量子計算のイメージ

最低限の記憶から筋道立てて考えて再現するとした場合に、最低限記憶するべき事項のイメージをまとめてみた（あくまで自分向けのメモ）。

量子ビットの操作

1つの量子ビットと単一ゲート

• 最低限記憶するコア：

  1. 量子ビットは「地球儀（ブロッホ球）」の針であり、北極が$|0\rangle$、南極が$|1\rangle$である。

• 最低限の数式：

  • 量子ビットの状態：$|\psi\rangle = \alpha|0\rangle + \beta|1\rangle$

    • 針がどこを向いているかを表す式。$\alpha$と$\beta$は、それぞれ北極・南極に弾かれる確率を決める係数。$|\alpha|^2 + |\beta|^2 = 1$になる。

  • H（アダマール）ゲート：$H|0\rangle = \frac{|0\rangle + |1\rangle}{\sqrt{2}}$

• そこから再現できる筋道：

  1. Hゲートは針を北極$|0\rangle$から「赤道（真横）」に倒す。数式を見ると、北極$|0\rangle$と南極$|1\rangle$の要素がちょうど $1:1$でプラス（$+$）の向きに混ざっており、まだどちらにも確定していない（重ね合わせ状態）。

複数量子ビットと量子もつれ

• 最低限記憶するコア：

  1. CNOTゲートは、「A君の針が南極（1）に近づいた分だけ、B君の針を北極から南極へ回す」という傾き度合いの連動スイッチである。

• 追加する最低限の数式：

  • 初期状態：$|00\rangle$

  • A君にHをかけた状態：$\frac{|00\rangle + |10\rangle}{\sqrt{2}}$

  • CNOTをかけた状態（ベル状態）：$\frac{|00\rangle + |11\rangle}{\sqrt{2}}$

• そこから再現できる筋道：

  1. 最初は2人とも北極。

  2. A君にHをかけると、A君の針だけが赤道に向く（数式では$|00\rangle$ と$|10\rangle$の状態に）。

  3. ここにCNOT（連動スイッチ）をかけると、A君がちょうど中間の赤道を向いているため、B君の針も半分だけ連動して赤道に引きずり倒される。数式上は、A君が$|1\rangle$ の項だけ後ろのB君が$|0\rangle \to |1\rangle$にひっくり返り、$\frac{|00\rangle + |11\rangle}{\sqrt{2}}$になる。

  4. 2本の針は別々に赤道を向いているのではなく、「お互いの因果関係が物理的にロックされた状態」で赤道上に静止する。

  5. だから、何万キロ離れてから東京のA君が覗き見（測定）し、赤道の針が確率50%で「北極（$|0\rangle$）」にカチッと弾かれた瞬間、ロックされていたブラジルのB君の針も、触られずして自動的に「北極（$|0\rangle$）」へと引きずられて確定する（量子もつれ）。

ゲート方式のアルゴリズム

ショアのアルゴリズム（素因数分解）

• 最低限記憶するコア：

  1. QFT（量子フーリエ変換）は、「規則正しい等間隔の波（テンポ）」を、特定の場所だけをピカッと光らせる（確率を集中させる）状態へ変換するレンズである。

• 追加する最低限の数式：

  • ミラーの定理（周期$r$の発見）：$x^r \equiv 1 \pmod N$

    • 巨大な数$N$を素因数分解する問題を、「この数式が 1 になる周期$r$を見つけるゲーム」へと古典数学のトリックで変換する。

  • QFT（量子フーリエ変換）の本質：$|j\rangle \to \frac{1}{\sqrt{N}} \sum_{k=0}^{N-1} \omega^{jk} |k\rangle$ （ただし$\omega = e^{2\pi i / N}$）

    • 数式は複雑に見えるが、やっていることは「状態の位相（針の回転角）を、テンポ$j$に応じて規則正しくぐるぐる回す」ということ。

• そこから再現できる筋道：

  1. 全ての計算をHゲートの重ね合わせで同時に行うと、データの中に「正解のテンポ$r$の波」が刻まれる。

  2. そのまま覗くと波が壊れるが、測定前にQFTレンズを通すことで、そのテンポの倍数の位置（たとえば、$|0\rangle, |4\rangle, |8\rangle, |12\rangle$ など）だけに確率の針を強制的に向けさせることができる（数式における特定の $|k\rangle$への確率の集中）。そこを狙い撃ちして測定すれば、一発で周期$r$がバレて因数分解が解ける。

