アインシュタインも想像できなかった未来がやってくる

計算機のアルゴリズムは基本的には数学的な論理の積み重ねで構築するので、数学が必要なのはいうまでもありませんが、量子コンピュータの研究をしていると、物理インスパイアとでもいうような、物理的なモデルをベースとした計算手法を考えることもよくあります。かつてのコンピュータはCPUのみで計算していましたが、現在のコンピュータはスパコンも含めて並列計算を得意とするGPUを使うことが一般的になっています。物理の世界では、元々独立したエレメントが並列に動いていますから、効率的な並列計算の構築には物理的な発想が自然と出てくるのだと思います。

確かにAIやディープラーニング(深層学習)などのアルゴリズムをみると、物理的な感覚が反映されているように思います。物理学では、「ある物理量を最も適した状態に持っていく＝最適化」といった問題を考えることが多いですが、AIが答えを探し出す部分でも、物理学における最適化問題に近い考え方を積極的に取り入れているように感じます。

私が半導体系の企業に入った時は、実は数理の難しいことは考えなくていいような雰囲気があって、自身のバックグラウンドである超弦理論とその数理をどう生かすか悩んだ時期もあります。しかし、機械学習やAIが登場し、量子コンピュータが当たり前の時代が来ることで、むしろそういう数理的なバックグラウンドを持った人材が求められるようになってきます。今、数理分野に興味のある学生には、とてもいい時期だと思います。

「数理・量子情報コース」は量子コンピュータを作ることが目的ではなく、量子コンピュータがどういうものであるかを基本的に理解できるようになってほしいと考えています。現在では遠隔で海外を含めた量子コンピュータにアクセスできるようになっていますから、まずはそういうものを利用しながら、理論的な側面も含め量子コンピュータを理解する学習から始めていきたいと思っています。量子力学は難解であることは確かですが、経験上では、若ければ若いほど柔軟に理解できると思っています。古典物理学の世界に長い間いればいるほど理解しづらくなる、その一例がアインシュタインだったのかもしれません。1～2年次の間は線形代数や解析学などの基本的な数学をしっかり学び、その次のステップで量子情報に触れていく流れを考えています。また、産学官連携にも力を入れるつもりです。学んだ理論に意味を見いだすのはやはり実社会においてであり、その意味では量子コンピュータを利用・研究している企業などと連携しながら、応用事例に接していくトレーニングをしっかりやりたいと思っています。

最近ではコンピュータで何かを処理する場合、さまざまなツールがライブラリとして提供され、中身を知らなくても使えるようになっています。しかし、その中で何が起こっているのかを知らないと、自身が望む形での柔軟な応用はできないと思います。私は素粒子理論出身ですので、根源の理解を追究したいという思いが強いということもありますが、その経験からも単に使えるだけではなく、基本的な原理をしっかり理解しておくことが大切だと思います。例えば、機械学習は今とても盛り上がっており、企業でも使われるようになりましたが、それはごく最近のことです。そして元々機械学習とは無関係なバックグラウンドを持った多くの研究者によって、現在の機械学習の発展と応用が支えられています。つまり今後10年、20年経った時に、必ず今とは全く違う技術が出てくるということ、そしてそれに対応していかなければならないということです。そのときに機械学習なり、量子コンピュータなりの根本を理解していると、それまでの知見を生かして、すぐに新しいものを使いこなせるようになると思います。

それこそまさに私たちの情報数理学部がめざしているところです。もちろん大学としては、学生のキャリア支援を大事にした上で、就職した後しばらくしてディープラーニングの次に何かが出てきた時、またその次が出てきた時など、未来に起こる状況にも対応できるだけの知識と応用力を身につけた人材を育成したいと思っています。そのときに確実に必要になるのは、基礎的な数学とか数理的な感覚です。だからこそ、新しく開設する情報数理学部では、将来を見据えてそれらを学んで欲しいと考えています。