Google Quantum AI は、量子コンピューティングの最も頑固なリソース問題の 1 つに対する解決策をハードウェアで実証しました。 10月15日にサイエンス誌に掲載された論文の中で、GoogleのWillowプロセッサを支えるチームは、2年前に初めて理論的に提案された技術である「マジックステート培養」が実際に機能し、未培養の状態に比べてエラーを約40倍削減し、99.99％という記録的な論理忠実度でTステートを生成できると報告している。

研究科学者のエマ・ローゼンフェルド氏と量子ソフトウェアエンジニアのクレイグ・ギドニー氏がGoogleの公式ブログで発表したこの結果は、実際の量子ハードウェア上でマジックステートを効率的に生成できることを初めて実験的に実証したことになる。これは、20 年以上前に研究者が初めてボトルネックを特定して以来、エンジニアが少しずつ解決してきたボトルネックに対処します。コンピューティングの最前線におけるブレークスルーの詳細については、AI 研究報道 をご覧ください。

魔法の状態が重要な理由

本当に役立つプログラムを実行できるユニバーサル量子コンピューティングには、エラー訂正された量子ビットがネイティブに実行できる量子演算を超える特定の量子演算セットが必要です。標準的な回避策は、これらの操作を可能にするマジック ステートと呼ばれる特別なリソース状態を準備することです。問題はコストです。ある推定では、量子コンピューターの全容量の最大 95% を量子コンピューターの製造専用に費やす必要があり、実際の計算のための余地はほとんど残されていない可能性があります。マジック ステートは消耗品でもあり、一度使用すると再利用できません。そのため、大規模マシンにとっては希少で高価な入力となります。

2024 年、Google Quantum AI 研究者のクレイグ ギドニー、ノア シャッティ、コディ ジョーンズは理論論文で育成アプローチを開発しました。このアイデアはフィルターのように機能します。ノイズの多い状態が量子チップの小さな領域に注入され、高度に調整された一連の測定によってエラーがチェックされ、欠陥のある試行が破棄されます。このプロセスで生き残るのは、非常に純粋でエラーの少ない量子状態であり、同時により大規模で有用なエンコードに適応させることができます。それがハードウェア上で動作すれば、実際のタスクに必要な量子コンピュータのサイズが大幅に縮小されるでしょう。

理論からハードウェアまで

Willow でプロトコルを機能させるには、一連のエンジニアリング革新が必要でした。あるエピソードがその難しさを物語っています。研究科学者のエマ ローゼンフェルドが最初に栽培プロトコルをテストしたとき、彼女のデータは物理法則に反しているように見えました。数か月にわたるシミュレーション、議論、一貫性チェックの後、チームは異常の原因を、主力の測定技術における誤った仮定、つまり、電気機器のドリフトと実験室の温度変動がベンチマークの有効性を妨げていることであると突き止めました。

この修正には、理論面とエンジニアリング面の両方で変更が必要でした。研究チームは、ノイズを抑制するためにシステムに追加の制御を追加し、培養そのものを測定ツールとして使用する新しいベンチマーク手法を発明した。同社によれば、このソリューションは量子計測における新たな最先端技術を確立したという。 Willow では、改良されたプロトコルにより、未栽培の状態に比べてエラーが約 40 倍減少し、T 状態の論理忠実度は 99.99% に達しました。

Google のエラー修正ロードマップとの互換性

チームはまた、この技術が Google の広範なフォールト トレランス アーキテクチャに適合することを示すための最初の一歩を踏み出しました。量子誤り訂正には、栽培に最適な新しいタイプの「カラー コード」と、Google の長期ロードマップを支えるより確立された方法である「表面コード」という種類があります。研究者らは、もともと2024年の理論論文で開発されたグラフトプロトコルを実証し、この2つを切り替えて、精製状態を距離3のカラーコードから距離5の表面コードに移行させた。各州は移管後も生き残ったが、これはGoogleが拡大を計画している誤り訂正スキームと栽培が共存できることを証明している。

未解決のまま残っているもの

Google は注意事項に注意しています。魔法の状態での栽培は小規模で実証されています。実際の量子コンピューティングに必要な規模でそれを示すことは今後の課題であり、現在の結果と商業的に有用なマシンとの間には重大な技術的課題が立ちはだかっている。同社は、この結果を、有用な誤り訂正可能な量子コンピュータという同社の目標に向けて「重要な理論的アイデアを実験的に実証された現実に変える」ものであると枠組み化している。

実際的な重要性はリソースの予算に関するものです。高品質の魔法状態を、支配的なオーバーヘッドを介して製造するのではなく、安価に育成できる場合、Shor の因数分解ルーチンや複雑な量子化学シミュレーションなどのアルゴリズムを実行するためのハードウェア要件は、それに応じて縮小します。マジックステート段階でのエラーの 40 倍の削減は、マシンが実行するこのようなすべての操作にさらに影響を及ぼします。

全体像

この結果は、IBM、Quantinuum、学術団体がいずれも誤り訂正マシンを追求し、広範なテクノロジー業界の AI 構築が見出しや資本のほとんどを集めるなど、量子ハードウェアにおける競争が激化する中で発表された。量子の進歩は遅く、予測可能ではありませんが、今回のようなマイルストーン（実稼働ハードウェア上で 20 年前の理論上のボトルネックが解消され、査読付きジャーナルに再現可能な忠実度の数値で掲載される）は、タイムラインを静かにリセットする一種の複合ステップです。

AI ウォッチャーにとっては、これと関係のないこともあります。現代の量子実験室のアルゴリズムおよび制御システム ツールの多くは、キャリブレーションやエラー デコードのために機械学習にますます依存しており、AI が隣接する科学分野を加速する小規模ながら成長の一例です。

---

AI の先を行く

最新の AI ニュース、分析、画期的な情報をすべて 1 か所で入手できます。

AI ニュースをもっと読む→