グローバーのアルゴリズム（データ検索）

• 最低限記憶するコア：

  1. 「正解の波だけをマイナスにへし折り（オラクル）、全員を平均線で上下反転させる（拡散）」。

• 追加する最低限の数式：

  • オラクル（正解の反転）：$O|x\rangle = (-1)^{f(x)}|x\rangle$ （正解なら$f(x)=1$なのでマイナスに）

  • 拡散変換（平均の反転）：$D = 2|s\rangle\langle s| - I$ （全体平均$|s\rangle$ を軸にした折り返し）

• そこから再現できる筋道：

  1. 均等に並んだ上向き（$+$）の波の中から、正解の波だけを下にへし折る（オラクル数式により$-$にする）。すると全体の平均線がほんの少し下がる。この下がった平均線を基準にして全員をパタンと上下反転させる（拡散変換数式）と、もともと上を向いていたハズレの波は少し縮み、下を向いていた正解の波だけが天高くグンと突き抜ける（測定確率の針が正解にカチッと向く）。

Swap Test（量子機械学習のコア）

• 最低限記憶するコア：

  1. 「H ➔ 制御SWAP ➔ H」で挟むと、2つのデータの『内積（似ている度合い）』が、補助ビットが0（北極）になる確率に変換される。

• 追加する最低限の数式：

  • 補助ビットが$|0\rangle$（北極）で測定される確率：$P(0) = \frac{1}{2} + \frac{1}{2}|\langle\psi|\phi\rangle|^2$

• そこから再現できる筋道：

  • 量子k-means法の再現：

    1. 機械学習（k-means）でデータが大量になったときに一番重くなるのは「データ$|\psi\rangle$と重心$|\phi\rangle$の距離（内積$\langle\psi|\phi\rangle$）の計算」である。よって、そこだけを上記数式の「Swap Test」に丸投げし、「補助ビットが0になる確率 $P(0)$」を集計することで、内積（似ている度合い）を超高速で逆算して測る。一番近いものを選ぶ時に「グローバー」を組み合わせる、というハイブリッド構造が自然に導ける。

量子アニーリング

量子アニーリングとQUBO

• 最低限記憶するコア：

  1. 自然界の「一番低い谷底（基底状態）に落ちる」という性質を利用するため、人間は特製のすり鉢の数式を作る。

• 追加する最低限の数式：

  • イジング模型のエネルギー（ハミルトニアン）：$H = \sum J_{ij} \sigma_i \sigma_j + \sum h_i \sigma_i$ （$\sigma = \pm 1$）

  • 人間が設計する全体のハミルトニアン：$H_{\text{total}} = -(\text{目的}) + \lambda(\text{制約})^2$

• そこから再現できる筋道：

  1. アニーリングマシンは、ハミルトニアン$H$ というエネルギーが最も低い谷底（最小化）に向かって、量子重ね合わせの霧（横磁場）を払いながら勝手に転がり落ちる物理特性を持つ。

  2. 目的（マイナス）： 利益や満足度など「最大化したいもの」にはマイナスをつける。そうすれば、利益が大きくなるほど数式全体のエネルギーとしては深く掘り下がった谷底になる。

  3. 制約（2乗の足し算）： 「予算以内」などのルールは、「（ルール$-$（実際の値）＝ 0」という式にして2乗して足す。ルールを守っていれば 0 で影響ないが、ルールを破った瞬間に2乗ペナルティでエネルギーの地面が崖のようにドカンと跳ね上がり、マシンがそのエリアを自然に避けて真の谷底（最適解）へ落ちる。

結論

量子コンピュータは「測定する前に、針の向き（状態$|\psi\rangle$）をコントロールし、お互いをロック（干渉・絡み合い）させている」。数式はそのコントロールの「角度」や「エネルギーの高さ」を厳密に指定するための道具に過ぎない。