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「魔態培育」技術の実証に成功し、非採用時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、量子計算のスケール化と実用化を推進する重要な一歩となる。
Google 量子人工知能チームが魔態培育技術の可行性を実証
2004年、研究者たちは一つの厄介なボトルネックを予見していた。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」を先に準備することにある。この名称は、この種の量子状態が古典的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、ここには難題が存在する。高品質でエラー訂正された魔態を準備することは、非常に多くのリソースを消費する。いくつかの推定では、量子コンピュータは魔態を生成するために最大95%の全計算能力を使用する可能性があり、実際の計算に残されるリソースはほとんどない。
さらに、魔態は一度使用すると再利用できず、希少なリソースである。そのため、研究者たちは常に魔態の準備にかかるリソースコストを削減し続けている。
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育技術を開発した。この技術はリソース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、高度に協調した一連の測定を実行してエラーを排除し、不合格なサンプルを除外する。クレイグのチームは、この方法を用いることで、純度が非常に高く、低誤差の量子状態を「培育」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できれば、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。
初めて培育プロトコルをテストした際、Googleの量子AI研究者エマ・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の一般的な測定方法における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ノイズが基準テスト結果の有効性を妨げていた。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、さらに培育技術自体を測定ツールとして用いる新しい基準テスト方法を革新し、根本的にこの問題を解決した。
この成果とさらなる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の量子AIのWillowプロセッサ上で、このプロトコルは培育処理を行っていない量子状態と比較して最大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。この成果はすでに『科学』に掲載され、量子計算における最も深刻なリソースボトルネックの一つを解決する可行な方法を初めて実証し、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証明した。
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「色コード」（魔態培育に非常に適した新型量子誤り訂正コード）と「表面コード」（成熟度の高い誤り訂正プラン）間の切り替えを実現し、距離3の色コード量子状態を距離5の表面コードに接続した。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。