ポッドキャスト

Santanu Gangulyとのポッドキャスト - Cisco

7
9月
,
2021

今日のゲストはシスコのシステムアーキテクト、サンタヌ・ガングリーだ。サンタヌは量子機械学習についての新しい本を出版しました。この本について、空飛ぶ量子ビットについて、量子機械学習を本番に移行する際の課題などについてお話しします。

インサイトのページで「ポッドキャスト」を選択すると、その他のエピソードを聴くことができます。

全文は以下の通り。

ユヴァル:こんにちは、サンタヌ。今日はありがとう。

サンタヌ:ありがとう、ユヴァル。呼んでくれてありがとう。そして何よりも、私の名前を正しく発音してくれて本当にありがとう。本当に感謝している。

ユヴァル:どういたしまして。では、あなたは誰で、どんな仕事をしているのですか?

サンタヌ:私の名前はサンタヌ・ガングリーです。現在、イギリスのシスコシステムズで働いています。シスコシステムズでの私の仕事のひとつは、社内プロジェクトのひとつである量子技術の運営委員会の一員であることです。私は物理学と数学のバックグラウンドを持っています。科学的なこと、特に量子コンピューティングには常に情熱を注いできました。だから、英国政府のプロジェクトや英国のいくつかの企業金融機関と密接に仕事をしています。それが私です。

ユヴァル:まず、量子機械学習に関する新しい本の出版おめでとうございます。それについて少し教えてください。

サンタヌ:ありがとうございます。ありがとうございます。素晴らしい機会を与えていただいた。当初は簡単にできると思っていた。思っていたほど簡単ではありませんでした。題材は量子機械学習。このテーマを選んだ理由は、古典的な意味での機械学習にとても情熱を持っているからです。そして量子コンピューティングにはさらに情熱を持っている。そして、量子コンピューティングには常に情熱を持っています。私は数学と物理学のバックグラウンドを持っています。そしてここ5、6、7年の間に、量子コンピューティングが産業界にとってより重要なものとなり、グーグルやIBMなどの組織がこの技術に資金を投入し始め、関連した開発が行われるようになると、私はますます興奮するようになりました。

つまり、この本は量子機械学習の基本やアルゴリズムに触れ、そして最も重要なことは、量子機械学習に関する文献の多くに存在すると私が考えていた、いわばギャップに取り組むということだ。

例えば、ピーター・ウィテックによる記念碑的な本がある。彼は2011年に量子機械学習に関する最初の本を書いたと思う。それに続いて、マリア・シュルドとペトルチオーネの『量子機械学習における教師あり学習』という記念碑的な本が出た。これも素晴らしい本だった。その後、様々なアルゴリズム、文献や研究メディアにおける様々な研究が爆発的に増えました。

しかし、この分野を調べ始めた当初、私がいつも見逃していたこと、苦労していたことのひとつは、非常に新しく、非常に成長し、非常に最近のアルゴリズムや理論が、どうやってコードに変換されるのかということだった。このことを調べ始めると、すべてのアルゴリズムがすべての量子コンピューティング・プラットフォームで効率的に動作するわけではないことが明らかになった。

現在、量子コンピューティング・プラットフォームにはいくつかの種類がある。D-ウェーブは最初の商用量子コンピュータを開発し、アニーリングを用いた。IBMは超伝導量子ビットを開発し、ゲートモデルを使っている。リゲッティも同様の超伝導ゲートモデルを開発した。XanaduとPsiQuantumはフォトニック量子コンピュータに取り組んでいる。

数年前に遡るが、これらのアルゴリズムを調べれば調べるほど、すべてのアルゴリズムがすべてのプラットフォームで効率的に動作するわけではないことが見えてきた。例えば、マックスカットのようなある種のNP困難問題は、量子近似最適化アルゴリズム(QAOA)を用いたゲートモデルコンピュータよりも、QUBOを用いたD-Waveのコンピュータの方が効率的に動作する可能性があるという研究結果がある。アルゴリズムをプラットフォームに適用する際のこのようなバリエーションと挑戦が、私がこの本を書こうと思ったきっかけです。

