Our Laboratory

当研究室では、金融・化学・機械学習といった様々な分野への応用が期待されている、次世代の計算機「量子コンピュータ」の性質を明らかにし、応用へとつなげていくための研究を行っています。山本直樹がセンター長を務める、慶應量子コンピューティングセンターと密に連携しながら、物理学・情報学の理論的道具と、量子コンピューターの実機を駆使して、研究を進めています。

In our research laboratory, we are conducting studies to elucidate the properties of the next-generation computer, “quantum computer,” which is expected to be applied in various fields such as finance, chemistry, and machine learning. The aim is to reveal its characteristics and advance research to connect them to practical applications. Collaborating closely with the Keio Quantum Computing Center, led by Professor Naoki Yamamoto, we employ theoretical tools from physics and information science, along with actual quantum computers, to progress our research.

Research Topics

統計的推定理論に基づく量子計算：量子コンピュータの計算結果は、量子状態の振幅や位相に埋め込まれます。これを効率よく正確に取り出す必要があります。この目的のために、統計的推定理論が役に立ちます。例えば、元の(長い)量子回路を複数の短い量子回路に分割し、それらの出力を統合・統計処理する方法において有用です。

Quantum Computing Based on Statistical Estimation Theory: Quantum computing results are embedded in the amplitudes and phases of quantum states. Efficient and accurate extraction of this information is essential. For this purpose, statistical estimation theory proves valuable. For instance, it is useful in dividing the original (long) quantum circuit into multiple shorter circuits and integrating and statistically processing their outputs.

量子リザバー計算：量子コンピュータの計算処理過程は、量子力学系が従う実ダイナミクスに他なりません。このコンセプトに基づき、量子系のリッチなダイナミクスを計算資源として利用する量子リザバー計算の研究を行っています。とくに、ノイズさえも計算資源として活用する自然リザバーの性能を調べています。

Quantum Reservoir Computing: The computational process of a quantum computer follows the real dynamics of a quantum mechanical system. Based on this concept, we are conducting research on quantum reservoir computing, utilizing the rich dynamics of quantum systems as computational resources. In particular, we are exploring the performance of natural reservoirs that leverage noise as a computational resource.

変分量子回路の基礎と応用：量子回路に調整可能なパラメータをもたせ、望ましい計算結果を出力するようにパラメータを調整(学習)する、という作戦が考えられます。機械学習においてニューラルネットワークを使うのと同じ発想です。回路構造のデザイン、コスト関数の設定、学習法の選定など、課題がたくさんあります。

Variational Quantum Circuit: This involves equipping a quantum circuit with adjustable parameters and adjusting (learning) these parameters to produce the desired computational results. This strategy is analogous to using neural networks in machine learning. Challenges include designing circuit structures, defining cost functions, and selecting learning methods.

量子制御としての量子計算：量子コンピュータの演算は物理パルスの照射で実装されます。ゆえに、量子アルゴリズムの設計は、所望の状態遷移を引き起こすための物理パルスの設計という制御問題として定式化できます。このアプローチにより、従来より短いパルス照射時間で所望の精度を有する演算を実現できます。

Quantum Computing as Quantum Control: Quantum computer operations are implemented by irradiating physical pulses. Therefore, designing quantum algorithms can be formulated as a control problem for designing physical pulses to induce the desired state transitions. This approach enables the realization of operations with the desired accuracy in shorter pulse irradiation times than conventional methods.