3,534 文字
先週、DeepMindのデミス・ハサビス – 最近ノーベル化学賞を受賞した2人のうちの1人 – との非常に興味深いインタビューを聞きました。彼は、人工知能が量子コンピューティングの多くのユースケースを飲み込んでしまうと考えているとのことです。
もし彼が正しければ、これは量子コンピューティングのスタートアップにとって本当に悪いニュースですね。詳しく見ていきましょう。
「でも面白いことに、ちょっと物議を醸すような見方もしているんです。世界トップクラスの量子コンピュータ科学者の何人かと話したんですが、実は従来型のチューリングマシン、つまり古典的なコンピュータが、私たちが以前考えていたよりもずっと多くのことができると思うんです。」
「普通、量子系をモデル化するには量子コンピュータが必要だと言われますが、古典的なシステムでも量子系をモデル化できる可能性があります。この考えを、量子コンピューティングの先駆的な研究でノーベル物理学賞を最近受賞したツァイリンガー教授などに話してみたところ、とても興味深いと思ってくれました。」
「それに、私の科学的ヒーローの一人で、基本的に量子コンピューティングを発明したデイビッド・ドイッチも、それは狂気の沙汰だけど、良い意味での狂気だと言ってくれました。彼からそう言われたことを、私は褒め言葉として、そしてこの考えをさらに追求すべきというサインとして受け止めています。」
人工知能が量子コンピューティングの真剣な競争相手だというのは新しい話ではなく、量子コンピューティング分野で働く多くの人々が、それなりの理由があって心配しています。
問題は、量子コンピュータが従来の古典的なコンピュータより「優れている」具体的な方法にあります。単純に速いというわけではなく、アルゴリズムが量子コンピュータでより良くスケールするのです。「量子優位性」は量子力学の興味深い性質から来ています。つまり、エンタングルメントのような量子的性質がない場合と比べて、可能性の状態空間がはるかに大きいのです。
これらの多くの可能性を使って問題をエンコードし、それに取り組むと、いくつかの問題はより少ない演算で解決できます。これが利点です。演算が少なくて済むのです。つまり、問題が大きくなっても、量子コンピュータは従来のコンピュータほど遅くなりません。しかし。
これは必ずしも計算が速いことを意味しません。なぜなら、量子コンピュータでの演算は通常、従来のコンピュータよりもずっと遅いからです。スーパーコンピュータのクラスターは現在、エクサフロップ（10の18乗演算/秒）の範囲で動作しています。グーグルのシカモアのような量子コンピュータは、最良の場合でも、そのくらいの時間コヒーレンスを保てるとすれば、1秒間に約1000万回の演算しか処理できません（実際にはそれは不可能です）。
これが状況を要約しています。量子コンピュータは、問題のサイズが大きくなっても従来のコンピュータほど遅くならないため、いくつかの問題で優位性を持っています。しかし、非常に遅いという大きな初期のハンディキャップがあります。最終的には追いつくはずですが、それがいつになるかは、従来のコンピュータがどれだけ改良されるかによって変わってきます。
これがハサビスの観察に戻ってきます。彼が言おうとしていることは、実際にはそれほど大きな可能性の空間が必要ないかもしれない、つまり量子コンピュータの優位性は予想よりもずっと小さいかもしれない、ということだと思います。なぜなら、タンパク質折りたたみを解決した人工知能システムのAlphafoldや、碁を学習した人工知能システムのAlphaGoでまさにそれが起こったからです。
両方のケースで、可能性の空間は、コンピュータが総当たりで全てを試すには大きすぎます。例えば、約100個のアミノ酸を持つかなり小さな分子でも、折りたたむ方法は簡単に10の40乗通りあります。では、なぜAlphafoldは機能したのでしょうか？それは、折りたたみには物理的な法則があるため、空間全体が必要ないからです。そしてソフトウェアはデータからこれらの法則を学習しました。