したがって、この本は現在存在する主要な量子コンピューティング・ライブラリのほとんどをカバーしている。Google Cirq、Rigetti PyQuil、QVM。IBMのQiskitにも対応している。D-Waveのプラットフォームも扱っている。そして、私が正しくやっているかどうかを効率的に判断するために、D-ウェーブと協力した。彼らは実際に、私が本に書いた彼らについての資料に目を通してくれた。そして、出版前に彼らのOKをもらった。彼らにはとても感謝している。つまり、読者に選択肢を与え、あらゆる主要なプラットフォームへの入り口を提供し、できればどのアルゴリズムがどのようなプラットフォームで最も効果的で、どのようにそれらを回避するかというアイデアを提供できるようなものを作りたかったのです。それがきっかけです。ありがとう。

ユヴァル:アルゴリズムによっては、マシンによってはよりうまく機能するものがあるとおっしゃいましたね。しかし、もっと大きな疑問があります。量子機械学習は現在有用なのでしょうか?あるいは、いつ本番環境で役に立つと思いますか?

サンタヌ:とてもいい質問ですね。それに対する私の答えは、ある特定のケースでは量子機械学習は間違いなく役に立つということです。そのひとつが創薬や分子モデリングです。これは現在研究されているものです。現在のトピックです。しかし、これはうまくいったこともある。その例を挙げましょう。ペンシルベニア州立大学はゴーシュ博士のもと、量子コンピューターと機械学習を使ってCOVIDウイルスのワクチン・モデリングの研究を始めました。これはその一例です。

量子機械学習が研究され、利用されているもう一つの例は、金融分野である。例えば、金融リスク分析や金融ポートフォリオ最適化の価格設定などだ。ゴールドマン・サックスやシカゴ・クォンタムは、量子版ファイナンスを研究しています。

量子の観点が研究されているのは、選択肢が豊富だからだ。量子コンピューティングや機械学習の環境では、通常バイナリ環境では困難な、あらゆる種類の確率的な選択肢が得られる。そのため、利用が進んでおり、利用が進むにつれて、異なるプラットフォームで異なるアルゴリズムを使って異なるアプリケーションを最適化する方法について、より多くのことが学べるようになることを期待している。そして、私たち自身の標準的な古典的コンピューターで行ったように、私たちも改善していくだろう。私が子供の頃、古典的なコンピューターは机の上に置かれた大きなものだった。今では文字通りポケットの中だ。だから、使えば使うほど、学ぶべきことが増えていく。

ユヴァル:異なるコンピューターで動作するというのは、異なるタイプのアーキテクチャーのことですね。PsiQuantum対Honeywell、Rigetti対IBMとまでは言いませんが、どちらもゲートベースのコンピューターですね?

サンタヌ:その通りだ。その通りです。さまざまなアーキテクチャがあります。さらに、機械学習コンピューティングと通信の両側面があります。例えば、2つの異なるコンピューター、量子コンピューターがあるとしましょう。この量子コンピュータは2台のIBMかもしれないし、1台のIBMと1台のリゲッティかもしれないし、1台のD-Waveと1台のリゲッティかもしれない。この2つのコンピューターはどうやって互いに通信するのでしょうか?それはまだ解明されていない。というのも、量子ビットのレベルから、別の量子プラットフォームと通信できるレベルまで、どうやって情報を得るのかが問題になるからだ。特に光学的なレベルであれば。

今、私たちが知っているのはそれだけです。私たちは光学が通信媒体になるべきだと考えていますが、摂氏マイナス273度、ゼロ度ケルビンに近い超伝導量子プラットフォームがあります。そして、そこから情報を光学レベルまで引き上げ、お互いに通信する必要がある。例えば、バークレー大学では、長い間この研究に取り組んできました。空飛ぶ量子ビットと呼ばれています。あるエネルギー準位から別のエネルギー準位へと量子ビットを飛ばし、通信障壁を越えて転送するのです。ですから、基礎科学や私たちが考えている応用と同様に、アーキテクチャーの違いが大きな要因になります。

ユヴァル:では、もし私が営利企業に勤めていて、化学研究やポートフォリオの最適化を行いたいと考えていて、機械学習を試したいと考えた場合、どのようなハードウェア・アーキテクチャで実行するかを事前に決めておかなければならないのでしょうか?D-Waveが最適なのか、IBMが最適なのか、それとも他の何かが最適なのか、どうすればわかるのでしょうか?

