量子チップ川柳が世界的な技術センセーションを巻き起こす理由

出典：Zepin Macro

12月10日、グーグルは最新世代の量子チップを発表した！"!

Willowチップの何がそんなに強力なのか？大量生産はまだ先なのか？

1. グーグルの最新世代量子チップ「ウィロー（Willow）」は、計算能力とエラー訂正において画期的な進歩を遂げている

「ランダム回路サンプリング」と呼ばれるベンチマークにおいて、現在最速のスーパーコンピューターは、「ランダム回路サンプリング」を実現しました。

ウィローは、世界で初めてこれを可能にしたコンピューターです。

量子コンピューティングは、計算を劇的に高速化し、特定のタスクにおいて古典的なコンピュータを凌駕する可能性を秘めており、これは「量子優位性」として知られている。2019年にさかのぼるが、グーグルはすでにこの事実を『ネイチャー』誌に発表し、54量子ビットの量子コンピューター「シカモア」を使って、従来のアーキテクチャー・コンピューターができなかったタスクを達成したことを示し、検証していた。世界ナンバーワンのスーパーコンピューターなら計算に1万年かかるようなある実験で、シカモアはわずか3分20秒しかかからなかった。GoogleのCEOであるSundar Pichai氏は、研究者たちが待ち望んでいた「Hello World」であり、その時点までの量子コンピューティングの実用化において最も重要なマイルストーンのひとつであると述べた。

ウィローの立ち上げは、量子コンピューティングにおけるもうひとつの画期的な出来事だ。

しかしながら、fastはウィローの最も注目すべきブレークスルーではありません。

ウィローの最大の強みは、エラーを修正する能力にある。

これまでの量子チップは、量子状態のもろさのため、データ処理中の環境擾乱によるデコヒーレンスに影響されやすく、量子ビットの状態にエラーが発生していた。そのため、量子コンピュータは「量子の優位性」とは裏腹に、環境の影響を受けやすく、非常にエラーを起こしやすい。一般的に、量子ビットの数が多ければ多いほど、エラーも多くなります。

そのため、「量子エラー訂正」が重要な技術となっており、量子チップには特別な量子エラー訂正技術が必要で、この分野でも重要な課題となっており、量子コンピュータの実用化と発展に深刻な制約を与えたことがある。

ウィロー・チップは、30年近く研究者を悩ませてきた量子エラー訂正問題を見事に解決し、エラー率を指数関数的に減少させることに成功した。グーグルの研究によると、ウィローで使用される量子ビットの数が多ければ多いほど、システムのエラー率は低下する。

量子ビットの数が増え、3×3アレイから5×5アレイ、7×7アレイへと拡大したとき、GoogleのWillowチップの実験では、拡大するたびに符号化エラー率が2.14分の1になり、エラー率はどんどん低下しました。

2 量子コンピューティングとは？なぜそれほど強力なのか？

1935年、オーストリアの物理学者エルヴィン・シュレーディンガーは、素晴らしい思考実験を思いつきました。放射性物質が入った箱に猫を入れると、50％の確率で放射性物質が崩壊し、猫を殺す毒ガスが放出される一方、50％の確率で放射性物質が崩壊せず、猫が生き残るというものです。箱が開けられるまで、猫の生死は誰にも分からず、「生と死の重ね合わせの状態」としか言いようがない。

量子の世界は、シュレーディンガーの猫のように、未解決の重ね合わせ状態にあります。対応する新しい計算モデルは、猫が重ね合わせ状態にあるものです。新しい計算理論に対応するのは「量子コンピューティング」であり、ハードウェア層は量子チップ、量子コンピュータに現れる。

量子コンピューティングには2つの利点があります：

第一に、強力なデータ記憶容量。古典コンピューティングでは基本単位としてビットを使用しますが、量子コンピューティングでは基本単位として量子ビットを使用します。

古典的なコンピューティングでは、ビットの状態は0か1かの決定論的なものであるのに対し、量子ビットは0と1の重ね合わせの状態にあり、言い換えれば、0と1を同時に記憶することができる。

nビットを持つ従来のチップは、同時にn個のデータを記憶することができるが、n量子ビットを持つチップは、同時に2^n個のデータを記憶することができる。

第二に、特定の問題に対する強力な並列コンピューティングを実証しています。

従来のコンピュータは、演算ごとに1つの値を別の値に変換することしかできない直列コンピュータであり、逐次的に計算を行わなければならない。一方、量子コンピューターは、1回の演算で2^n個のデータを同時に新しい2^n個のデータに変換することができます。

3.量子チップは将来GPUに取って代わり、AI開発を推進できるのか？

人工知能（AI）技術とさまざまなアプリケーションはここ数年で急速に発展しており、コンピューティングパワーに対する需要は指数関数的に高まっています。

理論的には、量子コンピューティングの並列処理能力は、複雑なAIアルゴリズムを扱う上で当然の優位性をもたらし、モデル訓練の速度と精度を大幅に向上させることができます。

