ロサンゼルスに引っ越したので久しぶりのブログを書いてみる

何年ぶりのブログかわからないが、久しぶりにブログを書いてみることにする。理由は大きく２つある。１つ目は2021年1月にロサンゼルスに引っ越し、ライフイベント的に記録を残しておこうと思ったからである。２つ目はUCLAに所属してからの最初の論文をarXivにポストしたので、その紹介をしようということである。

１つ目について。

2020年4月からUCLAのDepartment of Electrical and Computer Engineeringで博士研究員として働いてる。採用に至ったきっかけはTwitterだった。 Twitterでは海外の研究者や海外の研究関連のアカウントを多くフォローしてるのだが、なんとなくTwitterを眺めていたらUCLAで自分の研究分野に近そうな公募を見つけ、すぐに問い合わせのメールを送った。早速CVを送ってくれという返信がきたので、CVを慌ててワードで適当に作って送った。そうすると”じゃ来週zoomで面接ね！”と言われ、かなり戸惑った。面接の内容は２つ。１つは自分の研究を紹介するというもの。もう１つは論文を渡され、それを説明するというもの。 zoomの面接ではUCLAの教授１人、准教授１人、私の３人で、2時間半程度だった。結果は教授が即決で採用という感じだった。一様妻に相談をしたが、”どうせ行くんでしょ？”と言われたように記憶している。この時期、他にも複数応募していたが、その全てが日本国内のものだったし、ずっとアメリカに行きたいと思っていた。妻が言うように実際には相談というよりは事後承諾という感じで、既に採用を受諾することを決めていた。

そんなこんなで今に至っている。といっても私にとって大きなことがあった。同時期に採用された中国人がおり、たまに連絡を取っていた。しばらくの間、私はVISAが出なかったため日本からリモートワークをしていた。久しぶりにその中国人にメッセージを送ったのだが、返信がなかった。ボスに聞いたら、”彼は中国に帰った”と言われた。半年ほどでクビになっていたのである。これがアメリカか？と思った。その時今のプロジェクトをモノにしないと私もクビになるなと思った。結果的に今年2月には論文をarXivにポストすることができたので少し安心している。その後、元々2年だった契約が3年に延長されることになった。ボスに”最初の2年で結果を出して、3年目でポジションを見つけろ。見つかるまでサポートする”と言ってもらえた。ボスにある程度評価されているようで嬉しい気持ちになった。

将来は北米か日本の大学でのポストを希望しているがどうなるかわからない。というより、実際には私の実力からすると厳しいだろうということはわかっている。当然IT系の会社に行く可能性もあるだろう。とりあえず今の気持ちは”人事を尽くして天命を待つ”と言ったところか。

２つ目について

最近論文をarXivにあげた。タイトルはAnsatz-independent Variational Quantum Classiferというものである。リンクはここである。興味がある方は是非一読してただけると嬉しい。

我々が日々使っているパソコンやスマホ（以下、古典計算機）は０か１を表すbitで情報を表し、演算を行う。古典計算機が安定的に動くのは、誤り訂正などの技術によってbitを安定的に維持し、操作することができるからである。さらに言えば、そのbitを一度にたくさん扱うことができるからである。しかし、”完全”な量子計算機を作ることは難しい。量子計算機ではqubitと呼ばれる単位が最小の単位になり、超伝導リングやフォトンを使ってそれを実現しようとしている。どの意味で難しいかというと、qubitを安定的に維持、操作することが難しいのである。さらにその数を増やすことが難しい。

近年、GoogleやIBMの研究チームが量子計算機の開発を目指し努力している。彼らはまず多少ノイズがある中規模の量子計算機（以下NISQ。NISQはnoisy intermediate-scale quantum deviceからきている）を作ろうとしている。中規模とは大体５０qubitかそれ以上というように思う。しかしNISQをどう扱うかといのはまた難しい問題である。というのも完全な量子計算機に対しては様々な理論的な研究が既に存在しているのだが、NISQの有効性やNISQをどう扱えばよいかは難しい問題なのである。そこで近年NISQで動かせるアルゴリズムが様々提案されている。その中に量子機械学習アルゴリズムというものがあり、注目を集めている。今世の中で流行っている量子計算と機械学習を組み合わせたものなので、注目を集めるのは必然かもしれない。しかし、量子機械学習アルゴリズムが提案され注目を集めているのはいいのだが、どの程度有効かということもまた謎であった。特に量子機械学習アルゴリズムでは情報をどのようにqubitにエンコードするか？、どのような量子回路を採用すればいいか？という問題があり、その有効性を評価することが難しかった。

我々の研究では量子回路によらない形で量子機械学習アルゴリズムの性能を評価する手法を提案した。言い換えると、エンコードを決めたとき、量子機械学習アルゴリズムが発揮する最大の性能を評価することができるアルゴリズムである。研究において、”最大の性能を評価すること”は極めて重要なことである。なぜならば、達成可能な最大値がわかっているということはエンジニアリング的な目標になるからである。物理の歴史を振り返ると熱機関のエネルギー効率を計算したことが偉大な結果であったことを思い出せばわかっていただけると思う。

ここまで読んでいただいた方には感謝します。そんな方、いないと思いますが・・・。

とりあえず今日のところはこの辺で終わりにします。次はいつブログを書くだろうか・・・。