主要成果
QuEra Computing、ハーバード大学、Anthropicの共同研究により、AIを用いて量子回路の設計を最適化し、計算リソース(ゲート数および量子ビット数)を大幅に削減できることが示された。研究チームは、量子アルゴリズムを構成する8つの計算ビルディングブロックを検証し、そのうち7つにおいてベースライン設計よりもリソースを削減することに成功した。特に注目すべき成果として、固定小数点ガウス関数におけるリソース指標の39倍削減、リード・ソロモン復号器におけるToffoliゲート数の12倍削減などが報告されている。
技術・詳細
本研究では、AnthropicのAI「Claude」と、提案された回路設計の正当性を検証しリソース使用量をスコアリングする独立した自動評価器を組み合わせて使用した。Claudeはこのフィードバックを基に設計を繰り返し改善し、Toffoliゲート数と量子ビット数の両方を最適化した。具体的な最適化結果は以下の通りである。
- 最適化(リード・ソロモン復号器): 量子干渉計復号(DQI)の最もコストの高いステップにおいて、Toffoliゲート数を510万から約44万へと12倍削減し、同時に量子ビット数も削減した。
- 化学(クーロンポテンシャル): 分子シミュレーションにおける電荷粒子の相互作用を記述する項において、Toffoliゲート数を6,355から1,140へ、量子ビット数を252から142へと削減し、複合リソース指標で9.9倍の削減を達成した。
- 数値計算(固定小数点ガウス関数): Toffoliゲート数を約24,000から1,583へ、量子ビット数を362から139へと削減し、複合リソース指標で本論文最大の39倍の削減を記録した。
また、AIは既存設計の改善に留まらず、楕円曲線計算の中核となる「モジュラ逆数」の新しい可逆的アプローチを発見した。この新手法により、量子ビット数を約12%増やすことで、ゲート数を従来設計より約17倍削減できるという、リソース間の新たなトレードオフの選択肢が提示された。
背景・業界の文脈
実用的な量子コンピューティングの実現には、「ハードウェア能力の向上(量子ビット数の増加と信頼性の向上)」と「アルゴリズムに必要なリソースの削減(効率化)」という2つの曲線の交点が必要となる。本研究は後者の「アルゴリズムの効率化」に焦点を当てたものである。特に、フォールトトレラント(耐故障性)計算において、Toffoliゲートはオーバーヘッドの大きな割合を占め、論理量子ビットは貴重なハードウェア容量を消費するため、両者の削減は極めて重要である。
今後の展望
今回の成果は、AIが厳格な評価器の誘導を受けることで、量子コンピュータ特有の制約(可逆性の必要性など)の中で効率的な回路構造を発見できることを証明した。QuEra、Anthropic、ハーバード大学は今後もこの連携を継続し、大規模で実用的な量子コンピュータ向けのアルゴリズム発見を目指す。また、AIの役割として、アルゴリズムの改善だけでなく、レーザー制御ソフトウェアの開発のようなハードウェアの信頼性向上への寄与など、多角的な活用が進むと考えられる。
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



