Google は、量子人工知能チームが量子計算の重要なボトルネックを突破したことを発表した。Willow プロセッサ上で「魔態培養」技術の実証に成功し、従来の技術と比較して誤差を約 40 倍低減した。この画期的な成果は本日『科学』誌に発表され、量子計算の大規模な実用化に向けた重要な一歩となる。
Google 量子人工知能チームが魔態培養技術の実現可能性を証明
2004 年には、研究者たちは一つの厄介なボトルネックを予測していた。汎用量子計算を実現し、実際に価値のあるプログラムを実行するためには、特定の量子操作のセットを実行できる必要がある。その実現方法は、いわゆる「魔態」を事前に準備することである。この名称は、この種の量子状態が古典的な計算を超える量子演算を生成できることに由来する。しかし、ここには一つの難題がある。高品質で誤り訂正された魔態を準備することは非常に資源を消費する。ある推定によれば、量子コンピュータは魔態を生成するために最大で 95% の全算力を使用し、実際の計算に使える資源はほとんど残らない。
さらに、魔態は一度使用すると再利用できず、希少な資源である。そのため、研究者たちは魔態の準備にかかる資源コストを継続的に削減しようとしてきた。
2024 年、Google の量子 AI 研究者であるクレイグ・ギドニー、ノア・シュティ、コディ・ジョーンズは、文献のアイデアを参考にし、最適化を加えて現在の魔態培養技術を開発した。この方法は、資源消費を大幅に削減することが期待されており、その核心的なアイデアはフィルターのようなものである。量子チップの小さな領域にノイズを含む量子状態を注入し、その後一連の高度に協調した測定を実行して誤りを排除し、不適合なサンプルを除外する。クレイグのチームは、この方法を用いて純度が非常に高く、低誤差の量子状態を「培養」できることを証明し、さらにそれをより大規模で実用的なコーディング形式に同時に変換できることを示した。
この技術が量子ハードウェアに実装されれば、実用的なタスクに必要な量子コンピュータの規模を大幅に削減できる。
初めて培養プロトコルをテストした際、Google の量子 AI 研究者であるエマ・ローゼンフェルドが観測したデータは、物理法則に反するように見えた。数ヶ月にわたる調査、シミュレーション、同行の議論、一貫性の検証を経て、彼女は問題がチームが普段使用する測定方法の誤った仮定に起因していることを発見した。具体的には、実験室の電気機器のドリフトや温度変動によって生じる一種のノイズが、ベンチマークテスト結果の有効性に干渉していた。チームは理論フレームワークとエンジニアリングプランを同時に調整し、システムに追加の制御手段を加えてそのノイズの影響を弱める必要があり、さらに培養技術自体を測定ツールとして用いる新しいベンチマークテスト方法を革新し、根本的にこの問題を解決した。
この成果とその他のアルゴリズムの革新およびエンジニアリングプランに基づき、Google は量子計測技術を新たな頂点に引き上げた。Google 量子 AI の Willow プロセッサ上で、このプロトコルは未培養の量子状態に比べて最大 40 倍の誤差圧縮を実現し、得られた T 状態の論理保真度は記録的な 99.99% に達した。この成果は現在『科学』に掲載され、量子計算における最も深刻な資源ボトルネックの一つを解決する実現可能な方法を初めて証明し、実際のハードウェア上で Google がこの重要な魔態を効率的に準備できることを示した。
Google はまた、クレイグらが提案した理論が同社の量子計算アーキテクチャに適合することを初歩的に検証した。チームは「色符号」（新しい量子誤り訂正コードで、魔態培養に非常に適している）と「表面符号」（成熟度が高い誤り訂正プラン）との間の切り替えを実現し、距離 3 の色符号量子状態を距離 5 の表面符号に接続した。この接続プロトコルは2024 年の理論論文に最初に登場し、今回の実験で純化された量子状態がハードウェア内で安定して存続し、スムーズに伝達できることが確認された。