[論文レビュー] Neuromorphic computing with a single qudit

William D. Kalfus, Guilhem Ribeill+4 more|arXiv (Cornell University)|Jan 27, 2021

Neural Networks and Reservoir Computing参考文献 24被引用数 9

ひとこと要約

本論文は、1つのクイディット（d次元量子系）が神経形態計算のための非常に効果的な量子リザボアとして機能できることを示しており、信号処理および短期記憶タスクにおいて、古典的リザボアを上回る性能を発揮することを明らかにした。主な結果は、ヒルベルト空間の次元（d）に依存する、きわめて頑健な性能優位性であり、dが増加するにつれて向上する。これは、量子リザボア計算（QRC）が、古典的モデルと比較して、指数関数的に増大する状態空間を活用することで、優れた計算能力を発揮することを示している。

ABSTRACT

Accelerating computational tasks with quantum resources is a widely-pursued goal that is presently limited by the challenges associated with high-fidelity control of many-body quantum systems. The paradigm of reservoir computing presents an attractive alternative, especially in the noisy intermediate-scale quantum era, since control over the internal system state and knowledge of its dynamics are not required. Instead, complex, unsupervised internal trajectories through a large state space are leveraged as a computational resource. Quantum systems offer a unique venue for reservoir computing, given the presence of interactions unavailable in analogous classical systems, and the potential for a computational space that grows exponentially with physical system size. Here, we consider a reservoir comprised of a single qudit ($d$-dimensional quantum system). We demonstrate a robust performance advantage compared to an analogous classical system accompanied by a clear improvement with Hilbert space dimension for two benchmark tasks: signal processing and short-term memory capacity. Qudit reservoirs are directly realized by current-era quantum hardware, offering immediate practical implementation, and a promising outlook for increased performance in larger systems.

研究の動機と目的

• 1つのクイディットリザボアが神経形態計算タスクにおいて、古典的リザボアを上回る性能を示すかどうかを調査すること。
• 量子リザボア計算（QRC）の計算性能がヒルベルト空間次元（d）とともにどのようにスケーリングするかを特定すること。
• 1つの物理的系を用いることで、ネットワークトポロジーに起因する混同要因を避けることにより、量子ダイナミクスの影響を明確に分離すること。
• 超伝導キュービットや捕獲イオンなどの現行時代の量子ハードウェアを用いて、QRCの実現可能性を示すこと。
• 量子リザボアが古典的対応物に対して性能優位性を発揮する条件を明確にすること。

提案手法

• 本研究では、非線形ハミルトニアンを用いた1つのクイディットリザボアをモデル化し、ダフィング型の相互作用を用いて複雑で非線形なダイナミクスを生成する。
• 入力信号は時間依存するハミルトニアン項として符号化され、リザボアの状態は内部ダイナミクスと入力の両方の影響を受けてユニタリに時間発展する。
• リザボアの出力は、固定された基底演算子の期待値を離散的な時間間隔でサンプリングすることで得られ、時間系列ベクトルを形成する。
• 線形リードアウト層（リッジ回帰）が、リザボア出力を目的のタスク出力にマップし、標準的な教師あり学習により訓練される。
• 性能は、2つの標準タスク（信号処理（相関係数r²で測定）、短期記憶容量（STMC））を用いてベンチマークされる。
• シミュレーションでは、QRC（d ≥ 2）と、同様のDuffing発振子に基づく古典的リザボアモデルを比較し、公平な比較がなされる。

実験結果

リサーチクエスチョン

• RQ1 1つのクイディットリザボアは、神経形態計算タスクにおいて、古典的リザボアを上回る性能優位性を示すか？
• RQ2 量子リザボア計算（QRC）の性能は、ヒルベルト空間次元（d）が増加するにつれてどのようにスケーリングするか？
• RQ3 QRCにおける短期記憶容量を最大化する最適なホールド時間（Δt）は何か？また、これは古典的リザボアとどのように異なるか？
• RQ4 量子リザボアは、古典的リザボアを上回る記憶容量を達成できるか？また、その優位性はdに依存するか？
• RQ5 QRCにおいて、クイディットの全ヒルベルト空間が計算空間として完全に利用可能であるか？その利用に制限は何か？

主な発見

• d ≥ 3のQRCは、古典的リザボア計算（CRC）を明確に上回る性能優位性を示し、最適ホールド時間（QRCではΔt = 0.5/κ、CRCではΔt = 5/κ）に顕著な差が見られる。
• QRCの短期記憶容量（STMC）は、ヒルベルト空間次元dとともに単調に増加し、d = 4を超えると飽和し、CRCが達成できる最大STMCをはるかに上回る。
• 信号処理タスクにおいて、r²の相関係数は、d ≥ 3のQRCにおいてよりゆっくりと減少し、長寿命な記憶と優れた信号忠実度を示している。
• QRCとCRCの性能差は、d ≥ 3で最も顕著であり、これは真の量子リザボア（キュービットレベルのモデルではない）にのみ、根本的な計算優位性が存在することを示唆している。
• 結果から、全ヒルベルト空間が計算空間として完全に利用可能ではないことが示唆され、内部ダイナミクスの複雑さと単一変数出力方式の制限によって、性能が制限されている。
• 本研究は、1つのクイディットを用いたQRCが、超伝導回路や捕獲イオンなどの現行量子ハードウェアプラットフォームで直接実装可能であることを確認した。