ウィローチップの出現は、AIのさらなる発展のための強力な演算パイオニアを提供できるかもしれません。

実際、現在AIで広く使われているGPUは、もともとグラフィック処理を高速化するために設計されたものだ。たとえば、ゲームにおける3Dシーンのレンダリング、アニメーション制作におけるモデリングや特殊効果処理、映画やテレビ制作における映像視覚効果などです。しかし、その強力なコンピューティング能力により、GPUが科学コンピューティングや人工知能の分野で広く使用されるようになったのは後のことで、特にディープラーニングのニューラルネットワークのトレーニングや推論フェーズで、大規模なデータセットや高度な並列性を持つ計算タスクの処理に優れています。

このような観点から、量子チップも将来的に徐々に開発を突破し、計算の限界を打ち破り、さまざまな種類のAI機械学習アルゴリズムの訓練プロセスを加速させるでしょう。量子チップは現在、主に暗号化暗号化アルゴリズムのクラッキング（例えば、RSAアルゴリズムに基づく従来の暗号化に対する潜在的な脅威）、量子システムシミュレーション（分子、材料、その他の量子レベルの物理的・化学的特性のシミュレーション）、複雑な最適化問題の解決（例えば、物流計画、資源配分、その他の複雑な最適化問題の解決）など、計算複雑性に対する要求が極めて高い一部の特定分野で使用されている。(ロジスティクス計画、資源配分、その他の複雑な組み合わせ最適化問題など）などがある。これらの分野では、量子コンピューティングの利点をフルに活用することができ、従来のコンピュータでは許容できる時間で完了できなかったタスクを解決することが可能です。

量子チップの計算能力の向上は、主に量子ビットの数と質の向上に関連しています。将来、量子ビットの数が増えるにつれて、量子コンピューターの計算能力は指数関数的に成長します。量子ビットが1つ増えるごとに、可能な状態の組み合わせの数は倍増する。例えば、2量子ビットは4つの状態の組み合わせ、3量子ビットは8つの状態の組み合わせ、といった具合である。また、量子ビットの品質（コヒーレンス時間、忠実度など）は計算能力に大きな影響を与え、高品質の量子ビットは量子状態をより効率的に維持できるため、より正確で複雑な計算につながります。

しかし短期的には、量子チップはGPUを揺るがすことは難しいでしょう。量子チップはGPUに比べて計算能力が高く、理論的には代替可能です。しかし、GPUの堀、コンピューティングパワーは1つの側面に過ぎず、より重要なのはプログラム可能なアーキテクチャと開発者の生態学的優位性、製造プロセスと産業の成熟度です。

GPUプログラマブルアーキテクチャと開発者エコシステムは、中核となる障壁です。NVIDIAは10年以上にわたり、GPUでこの「AIコンピューティング革命」の基礎を築いてきました。

CUDA（Compute Unified Device Architecture）は、NVIDIAが2006年に開発した最初のGPUプログラミング・アーキテクチャ・プラットフォームであり、その価値はGPU開発者エコシステムを構築することにあります。アルゴリズム エンジニアが必要に応じてGPUの機能を探求できるようにすることで、GPUの応用領域をグラフィックス レンダリングから汎用領域へと拡大します。

新しいハードウェア (量子チップなど) に基づいて新しいソフトウェアを開発する場合、前方互換性を達成する必要がありますが、既存の主要な AI ソフトウェアは、開発の大部分が CUDA プラットフォームに依存しているため、CUDA アーキテクチャからの離脱にはコストがかかります。多くの HPC 開発者が CUDA エコシステムで開発経験を積み、CUDA のダウンロード数が年間 500 万に達するという開発コミュニティの堀効果も相まって、開発者コミュニティに代替プログラミング モデルへの移行を促すことは、数十年単位のプロジェクトになるでしょう。

GPU チップの製造プロセスと産業チェーンは成熟しており、幅広い消費者市場とポジティブな産業サイクルがあります。

GPUは誕生から25年が経ち、パーソナルPC、カスタム開発、AIデータセンターなど、下流の商用アプリケーションシナリオは10年から30年の間に形成されてきました。現在、GPUはチッププロジェクトから1年の流れ、1年の量産への流れ、GPU開発の主調、リソグラフィ装置開発の形成、ウェハファウンドリプロセスの反復および他の対応するリンクサイクル。このような正のサイクルの10年以上の強固な産業チェーンは、破られることは困難である。

また、量子チップ製造とGPU産業チェーンは重なりにくい。量子チップの設計と製造は非常に複雑で、純度の高い実験環境、精密な量子制御技術、安定した量子ビットを必要とするため、長い間、「戦い」では散発的な少数のトップ技術企業が存在し、成熟した産業サプライチェーンはまだ形成されていない。そのため、短期的には量子チップの大量生産と商業応用を実現することが大きな問題となっている。

4.Quantum chips will have biggest impact on cryptocurrencies and HPC+AI

4.1 Quantum chips or cryptocurrencies are "nemesis"
<

ビットコインを例にとると、そのセキュリティは2つの重要なメカニズムに基づいている。1つは「採掘」メカニズムで、ビットコインの出力はハッシュ関数に依存するプルーフ・オブ・ワーク（Proof of Work）に基づいており、ハッシュレートが高いほど採掘に成功する可能性が高くなります。2つ目はトランザクション署名で、これは楕円曲線デジタル署名アルゴリズム（ECDSA）に基づいており、ユーザーの「IDウォレット」に相当する。これらのメカニズムはどちらも、従来のコンピューティングでは事実上破られないビットコインを作るために設計されており、量子チップはビットコインにとって直接的な脅威となるでしょう。

