分子の基底状態に対する近・中期量子アルゴリズムの自動発見

要旨: 図式的アルゴリズムを設計することは複雑で直観に反する作業であり、AIによるアルゴリズム発見のための理想的な候補となります。この目的のために、本研究ではプログラム合成のためのAIプラットフォームであるHiveを用います。これは、大規模言語モデルを利用して、高度に分散された進化的プロセスを駆動し、新しいアルゴリズムを発見します。我々は量子化学における基底状態問題に焦点を当て、分子LiH、H2O、F2に対してこれを解く効率的な量子ヒューリスティック・アルゴリズムを発見します。さらに、最先端の近未来（near-term）量子アルゴリズムと比べて量子資源を大幅に削減していることを示します。加えて、発見したアルゴリズムに対して解釈可能性（interpretability）の研究を行い、効率向上の原因となる主要な関数を特定します。最後に、Hiveが発見した回路をQuantinuum System Model H2量子コンピュータ上でベンチマークし、化学的精度を満たすために必要な最小のシステム要件を特定します。本研究で提案する、この新しい量子アルゴリズム発見のアプローチは、化学分野に限らず他の領域にも適用できるとともに、フォールトトレラント量子コンピュータ向けの量子アルゴリズム設計にも適用できると考えています。