量子コンピューティングの用途と応用
このユニットでは、量子コンピューティングの最も有望なアプリケーションのいくつかを確認します。
量子コンピューターで解決できる問題
量子コンピューターは、あらゆることを高速に実行できたり、考えられるどんな問題でも解決できたりするスーパーコンピューターではありません。 量子コンピューターによって、効率的に解決できる問題の範囲は広がりますが、量子コンピューターでは解決できないほど複雑な問題は依然として存在します。
次の図は、さまざまな問題のセットを複雑さ別に示しています。 量子コンピューターが従来のコンピューターよりも効率的に解決できる問題は、BQP (有界誤差量子多項式) と呼ばれます。 この名前は、問題が量子コンピューターを用いて多項式時間内に解決可能であることを意味します。 BQP の問題の例としては、因数分解の問題や検索の問題があります。
実際、量子コンピューティング研究の目標の 1 つは、どの問題が量子コンピューターで従来のコンピューターよりも高速に解決できるのかと、その高速化はどの程度まで実現できるのかを研究することです。 量子コンピューターは、膨大な数の可能な組み合わせの計算を必要とする問題に抜群の効果を発揮します。
量子シミュレーション
量子力学は、宇宙の基盤となる "オペレーティング システム" です。 自然を構成する基本的な要素がどのように作用するかを表すために使用されます。 化学反応、生体反応、材料形成などの自然の作用は、多体量子相互作用を伴うことがよくあります。 分子などの量子力学系の本質的なシミュレーションを行うには、量子コンピューティングが有望です。なぜなら量子ビットは、問題となっている自然状態を表すために使用できるからです。 モデル化できる量子システムの例としては、光合成、超伝導、分子錯体形成などがあります。
リソース予測
Azure Quantum の Azure リソース予測ツールは、スケーリングされた量子コンピューターで量子プログラムを実行するために必要なリソースを見積もる方法を提供することで、量子コンピューティングの将来に備えるのに役立ちます。 どのようなハードウェア リソースが必要であるか、 物理および論理量子ビットはいくつ必要であるか、その種類は何か、 実行時間はどのくらいかなどの疑問に対する答えを得るのに役立ちます。
その結果、アルゴリズムを改善し、量子コンピューターが利用できるようになったときに、スケーリングされた量子コンピューターを利用するソリューションを構築することができます。
量子高速化
量子コンピューティング研究の目標の 1 つは、どの問題が量子コンピューターで従来のコンピューターよりも高速に解決できるのかと、その高速化はどの程度まで実現できるのかを研究することです。 よく知られている 2 つの例は、Grover のアルゴリズムと Shor のアルゴリズムであり、従来のアルゴリズムに対してそれぞれ多項式と指数関数的な高速化が実現されます。
スケーラブルな量子コンピューターで実行される Shor のアルゴリズムは、セキュリティで保護されたデータ転送のために電子商取引で広く使用されている Rivest-Shamir-Adleman (RSA) スキームなどの従来の暗号化方式を破る可能性があります。 この方式は、古典的アルゴリズムを使用して素数を因数分解することの現実的な難しさに基づいて行います。
Grover のアルゴリズムでは、非構造化データ検索の求解が大幅に高速化され、従来のどのアルゴリズムよりも少ない手順で検索を実行できます。 実際、特定の値が有効な解であるかどうかを確認できる問題 ("はい/いいえ問題") は、検索問題の観点から定式化できます。