research

私はテンソルネットワークを、量子多体系と量子計算を扱うための計算・概念の言語として用いています。テンソルネットワークは指数的に大きいヒルベルト空間のうち本質的な部分だけをコンパクトに表現でき、そのおかげで——ノイズのある量子ハードウェアのシミュレーション、大規模量子回路の縮約、構造を持つ量子状態の準備など——本来は手に負えない問題を、数値的にも理論的にも扱えるようになります。主な研究の方向性は以下の通りです。

量子誤り訂正のためのテンソルネットワーク

実際の量子ハードウェアは、理想化されたノイズモデルでは捉えきれない壊れ方をします。私は現実的なノイズのもとで量子誤り訂正符号をシミュレーション・復号するためのテンソルネットワーク手法を開発しています。

• リーク誤差. 量子ビットはしばしば計算部分空間の外に「漏れ出し」（リーク）ますが、これは標準的なパウリ雑音シミュレータでは扱いにくいものです。私はリークを含む誤り訂正符号を効率的にシミュレーションできるテンソルネットワークの枠組みを構築し、より忠実な性能評価を可能にしました（New J. Phys., 2025）。
• 非マルコフ雑音. 誤差が時間相関を持つ場合、ノイズはプロセステンソルで記述されます。私はこのプロセステンソル記述を取り込んだテンソルネットワーク復号器に取り組んでいます（arXiv:2412.13739）。

HPCによる大規模量子回路シミュレーション

量子回路の古典シミュレーションは、量子優位性をベンチマークするための重要な道具です。私はテンソルネットワーク縮約と最新ハードウェアを組み合わせ、シミュレーションをより大規模化することに取り組んでいます。

• GPU / Tensorコアによる高速化. Tensorコア上のSGEMMエミュレーションと自動精度選択を用いて量子回路シミュレーションを高速化する手法の開発に携わりました（ISC High Performance 2023）。
• 以前には、テンソルネットワーク近似によるランダム量子回路サンプリングの古典シミュレーションも研究しました。

ツリーテンソルネットワークとその応用

ツリーテンソルネットワーク（TTN）は、表現力とループのない効率的な縮約のバランスが良い構造です。私はTTNのアルゴリズムを研究し、従来の物性物理を超えた応用にも取り組んでいます。

• TTNOpt. 高ランクテンソル圧縮とTTN最適化のためのソフトウェアパッケージ（Comput. Phys. Commun., 2025）。
• 量子状態準備. 多変量正規分布（たとえば計量ファイナンスで有用）をTTNを用いて量子状態として準備する手法（Quantum, 2025）。
• 脱量子化アルゴリズム. 基底状態エネルギー推定の脱量子化アルゴリズムをテンソルネットワークで定式化し、量子的な高速化がどんな場合に残るのかを明らかにする研究（arXiv:2512.13548）。

これまでの・周辺の関心

修士・学部の頃には、テンソルネットワークとホログラフィー（最小ボンドカット面に向けたエンタングルメント蒸留、Phys. Rev. D, 2022）、テンソルネットワーク構造を持つ回路による量子機械学習、過剰パラメータ化ニューラルネットワークの陰的正則化などにも取り組みました。

全リストはpublicationsページをご覧ください。