TopicBase
理化学研究所（理研）に設置された量子コンピュータ「黎明（れいめい）」が、20量子ビットから56量子ビットの「System Model H2」に更新されました。理研とクオンティニュアムは科学研究への活用と次世代機の開発で連携を広げ、ソフトバンクを加えた3者は、量子コンピュータとAIデータセンターを結ぶ商用サービスの検討を進めます。
56量子ビットを全結合し、研究対象を拡大
黎明は、イオンを利用するイオントラップ型の量子コンピュータで、クオンティニュアムが製造し、理研和光キャンパスで2025年2月から稼働しています。NEDO（新エネルギー・産業技術総合開発機構）が支援する「JHPC-quantum」は、量子コンピュータとスパコンを連携させ、計算できる領域の拡大を目指す研究開発プロジェクトです。
更新後の黎明は、量子情報の基本単位である量子ビットを56個備え、任意の2個の間で直接演算できる「全結合」の構成です。理研とクオンティニュアムは、古典コンピュータだけではシミュレーションが難しい、より複雑な量子系を研究対象にできるとしています。
理研の佐藤三久部門長は、56量子ビットへの更新について、スパコンによるシミュレーションの限界を超え、量子性の実証と実装に取り組む段階に入ると評価しました。JHPC-quantumではテストユーザープログラムに41件を採択して実証を進めており、今後約2年間はライフサイエンスや医療・創薬分野のアプリケーション開発にも取り組みます。
材料と生体分子のシミュレーションに活用
理研とクオンティニュアムは、AIを科学研究に活用する「AI for Science」の取り組みとして、材料と生体分子を対象にした2つの研究を進めています。量子コンピュータ、スパコン、AIを組み合わせ、エレクトロニクス、エネルギー、ライフサイエンス分野での活用事例を開発します。
材料研究では、黎明が生成した量子データを使い、量子計算と高性能計算を連携させるスパコン「ROQUO（ろっこう）」でAIモデルを学習させ、磁性のシミュレーションに利用しています。理研とクオンティニュアムは、初期結果から、古典シミュレーションのデータだけで学習したモデルより正確に予測でき、量子コンピュータ単体よりも予測精度が高まる可能性があるとしています。
生体分子の研究では、黎明、スパコン「富岳」、ROQUO上で動作するNVIDIAのAIエージェントを組み合わせます。理研とクオンティニュアムは、複雑な生体分子をより大きな規模と高い精度でシミュレーションすることを目指し、光への応答の理解が、高効率な太陽電池の設計に役立つ可能性を挙げています。
古典シミュレーションは回路構造と計算方法で変わる
黎明で扱う量子系の計算に関わる研究として、IBMなどの研究チームは、量子状態の全体や一部を古典コンピュータで計算する際の資源削減手法を検証しています。量子状態全体を数値として保持する方法では、必要な記憶容量は量子ビット数に対して指数関数的に増え、49量子ビットでも倍精度の複素数による保存には8ペタバイトが必要です。
一方、同チームは量子回路を分割して計算し、結果を組み合わせる方法を使い、8×7個の量子ビットを配置した深さ23のランダム回路について、出力の一部を計算しました。この実験で主要なデータ構造に必要だった主記憶は3テラバイト強で、回路の演算層数や、出力のどの範囲を求めるかに応じて計算方法を組み立てています。
計算結果に求める精度も、シミュレーションの条件になります。Alibabaなどの研究チームは、53量子ビット・20サイクルのランダム回路から、忠実度0.2％に合わせて100万個のサンプルを得る課題について、スパコンSummit相当の計算基盤なら20日未満で処理できると推定しました。この推定には、計算を多数の並列処理に分け、個々の処理を実測した結果を用いています。
全結合の利点を示す異方式間の比較
黎明が備える全結合と、量子ビット間の接続が限られる構成の違いは、演算に必要な手順にも関わります。2017年に公表された5量子ビット機同士の比較では、全結合のイオントラップ型と、接続が星形に制限された超伝導型で同じプログラムを実行しました。
この比較では、多くの量子ビットの組み合わせを使うプログラムで、イオントラップ型の方が高い正確さを示しました。接続に制約がある側では、量子ビット間で情報を入れ替える追加操作が誤りにつながり、入れ替えが不要な場合は両方式の性能が近くなりました。
当時の実験機で2量子ビットの演算に要した時間は、イオントラップ型が250マイクロ秒、超伝導型が250〜450ナノ秒でした。同じ実験機の2量子ビット演算の忠実度は、それぞれ97±1％と96.5％で、接続性に加えて演算時間や誤りの特性も測定されています。
誤り耐性機の開発と2029年の商用化目標
理研とクオンティニュアムは、国内の大学、研究機関、部素材サプライヤーと連携し、「Made with Japan」として誤り耐性量子コンピュータ（FTQC）の開発を進めます。FTQCは、計算中の誤りを検出・訂正しながら、大規模な計算を正しく実行する量子コンピュータで、黎明の導入・運用で得た経験を開発に生かします。
FTQCに関わる誤り訂正研究では、複数の物理量子ビットに情報を符号化し、計算で扱う論理量子ビットを保護する方法が検討されています。NIST（米国立標準技術研究所）の研究者らは、400個の物理量子ビットに52個の論理量子ビットを符号化する構成など、必要な量子ビット数を抑える方式を探っています。
IBMのTed Yoder氏らは、量子メモリの誤り訂正方式について、物理的な誤り率を0.1％と仮定し、288個の物理量子ビットで12個の論理量子ビットを1000万回の誤り検出周期にわたり保持できるとしています。誤り訂正が機能する条件は、符号化の方式、誤りを検出する回路、検出結果を解析するアルゴリズムによって変わります。
理研、クオンティニュアム、ソフトバンクの3者は、国内のAIデータセンターに量子コンピュータを連携させ、研究者や企業などが利用できる商用サービスの実現可能性を検討します。ソフトバンクの小林丈記氏は、量子・AIデータセンターを2029年までに商用化することを目標に掲げました。
検討対象には、サービス提供の枠組みや保守運用モデル、人材育成、導入判断に使う性能評価手法、量子計算とAIを組み合わせる処理手順、その標準化が含まれます。理研の高性能計算基盤、黎明、ソフトバンクのAIデータセンター運用の知見を組み合わせ、導入と運用に必要な要素技術を共同で研究します。