サンタヌ:今は2つの方法がある。1つ目は近似的な方法です。D-WaveとIBMのどちらがうまくいくだろうか?それを試してみる。これが1つの方法です。もうひとつの方法は、やみくもな試行錯誤です。様々なプラットフォームの違いや、異なるプラットフォームにおける異なるアルゴリズムの適用性というか効率性をどのように解決するか。

もしそうでなければ、他の量子コンピューティング企業が、物理的な量子コンピューティングや通信レベルの上にスタックを構築することを考えているのであれば、ある種のオーケストレーション・レベルがあり、いわばその下の物理層が見えなくなる。言い換えれば、ユーザーはプログラミングするプラットフォームがIBMであろうとD-Waveであろうと何であろうと、自分が何をしたいのか、どのアルゴリズムを目指すのかさえわかっていれば気にしない。そして、基礎となるソフトウェア・スタックが、ユーザーにとって最適なプラットフォームを選択し、その上でプログラミングできるようにする。

そのため、このような問題に取り組んでいる人たちは研究中であり、第一世代のソリューションを持っている新興企業も1社か2社あるかもしれない。つまり、これはアーキテクチャの格差に対処するもうひとつの方法であり、基盤となるレイヤーなのです。

ユヴァル:量子機械学習の現状を早送りして、「量子機械学習には何が必要か?量子機械学習が1つか2つの特定のユースケースを超えて、真に有用なツールとなるためには何が必要なのでしょうか?一つは、Classiqのように、抽象化レイヤー、つまり機能的な高レベルモデルから量子回路に移行する機能です。もうひとつは、ノイズ特性の改善と量子ビット数の増加です。そのため、より大きなモデルを実行し、より長いアルゴリズムを実行することができる。量子機械学習が主流になるには、3つ目か4つ目の何かが必要だとお考えですか?

Santanu:欠けているとは言いません。おそらく研究中で、おそらくではありません。そしてそれは基本的に一貫性です。エラーの話もありましたし、格差や抽象化レイヤーの話もありました。この他にも、量子コンピューティングや機械学習によってすべてが最適化されたり、有益に最適化されたりするわけではありません。例えば、ネットワーク上でパワーポイントを使う場合、量子チャネルで動かす意味はありません。ですから、将来的には、未来的な観点から、機械学習が役立つ特定のアプリケーションが出てくるでしょう。

あなたの質問に戻りますが、これらの問題に対処するために必要なのは、基本的な量子ビット処理の改良です。現在、物理的な量子ビットの生成方法は完璧ではありません。ですから、そのプロセス自体を最適化する必要があります。現在、実際の量子コンピューターには50~53個の量子ビットが搭載されています。現在テストされているアルゴリズムのほとんどは、シミュレーター上でテストされています。十分な量子ビットが必要でなければ、実際のプラットフォームで実行することになります。ですから、物理層が必要なのです。抽象化レイヤーが必要なのです。

そしてもう1つの選択肢であり、課題でもあるのがスケーラビリティだ。つまり、問題は意味のあるものでなければならない。そして、意味のある問題という点では、それをスケーリングする必要がある。例を挙げましょう。インターネットで、東南アジアで行われた交通最適化の研究をご覧になったことがあるかもしれません。その都市は交通渋滞がひどいところです。そこで彼らは、距離や人々の通勤先、合理的な交通手段など、いくつかの制約条件に基づいて機械学習を行いました。そして、数学的に最適化されたモデルを作成した。しかし、そのグラフを見ると、機械学習アルゴリズムは、ドライバーを都市のある地点から別の地点に向かわせるのであって、可能な限り速い経路を経由させるのではないことがわかる。しかし、目的地AからBまで5キロで行けるとして、10分短縮するために20キロの迂回路を通る人がどれだけいるだろうか?そう多くはないだろう。

だから、こういうものを走らせることがどれだけ現実的なのかを見極める必要がある。手元の問題に対する実用的な解決策になるのか?そして、これらのクエリーをラッシュアワーのプラットフォームでどのようにスケールさせるか。例えば金融環境では、何十万ものクエリーが発生する可能性がある。さて、これらのクエリーはすべて量子機械学習によって効率的に処理されるのだろうか?それとも50:50だろうか?古典的なものと量子的なもの?このあたりをもっと明確にする必要がある。さらに重要なのは、明確な意思決定ができるようになれば、よりリアルタイムの意思決定が必要になるということだ。つまり、AIが管理する層であれ、手作業で管理する層であれ、「これは量子が最適だ」「これは古典が最適だ」と言えるような層が必要なのです。これが私の考えだ。

ユヴァル:今日は量子機械学習についてたくさんお話ししましたが、量子コンピューティングには他にも量子鍵配布などの分野があります。特に量子機械学習に注目した理由はありますか?

