主要成果
IBM Researchの研究チームは、AIエージェント・ファクトリーを用いて、量子誤り訂正（QEC）デコーダ向け専用古典ハードウェアのアーキテクチャ設計を自動化し、大幅な性能向上とコスト削減を達成した。具体的には、ハードウェアの速度を最大204倍に高めながら、AIの推論コストを11.5倍削減することに成功している。また、オープンなAIモデルを用いた構成では、わずか26ドルの推論コストでハードウェアの52倍高速化を実現した。
技術・詳細
本研究では、[[144,12,12]] bivariate bicycle (Gross) qLDPCコード向けに設計されたRelay-BPデコーディングアルゴリズムの、高位合成（HLS）C++実装に対して自律的なマルチエージェント探索を適用した。IBMが開発した「Agent Factory」フレームワークは、1つのコーディネーターモデルと4つの並列ワーカーエージェントで構成されており、以下のようなアーキテクチャ変換を提案し、実行間隔（Initiation Interval）II = 1の実行を実現している。
- メモリ構造をチェックメジャー・レイアウト（check-major layouts）へ再構成
- ループ削減をコンパイル時の再帰ツリーへと展開（unrolling）
- デュアルレイアウト・メッセージストアの構築
また、オープンソースの分散推論スタック「llm-d」を用いてオープンウェイトモデルをオンプレミスで運用したことで、98%という高いプレフィックスキャッシュヒット率を達成した。これにより、混合サービングコストを100万トークンあたり約0.11ドルまで低減させている。
背景・業界の文脈
量子計算において、高レートの量子低密度パリティチェック（qLDPC）コードは、標準的な2D表面コードと比較して物理量子ビットから論理量子ビットへのオーバーヘッドを大幅に削減できる利点がある。しかし、qLDPCコードはチェック行列が密であり、非局所的であるため、そのデコード処理には複雑で並列性の高い古典ハードウェアが必要となる。これまで、こうした専用ハードウェアの最適設計は困難な課題であった。
今後の展望
今回の研究は、オープンなフロンティアモデルと効率的な推論インフラを組み合わせることで、自律的なQECチップ設計を経済的に実用的なレベルにまで引き上げられることを証明した。これにより、将来的なスケーラブルな耐故障性量子システムの実現に向けた、ハードウェア設計の効率化が加速することが期待される。
毎週の技術動向レポートを無料でお届け
各分野の分析レポートを読む価値があるかどうか一目で判断できるインフォグラフィックをメールで受け取れます。
📢 メールマガジンに無料登録（週刊・技術動向レポート）
ご登録いただくと、Troy-Technical から週刊で技術動向レポート（メールマガジン）をお届けします。
- 取得したメールアドレス・選択分野は配信目的にのみ使用します。
- 第三者へ提供することはありません。
- 配信はいつでも解除できます（各メール下部のリンクから）。
詳しくはプライバシーポリシーをご覧ください。
登録は1分・いつでも解除できます
