[論文レビュー] A genetic algorithm for finding pulse sequences for NMR quantum computing

M. J. Rethinam, Abhishek Javali+3 more|arXiv (Cornell University)|Apr 29, 2004

Fractal and DNA sequence analysis参考文献 4被引用数 15

ひとこと要約

この論文では、NMR量子計算におけるパルスシーケンスを最適化する遺伝的アルゴリズムを提案しており、量子ゲートを実装するために必要な回転回数を顕著に削減している。CNOTゲートのシーケンスでは40％の削減（5回から3回の回転に）を達成し、N=15におけるショアのアルゴリズムでも50％の改善（10回から6回の回転に）を実現した。AIが量子ゲート設計を単純化する力の高さが示された。

ABSTRACT

We present a genetic algorithm for finding a set of pulse sequences, or rotations, for a given quantum logic gate, as implemented by NMR. We demonstrate the utility of the method by showing that shorter sequences than have been previously published can be found for both a CNOT and for the central part of Shor's algorithm (for N=15.) Artificial intelligence techniques like the genetic algorithm here presented have an enormous potential for simplifying the implementation of working quantum computers.

研究の動機と目的

• 量子ゲートの複雑さを低減することで、NMRベースの量子計算におけるパルスシーケンスの設計を簡素化すること。
• より短く、より効率的なパルスシーケンスを特定し、回転回数を減らして量子論理ゲートを実装すること。
• 人工知能技術が量子ゲート実装の最適化にどのように有用であるかを示すこと。
• 最適化されたCNOTゲートシーケンスを用いて、N=15におけるショアのアルゴリズムの効率を向上させること。
• NMR量子計算におけるロバストで最小限のパルスシーケンスを生成するスケーラブルで自動化された手法を提供すること。

提案手法

• パルスシーケンスを回転角度と回転軸を符号化した染色体として表現する遺伝的アルゴリズムを用いる。
• 適合度関数は、回転の積がターゲットユニタリー行列（例：CNOTまたはCNOT_AB × CNOT_AC）にどれほど近いかを評価する。
• クロスオーバーや突然変異を適用して新しいシーケンスを生成し、回転角度と回転軸を進化操作の対象とする。
• アルゴリズムは繰り返し集団を進化させ、高い適合度を持つシーケンスを選別し、世代を経て改善していく。
• シーケンスを丸め直し、物理的実現可能性と正確性を保証するために再評価する。
• ターゲットユニタリー行列を高い忠実度で達成するシーケンスが見つかるまでプロセスを継続する。

実験結果

リサーチクエスチョン

• RQ1 遺伝的アルゴリズムは、NMR量子計算におけるCNOTゲート実装に必要なより短いパルスシーケンスを発見できるか？
• RQ2 CNOTゲートシーケンスを最適化することで、N=15におけるショアのアルゴリズムの効率はどの程度向上できるか？
• RQ3 AI駆動の最適化により、従来の手動的または解析的手法を上回る回転回数の削減が、量子ゲート実装において達成可能か？
• RQ4 x z や z x といった非標準の回転軸を含む最適化されたパルスシーケンスは、特定のスピン系においても実験的に実現可能か？
• RQ5 シーケンス長と忠実度の観点から、遺伝的アルゴリズムの性能は、先行する解析的または数値的手法と比べてどうか？

主な発見

• 遺伝的アルゴリズムは、CNOTゲートを実装するのに3回の回転のみで達成でき、従来の5回の回転という基準を40％削減した。
• N=15におけるショアのアルゴリズムでは、コアとなる2つのCNOTゲートのシーケンスが10回の回転から6回に短縮され、50％の効率向上を達成した。
• 2つの異なる3回回転のパルスシーケンスが発見され、行列積解析によりCNOTゲートを正確に実装することが確認された。
• 2つのCNOTゲートの積（CNOT_AB × CNOT_AC）を実装する5回回転のシーケンスが発見され、これらはN=15におけるショアのアルゴリズムのコアを占める。
• 最適化されたシーケンスには、x z や z x といった非標準の回転軸が含まれており、特定のスピン系では実験的課題を引き起こす可能性がある。
• 結果から、AIベースの最適化が、実験的実現可能性が特定のNMRシステムに依存するにせよ、量子ゲート設計を顕著に単純化できることを示した。