サンタヌ:ええ、基本的に量子コンピューティングには深い関心があります。量子コンピューティングに付随して、今日、セキュリティという大きな問題があります。これも深い関心事です。もうひとつは量子エラー訂正です。量子セキュリティと量子エラー訂正には、量子機械学習で対処できる側面があります:強化学習、教師あり学習、教師なし学習、そういったアルゴリズムです。強化学習、教師あり学習、教師なし学習といったアルゴリズムです。機械学習は、現在の量子コンピューティングにおける未解決の重大な問題を解決することができるのです。

ユヴァル:ではサンタヌ、あなたの仕事についてもっと知りたい人は、どこに連絡すればいいんですか?

サンタヌ:ありがとうございます。私はLinkedInに登録しています。私の名前とCiscoの後に検索をかければ出てくるはずです。あるいは、その後に量子で検索すれば、私が出てくるはずです。LinkedInで気軽に声をかけてください。私はいつも積極的に答えている。どんな質問でも喜んでお答えします。ありがとう。

ユヴァル:素晴らしい。あなたとお話できてとても楽しかったです。今日は本当にありがとう。

サンタヌ:ありがとうございます。こちらこそ。あなたと話せてよかった。とても光栄です。お招きいただきありがとうございます。


今日のゲストはシスコのシステムアーキテクト、サンタヌ・ガングリーだ。サンタヌは量子機械学習についての新しい本を出版しました。この本について、空飛ぶ量子ビットについて、量子機械学習を本番に移行する際の課題などについてお話しします。

インサイトのページで「ポッドキャスト」を選択すると、その他のエピソードを聴くことができます。

全文は以下の通り。

ユヴァル:こんにちは、サンタヌ。今日はありがとう。

サンタヌ:ありがとう、ユヴァル。呼んでくれてありがとう。そして何よりも、私の名前を正しく発音してくれて本当にありがとう。本当に感謝している。

ユヴァル:どういたしまして。では、あなたは誰で、どんな仕事をしているのですか?

サンタヌ:私の名前はサンタヌ・ガングリーです。現在、イギリスのシスコシステムズで働いています。シスコシステムズでの私の仕事のひとつは、社内プロジェクトのひとつである量子技術の運営委員会の一員であることです。私は物理学と数学のバックグラウンドを持っています。科学的なこと、特に量子コンピューティングには常に情熱を注いできました。だから、英国政府のプロジェクトや英国のいくつかの企業金融機関と密接に仕事をしています。それが私です。

ユヴァル:まず、量子機械学習に関する新しい本の出版おめでとうございます。それについて少し教えてください。

サンタヌ:ありがとうございます。ありがとうございます。素晴らしい機会を与えていただいた。当初は簡単にできると思っていた。思っていたほど簡単ではありませんでした。題材は量子機械学習。このテーマを選んだ理由は、古典的な意味での機械学習にとても情熱を持っているからです。そして量子コンピューティングにはさらに情熱を持っている。そして、量子コンピューティングには常に情熱を持っています。私は数学と物理学のバックグラウンドを持っています。そしてここ5、6、7年の間に、量子コンピューティングが産業界にとってより重要なものとなり、グーグルやIBMなどの組織がこの技術に資金を投入し始め、関連した開発が行われるようになると、私はますます興奮するようになりました。

つまり、この本は量子機械学習の基本やアルゴリズムに触れ、そして最も重要なことは、量子機械学習に関する文献の多くに存在すると私が考えていた、いわばギャップに取り組むということだ。