まず、量子コンピューティングは「マイニング」メカニズムに対する総当たり的な解決策です。量子コンピューティングアルゴリズムは、ハッシュ関数の計算を加速することができ、つまり、採掘速度を加速し、大きさはすべての伝統的な機器よりも多く、その結果、マイニングの成功率が増加し、暗号通貨の供給が突然増加し、その市場価格の急激な変動をもたらすということです。12日に合計23万7000人がポジションを吹き飛ばした。

2つ目は、量子コンピューティングによる取引署名への直接的な脅威です。暗号通貨取引には、銀行のカード番号に相当する公開鍵と、ウォレットのパスワードに相当する秘密鍵という2種類の認証情報がある。通常、公開鍵のアドレスが開示されてもユーザーの資金の安全性には影響しないが、量子コンピューティングは公開鍵を使用して署名をクラックし、トランザクションを偽造することができる。例えば、量子コンピューティングのShorアルゴリズムは、特に大きな整数の素因数分解や離散対数問題をクラックするように設計されており、トランザクションの署名にとって深刻な脅威となるだろう。

ウィローは現在のところビットコインにほとんど脅威を与えませんが、将来的には暗号通貨が量子コンピューティングによって破られる可能性が高いです。理論的には、ビットコインの署名とマイニングのメカニズムに攻撃を仕掛けるには、およそ数百万個の物理的量子ビットが必要で、ウィローが現在持っている105個の物理的量子ビットと比べると、まだ大きな隔たりがある。しかし、Willowが汎用GPUのように反復し、大量生産と演算の飛躍を達成すれば、ビットコインが今後10年で「倒される」ことも不可能ではない。

4.2量子チップは「HPC+AI」を促進し、高次人工知能の開発を促進する

OpenAIのL1（チャットボット）からL5（AGI）までのAIの分類によると、現在の大規模AIモデルの開発は、L1からL2への移行段階に過ぎない。L5 AGIは、ダイナミックで複雑な実世界環境において、判断、推論、予測、行動計画を行う「組織レベルの能力を持つ」と定義されている。業界は、「HPC+AI」がAGIを実現するための重要なステップになると考えています。

ハイパフォーマンス・コンピューティング（HPC）は、科学的、工学的、技術的な実現問題を解決するために強力なコンピュータを使用することを指します。方向性と焦点は異なります。

HPCは「複雑な問題解決」に重点を置いており、例えば気象学、物理学、天文学、その他の分野でのスーパーコンピューターの利用は、大きな科学的ブレークスルーをもたらしました。

一方、AIモデルは「推論と生成」に重点を置いており、複雑なモデルを解くのは苦手だが、汎用性は高い。

量子チップの実装は、HPC分野での革命的なブレークスルーであり、複雑な問題の解決には、従来のHPCのような長時間の「暴力的な計算」はもはや必要なく、より複雑な汎用トレーニングのために、AIと組み合わせた新しい方向で開発することができます。より複雑な汎用トレーニングのために。

まず、従来のAIトレーニングは量子ビットのデータでは機能しません。一方、量子コンピューティングは、従来のコンピューティングでは扱えない特定の学習モデルを最適化し、量子現象に敏感なシステムモデルを構築することができます。言い換えれば、将来のAIモデルは、複雑な世界を推論し予測する能力を持ち、現在の大規模なモデルと比べて「AIの錯覚」現象を軽減、あるいは排除することさえできるようになります。高レベルのAI訓練において、量子エラー訂正技術の応用は、訓練時のモデルの正確性と信頼性を確保し、大量の複雑なデータを処理し、量子ビットの脆弱性による計算エラーを減らし、AI訓練の効果と信頼性を向上させることができる。

現在のAIトレーニングは、量子チップを適用する条件をまだ備えていないが、将来的に量子チップが演算能力の中核を支えるものとして必要になる可能性が高い。量子ビットは非常に繊細であるため、温度や電磁場などの外部環境の影響を受けやすく、量子状態のデコヒーレンスを引き起こし、計算結果の精度に影響する。ウィローは量子エラー訂正技術で一定の進歩を遂げたが、実用的なAI訓練アプリケーションで長期間安定した動作を実現するためには、量子システムの安定性と反干渉性能をさらに向上させる必要がある。

グーグルが発表した新世代量子コンピューティングチップ「ウィロー（Willow）」は、世界の技術界に大きな波紋を投げかけており、量子コンピューティング分野における大きなブレークスルーであるだけでなく、次の世界的な技術最前線でもある。

量子コンピューティング技術の未来への道のりはまだ茨の道であり、大規模なAIトレーニングに応用できるようになるまでには、まだまだ解決すべき問題が山積している。

GPUが無名から偉大になったように、科学技術の進歩は決して一本道ではない。