碁も同様で、可能性の空間を大幅に減らす法則を発見する必要がありました。そして同じことが、最も関心を集めている分野の一つである量子化学で、すでに起こっています。これは分子や材料を実際に作ることなく、その性質を計算したい場合に使用します。
それができれば、薬の開発、バッテリー技術、特定の化学反応を加速する触媒など、望む性質を持つ物質を見つけることが格段に簡単、迅速、安価になります。商業的にとても興味深いのです。
量子コンピュータがこの場合に有用だと考えられているのは、つまるところ、化学は全て量子物理学であり、電子バンドと核の周りをどのように巻き付くかということだからです。しかし、その仕事を完了するのに量子コンピュータは必要ないかもしれません。うまく訓練された物理法則を持つニューラルネットワークで十分かもしれません。
実際、先月Scienceに掲載された論文で、人工知能がまさにこのニッチを非常に急速に埋めていることが記されています。簡単に言えば、その理由は、多くの分子や材料が量子的ですが、すべてがそうではないからです。量子コンピュータが提供するこれらの可能性をすべて必要としないのです。
Technology Reviewは、スイスの計算物理学教授で、Scienceの論文の著者の一人であるジュゼッペ・カルレオにインタビューしました。カルレオによると、「量子コンピュータが化学および材料科学の問題の大部分で何らかの利点を提供する可能性は低い」とのことです。これがハサビスが話していたことだと思います。
つまり、量子コンピュータの最良のユースケースを含む一部の自然システムには、問題を賢い人工知能が扱えるようにする物理法則が存在するということです。とはいえ、より推測的な解釈としては、これは一部の自然システムだけでなく、実際には十分に大きくなった量子コンピュータ自体を含むすべての自然システムにも当てはまる可能性があります。
実際には可能性の空間全体を使用しているわけではなく、現在は知られていない物理法則によって、私たちが考えているよりもずっと強く決定されているのかもしれません。なぜこれが興味深いと思うのかわかりますか？もしこれが真実だとすれば、たとえ近似的にでも、あるいは一部のケースでも、量子力学について非常に深い何かを教えてくれることになります。
それが何なのかはよくわかりませんが。そして人工知能が量子コンピュータを不要にできるのなら、私たちはそれを決して知ることができないかもしれません。いずれにせよ、ハサビスがこれを言ったとき、私は「ああそうだ、なぜ私はそれを考えなかったんだろう」と思いました。まあ、だから彼がノーベル賞を受賞して、私は受賞していないんですね。
とはいえ、私はYouTubeにいて彼はいないので、チャンネル登録を忘れないでくださいね。私にとって科学は職業以上のものです。それは世界を理解し、問題を解決する方法なのです。だから私は、科学を可能な限り簡単で魅力的な方法で学ぶことを支援するというミッションを持つBrilliantと協力できることを嬉しく思います。
Brilliantのすべてのコースには、インタラクティブな視覚化とフォローアップの質問が含まれています。新しいことを学ぶのにとても効果的だと感じました。実際に何が起こっているのかを実感でき、一般的な問題解決能力を養うのに役立ちます。
科学、コンピュータサイエンス、数学の幅広いトピックをカバーしています。一般的な科学的思考から、微分方程式や大規模言語モデルに関する専門コースまであります。毎月新しいコースが追加されています。簡単で速く学べ、時間のあるときにどこでも学習できます。私もBrilliantで量子力学入門のコースを持っています。
波動関数とは何か、重ね合わせとエンタングルメントの違いは何かを理解するのに役立ちます。干渉、不確定性原理、ベルの定理もカバーしています。その後、量子コンピューティングや微分方程式のコースに進むこともできます。もちろん、このチャンネルのユーザー向けの特別オファーもあります。brilliant.org/sabineのリンクを使用すると、
Brilliantが提供するすべてのものを30日間試すことができ、プレミアム会員登録が20%オフになります。ぜひチェックしてみてください。視聴ありがとうございました、また明日。
コメント