例えば、ピーター・ウィテックによる記念碑的な本がある。彼は2011年に量子機械学習に関する最初の本を書いたと思う。それに続いて、マリア・シュルドとペトルチオーネの『量子機械学習における教師あり学習』という記念碑的な本が出た。これも素晴らしい本だった。その後、様々なアルゴリズム、文献や研究メディアにおける様々な研究が爆発的に増えました。

しかし、この分野を調べ始めた当初、私がいつも見逃していたこと、苦労していたことのひとつは、非常に新しく、非常に成長し、非常に最近のアルゴリズムや理論が、どうやってコードに変換されるのかということだった。このことを調べ始めると、すべてのアルゴリズムがすべての量子コンピューティング・プラットフォームで効率的に動作するわけではないことが明らかになった。

現在、量子コンピューティング・プラットフォームにはいくつかの種類がある。D-ウェーブは最初の商用量子コンピュータを開発し、アニーリングを用いた。IBMは超伝導量子ビットを開発し、ゲートモデルを使っている。リゲッティも同様の超伝導ゲートモデルを開発した。XanaduとPsiQuantumはフォトニック量子コンピュータに取り組んでいる。

数年前に遡るが、これらのアルゴリズムを調べれば調べるほど、すべてのアルゴリズムがすべてのプラットフォームで効率的に動作するわけではないことが見えてきた。例えば、マックスカットのようなある種のNP困難問題は、量子近似最適化アルゴリズム(QAOA)を用いたゲートモデルコンピュータよりも、QUBOを用いたD-Waveのコンピュータの方が効率的に動作する可能性があるという研究結果がある。アルゴリズムをプラットフォームに適用する際のこのようなバリエーションと挑戦が、私がこの本を書こうと思ったきっかけです。

したがって、この本は現在存在する主要な量子コンピューティング・ライブラリのほとんどをカバーしている。Google Cirq、Rigetti PyQuil、QVM。IBMのQiskitにも対応している。D-Waveのプラットフォームも扱っている。そして、私が正しくやっているかどうかを効率的に判断するために、D-ウェーブと協力した。彼らは実際に、私が本に書いた彼らについての資料に目を通してくれた。そして、出版前に彼らのOKをもらった。彼らにはとても感謝している。つまり、読者に選択肢を与え、あらゆる主要なプラットフォームへの入り口を提供し、できればどのアルゴリズムがどのようなプラットフォームで最も効果的で、どのようにそれらを回避するかというアイデアを提供できるようなものを作りたかったのです。それがきっかけです。ありがとう。

ユヴァル:アルゴリズムによっては、マシンによってはよりうまく機能するものがあるとおっしゃいましたね。しかし、もっと大きな疑問があります。量子機械学習は現在有用なのでしょうか?あるいは、いつ本番環境で役に立つと思いますか?

サンタヌ:とてもいい質問ですね。それに対する私の答えは、ある特定のケースでは量子機械学習は間違いなく役に立つということです。そのひとつが創薬や分子モデリングです。これは現在研究されているものです。現在のトピックです。しかし、これはうまくいったこともある。その例を挙げましょう。ペンシルベニア州立大学はゴーシュ博士のもと、量子コンピューターと機械学習を使ってCOVIDウイルスのワクチン・モデリングの研究を始めました。これはその一例です。

量子機械学習が研究され、利用されているもう一つの例は、金融分野である。例えば、金融リスク分析や金融ポートフォリオ最適化の価格設定などだ。ゴールドマン・サックスやシカゴ・クォンタムは、量子版ファイナンスを研究しています。

量子の観点が研究されているのは、選択肢が豊富だからだ。量子コンピューティングや機械学習の環境では、通常バイナリ環境では困難な、あらゆる種類の確率的な選択肢が得られる。そのため、利用が進んでおり、利用が進むにつれて、異なるプラットフォームで異なるアルゴリズムを使って異なるアプリケーションを最適化する方法について、より多くのことが学べるようになることを期待している。そして、私たち自身の標準的な古典的コンピューターで行ったように、私たちも改善していくだろう。私が子供の頃、古典的なコンピューターは机の上に置かれた大きなものだった。今では文字通りポケットの中だ。だから、使えば使うほど、学ぶべきことが増えていく。

ユヴァル:異なるコンピューターで動作するというのは、異なるタイプのアーキテクチャーのことですね。PsiQuantum対Honeywell、Rigetti対IBMとまでは言いませんが、どちらもゲートベースのコンピューターですね?

