前回、「量子機械学習」で、IBMの認定資格（Intermediate）を取得しました。今回は、「量子変分アルゴリズム設計」という認定資格（Advanced）です。下記URLのとおり、今回のチュートリアルは、量子力学の色彩が少し濃くなっています。分量も多く、１週間ほどかけて学び、受験しました。何とか合格しました！
🟢IBMチュートリアル：量子変分アルゴリズム設計https://quantum.cloud.ibm.com/learning/en/courses/variational-algorithm-design/variational-algorithms
🔴量子変分アルゴリズム（QVA:Quantum Variational Algorithm）の意義
先日、理研のスパコン（富岳）とIBMの最新QuantumマシンHeronの連携のニュースがありました。そこでの有力なアルゴリズムの枠組みが、今回のQVAです。化学計算や組み合わせ最適化などを、既存のスパコンと量子コンの連携で解くための実用的な方法とされています。下図は、このニュース記事と今回のチュートリアルをもとに作成した私のオリジナル作品です！なので、©も宣言しています！
化学の電子構造問題や組み合わせ最適化問題では、それぞれ特有のハミルトニアン（エネルギー演算子）の期待値が最小となる量子状態を探す（=基底状態エネルギーを得る）ことが求められます。これを、スパコンと量子コンの連携で解きます。ワークフローは図の通りですが、要点は、スパコン側は、量子コンが推定したハミルトニアンの期待値を受け取り、目的の基底状態エネルギーへ向けた最適化を図ります。一方、量子コンは、スパコン側が用意したAnsatz（パラメータ化された量子回路）を測定し、ハミルトニアンの期待値を推定することに徹します。
この構成は、古典ニューラルネットワークを想起させます。スパコン側で構成するAnsatzは、ハミルトニアンに適合したネットワークの層とニューロン数を決めることに相当し、そこに含まれるパラメータは、辺の重みやバイアスに相当すると考えられます。
基底状態エネルギーへ向けた最適化では、コスト関数（=期待値）に対するパラメータの微分が必要なはずですが、量子コン側での微分は負担も大きく、ノイズの影響を受けやすいので、現実的ではないようです。そこで、スパコン側の最適化は、通常、gradient-freeな方法で行われます。なお、スパコン側は、このようなワークフローを、多数のパラメータ初期値を用意して並列に実行（マルチスタート）できます。ただし、量子コン側はどの程度マルチで走れるのかはまだよく分かりませんが。
🔴QVAが量子コンピューティングの全てではない
IBMでは、この枠組みを"Quantum-Centric Supercomputing"と呼んでいます。しかし、上の図を眺めていると、「頭脳は従来のスーパンコンで、量子コンはこれまでにない驚異の物理実験装置」のように思えます。一方、量子コンピューティングの他の分野、例えば、量子暗号通信や量子機械学習などの発展も大いに期待されています。このような情報科学寄りの問題では、ハミルトニアンとは直接関係しない技法（確率振幅の増幅や位相推定など）が使われます。真に量子コンピュータに向いた問題は何なのかが、だんだん見えてくるのかも知れないです。
