500万ドルの質問

オックスフォード郊外の実験室では、レーザーグリッドに懸濁されたセシウム原子から構築された量子コンピューターがその時を待っています。マシンは建物の外に持ち出すのに十分なほど小さいですが、本社がコロラドにあるInfleqtionの所有者は、今週カリフォルニア州Marina del Reyの競争で500万ドルを獲得できると信じています。賞金は、古典的なコンピューターが処理できない実際の医療問題を解決する量子アルゴリズムを実証できるチームに属しており、競争の主催者さえ大賞を完全に請求する人がいるかどうかを疑っているほど要求の厳しい課題です。

競争はWellcome Leapという非営利団体が運営するQuantum for Bio（Q4Bio）です。30ヶ月間実施され、12チームが参加しており、各チームが150万ドルの開発資金を受け取っています。6チームが決勝に進みました。彼らの仕事は、量子コンピューティング全体の分野を支配する基本的な質問に答えるための最も真摯な試みとなっています。つまり、現在のノイズの多い、エラーの起きやすいマシンは、世界のために本当に有用なことをできるのかということです。

誰も予想しなかったハイブリッドソリューション

Q4BioEから現れる最も重要な技術的発見は、どのチームが勝つかではなく、すべてのチームが現在の量子ハードウェアの制限にどのように対応したかもしれません。ノイズ、限定されたqubit数、高いエラー率に苦しむプロセッサに直面して、6つの決勝チームはすべて、ハイブリッド量子-古典的アプローチを開発しました。つまり、計算のほとんどを従来のプロセッサに外注してから、古典的な方法がスケーリングに失敗する特定のサブ問題に対してのみ量子ハードウェアを使用するのです。

これは、量子マシンが単独で計算全体を実行する初期の一般的な想像上の量子コンピューティングではありません。それはより実用的で、より興味深いものです。つまり、量子と古典的なシステム間の労働分配であり、各システムの真の強みを活かすものです。古典的なコンピューターは効率的な問題の部分を処理します。量子ハードウェアは、古典的にレプリケートできない量子効果が利点を提供する部分を対処します。ハイブリッドアプローチはまた、古典的なコンピューティング性能を改善する副産物としてアルゴリズム進歩を生み出しました。これは、量子コンポーネントがどのように最終的に実行されるかに関係なく価値がある発見です。

解決されている問題

Q4BioのチームはAlgorithmiqはHelsinki本社で、Cleveland Clinicと協力して、IBM超伝導量子コンピューターを使用して光が活性化したがん治療薬をシミュレートしました。これは膀胱がんの第2相臨床試験中の光線力学治療薬です。量子計算シミュレーションにより、薬物を追加のがんの種類を治療するために再設計することができます。これは関連する分子動力学が従来のハードウェア上で計算上扱いにくいため、古典的にモデル化することが不可能なアプリケーションです。

Oxford UniversityのSergii Strelchukは、量子コンピューターを使用して、スケーリングに応じて古典的なソルバーを圧倒するグラフベースのデータ構造を通じて、ヒトと病原体の遺伝的多様性をマッピングしています。このシステムは、ゲノムデータの隠された接続を公開し、標準的なバイオインフォマティクスに現在見えない治療経路を明らかにすることができます。そしてInfleqtionのセシウムベースのマシンはCancer Genome Atlasを採掘して、転移がんの可能性の高い起源を示すパターンを識別しています。これは治療計画にとって臨床的に重要な情報ですが、データスケールのために計算上アクセス不可能です。

失敗さえも進歩としてカウント

Q4BioThe競争ディレクターは、誰かが500万ドルの大賞を請求する可能性について率直でした。この課題には、有用な量子アルゴリズムだけでなく、古典的なコンピューターが解決不可能な問題を実証的に解決し、厳格なパフォーマンス基準を満たす100個以上のqubitでハードウェア上で実行されるものが必要です。量子ハードウェアの状態を考えると、これらすべての条件を同時に満たすことは、並外れた課題です。

しかし、チームが大賞を獲得しなくても、競争は価値のあるものを生み出しました。つまり、量子コンピューティングがヘルスケアに本当に貢献できる場所の厳密なマッピングと、古典的なマシンのパフォーマンスさえ改善したハイブリッド技術のセットです。この分野は、理論的な将来のハードウェアを待つのではなく、実際のマシンで実際の問題を解決しようとする規律によって変わりました。このプラグマティズム（つまり、現在の量子システムの制限を受け入れながら、それらから真の有用性を抽出する方法を見つけることは、賞金がどのように配布されるかに関係なく、Q4Bioの最も重要な遺産かもしれません。

この記事はMIT Technology Reviewの報告に基づいています。元の記事を読む。