サンタヌ:その通りだ。その通りです。さまざまなアーキテクチャがあります。さらに、機械学習コンピューティングと通信の両側面があります。例えば、2つの異なるコンピューター、量子コンピューターがあるとしましょう。この量子コンピュータは2台のIBMかもしれないし、1台のIBMと1台のリゲッティかもしれないし、1台のD-Waveと1台のリゲッティかもしれない。この2つのコンピューターはどうやって互いに通信するのでしょうか?それはまだ解明されていない。というのも、量子ビットのレベルから、別の量子プラットフォームと通信できるレベルまで、どうやって情報を得るのかが問題になるからだ。特に光学的なレベルであれば。

今、私たちが知っているのはそれだけです。私たちは光学が通信媒体になるべきだと考えていますが、摂氏マイナス273度、ゼロ度ケルビンに近い超伝導量子プラットフォームがあります。そして、そこから情報を光学レベルまで引き上げ、お互いに通信する必要がある。例えば、バークレー大学では、長い間この研究に取り組んできました。空飛ぶ量子ビットと呼ばれています。あるエネルギー準位から別のエネルギー準位へと量子ビットを飛ばし、通信障壁を越えて転送するのです。ですから、基礎科学や私たちが考えている応用と同様に、アーキテクチャーの違いが大きな要因になります。

ユヴァル:では、もし私が営利企業に勤めていて、化学研究やポートフォリオの最適化を行いたいと考えていて、機械学習を試したいと考えた場合、どのようなハードウェア・アーキテクチャで実行するかを事前に決めておかなければならないのでしょうか?D-Waveが最適なのか、IBMが最適なのか、それとも他の何かが最適なのか、どうすればわかるのでしょうか?

サンタヌ:今は2つの方法がある。1つ目は近似的な方法です。D-WaveとIBMのどちらがうまくいくだろうか?それを試してみる。これが1つの方法です。もうひとつの方法は、やみくもな試行錯誤です。様々なプラットフォームの違いや、異なるプラットフォームにおける異なるアルゴリズムの適用性というか効率性をどのように解決するか。

もしそうでなければ、他の量子コンピューティング企業が、物理的な量子コンピューティングや通信レベルの上にスタックを構築することを考えているのであれば、ある種のオーケストレーション・レベルがあり、いわばその下の物理層が見えなくなる。言い換えれば、ユーザーはプログラミングするプラットフォームがIBMであろうとD-Waveであろうと何であろうと、自分が何をしたいのか、どのアルゴリズムを目指すのかさえわかっていれば気にしない。そして、基礎となるソフトウェア・スタックが、ユーザーにとって最適なプラットフォームを選択し、その上でプログラミングできるようにする。

そのため、このような問題に取り組んでいる人たちは研究中であり、第一世代のソリューションを持っている新興企業も1社か2社あるかもしれない。つまり、これはアーキテクチャの格差に対処するもうひとつの方法であり、基盤となるレイヤーなのです。

ユヴァル:量子機械学習の現状を早送りして、「量子機械学習には何が必要か?量子機械学習が1つか2つの特定のユースケースを超えて、真に有用なツールとなるためには何が必要なのでしょうか?一つは、Classiqのように、抽象化レイヤー、つまり機能的な高レベルモデルから量子回路に移行する機能です。もうひとつは、ノイズ特性の改善と量子ビット数の増加です。そのため、より大きなモデルを実行し、より長いアルゴリズムを実行することができる。量子機械学習が主流になるには、3つ目か4つ目の何かが必要だとお考えですか?

Santanu:欠けているとは言いません。おそらく研究中で、おそらくではありません。そしてそれは基本的に一貫性です。エラーの話もありましたし、格差や抽象化レイヤーの話もありました。この他にも、量子コンピューティングや機械学習によってすべてが最適化されたり、有益に最適化されたりするわけではありません。例えば、ネットワーク上でパワーポイントを使う場合、量子チャネルで動かす意味はありません。ですから、将来的には、未来的な観点から、機械学習が役立つ特定のアプリケーションが出てくるでしょう。

