるかに適しているタスクもあります。GPUは劇的なスピードアップを達成できます。QPUでも同じようなことができると期待しています。もう1つの類似点は、ハイブリッド・データセンターの一部として量子コンピュータを利用するようになると、量子コンピュータを最大限に活用するために、GPUの場合と同様に、量子コンピュータを高性能な古典的コンピューティング・リソースとどのように共同プログラムするかというモデルを考えることが本当に重要になるということです。
サム：しかしGPUの場合、基本的な物理学のレベルでは、CPUと同じコンピューティング・モデルの話をしています。そのため、GPUの性能が飛躍的に向上する可能性があるアプリケーションは、極めて広範な計算集約型タスクです。一方、量子コンピュータは、根本的に異なる物理学に基づく、根本的に異なるコンピューティング・モデルです。一方では、これは非常にエキサイティングなことです。その一方で、量子コンピュータの実用的な利点が期待できる領域がどの程度なのか、まだ理解できていない。ですから、QPUがGPUが得意とすることの代替になるとは考えていません。QPUはデータセンターにおける補完的なものだと考えています。
ユヴァル：魅力的なお話ですね。あなたの仕事についてもっと知りたいのですが、どうすれば連絡を取ることができますか？
サム：だから僕はLinkedInが一番利用しやすいんだ。世界で唯一のサム・スタンウィックだと思う。私の名前を検索すれば出てくるはず。誰とでもつながりたいよ。
ユヴァル：素晴らしい。今日はありがとうございました。
サム：ありがとう、ユヴァル。
