Pasqal、量子カーネルを用いたエラー検出論理量子ビットと物理量子ビットのベンチマーク比較を発表

Pasqal Holding SASは、機械学習アルゴリズムを実行する論理量子ビットと物理量子ビットのパフォーマンスを比較したアプリケーションレベルのハードウェア研究を発表しました。パリ・サクレー大学および光学研究所との共同研究で実施されたこのベンチマークでは、量子カーネルベースの微分方程式ソルバーが評価されました。この実験は、中性原子ハードウェアが、独立したコードサブルーチンの実行から、エラー検出アーキテクチャ上でのエンドツーエンドのアプリケーション処理へと移行したことを示しています。この発表は、同社がBleichroeder Acquisition Corp. II（Nasdaq: BBCQ）との合併を通じて株式公開を行うための最終的な事業統合契約を発表したことに続くものです。

技術アーキテクチャと仕様 / 運用実装

この計算は、Pasqalの中性原子量子プロセッサ上で実行され、物理ゲート忠実度はベースラインで99.4%でした。エンジニアリングチームは、機械学習ワークフローをノイズ誘発性の位相蓄積から保護するため、[[4,2,2]]量子誤り検出コードを連続的に実装しました。これにより、4つの物理ハードウェアレジスタをグループ化して2つの安定した論理量子ビットレジスタに結合します。研究チームは、物理層と論理層の両方で構成された量子カーネルエスティメータに1,000個の異なる微分方程式を体系的にマッピングしました。論理エンコーディングによって要求される量子回路の深さと物理ゲートのオーバーヘッドが高いにもかかわらず、エラー検出されたカーネルは状態準備中のノイズ伝播を制限しました。その結果、データセット全体で平均50%以上のエラー削減が達成され、論理実行の残差誤差の中央値は0.042であったのに対し、エンコードされていない物理回路では0.069でした。