あなたの質問に戻りますが、これらの問題に対処するために必要なのは、基本的な量子ビット処理の改良です。現在、物理的な量子ビットの生成方法は完璧ではありません。ですから、そのプロセス自体を最適化する必要があります。現在、実際の量子コンピューターには50~53個の量子ビットが搭載されています。現在テストされているアルゴリズムのほとんどは、シミュレーター上でテストされています。十分な量子ビットが必要でなければ、実際のプラットフォームで実行することになります。ですから、物理層が必要なのです。抽象化レイヤーが必要なのです。

そしてもう1つの選択肢であり、課題でもあるのがスケーラビリティだ。つまり、問題は意味のあるものでなければならない。そして、意味のある問題という点では、それをスケーリングする必要がある。例を挙げましょう。インターネットで、東南アジアで行われた交通最適化の研究をご覧になったことがあるかもしれません。その都市は交通渋滞がひどいところです。そこで彼らは、距離や人々の通勤先、合理的な交通手段など、いくつかの制約条件に基づいて機械学習を行いました。そして、数学的に最適化されたモデルを作成した。しかし、そのグラフを見ると、機械学習アルゴリズムは、ドライバーを都市のある地点から別の地点に向かわせるのであって、可能な限り速い経路を経由させるのではないことがわかる。しかし、目的地AからBまで5キロで行けるとして、10分短縮するために20キロの迂回路を通る人がどれだけいるだろうか?そう多くはないだろう。

だから、こういうものを走らせることがどれだけ現実的なのかを見極める必要がある。手元の問題に対する実用的な解決策になるのか?そして、これらのクエリーをラッシュアワーのプラットフォームでどのようにスケールさせるか。例えば金融環境では、何十万ものクエリーが発生する可能性がある。さて、これらのクエリーはすべて量子機械学習によって効率的に処理されるのだろうか?それとも50:50だろうか?古典的なものと量子的なもの?このあたりをもっと明確にする必要がある。さらに重要なのは、明確な意思決定ができるようになれば、よりリアルタイムの意思決定が必要になるということだ。つまり、AIが管理する層であれ、手作業で管理する層であれ、「これは量子が最適だ」「これは古典が最適だ」と言えるような層が必要なのです。これが私の考えだ。

ユヴァル:今日は量子機械学習についてたくさんお話ししましたが、量子コンピューティングには他にも量子鍵配布などの分野があります。特に量子機械学習に注目した理由はありますか?

サンタヌ:ええ、基本的に量子コンピューティングには深い関心があります。量子コンピューティングに付随して、今日、セキュリティという大きな問題があります。これも深い関心事です。もうひとつは量子エラー訂正です。量子セキュリティと量子エラー訂正には、量子機械学習で対処できる側面があります:強化学習、教師あり学習、教師なし学習、そういったアルゴリズムです。強化学習、教師あり学習、教師なし学習といったアルゴリズムです。機械学習は、現在の量子コンピューティングにおける未解決の重大な問題を解決することができるのです。

ユヴァル:ではサンタヌ、あなたの仕事についてもっと知りたい人は、どこに連絡すればいいんですか?

サンタヌ:ありがとうございます。私はLinkedInに登録しています。私の名前とCiscoの後に検索をかければ出てくるはずです。あるいは、その後に量子で検索すれば、私が出てくるはずです。LinkedInで気軽に声をかけてください。私はいつも積極的に答えている。どんな質問でも喜んでお答えします。ありがとう。

ユヴァル:素晴らしい。あなたとお話できてとても楽しかったです。今日は本当にありがとう。

サンタヌ:ありがとうございます。こちらこそ。あなたと話せてよかった。とても光栄です。お招きいただきありがとうございます。


"キュービット・ガイのポッドキャスト "について

The Qubit Guy(弊社最高マーケティング責任者ユヴァル・ボーガー)がホストを務めるこのポッドキャストは、量子コンピューティングのオピニオンリーダーをゲストに迎え、量子コンピューティングエコシステムに影響を与えるビジネスや技術的な疑問について議論します。ゲストは、量子コンピュータのソフトウェアやアルゴリズム、量子コンピュータのハードウェア、量子コンピューティングの主要なアプリケーション、量子産業の市場調査などについて興味深い見解を提供します。

ポッドキャストへのゲスト推薦をご希望の方は、こちらまでご連絡ください。

量子ソフトウェア開発を開始

お問い合わせ