BQPの軌道物体分類AIがSpaceWERX契約へ、量子インスパイアード技術を検証

  • 何が起きた: BQPはSpaceWERXから初の米連邦契約を得て、軌道物体や挙動を分類するPC-QAMLを開発・検証する。
  • なぜ重要か: 人手を要する未相関観測の処理で、低消費電力の分類AIが追加追跡の優先順位を早く絞れる可能性がある。
  • 次に見るべき点: 契約フェーズと評価データ、誤警報率、宇宙用プロセッサ上の実証はまだ公表されていない。

BosonQ Psi Federal LLC（BQP）は2026年7月17日、SpaceWERXから同社初の連邦契約を獲得したと発表した。対象は、物理モデルと量子計算の考え方を取り入れた機械学習を組み合わせ、軌道物体や挙動を分類する「PC-QAML」である。2025年のSpace Domain Awareness（SDA）TAP Labでの地上試験から、政府契約に基づいて開発・検証する工程へ進む。ただし、量子コンピュータを衛星に載せる計画でも、軌道上で性能を実証したとの発表でもない。

技術の狙いは、観測データを地上の大規模計算基盤へ送り切る前に、衛星や前方配備システムの限られた計算資源で推論することだ。そこで見極めるべきなのは、「量子」という名称よりも、未相関観測を処理する長い工程のどこを短縮できるのか、そしてBQPが掲げる大幅なモデル圧縮が軌道データでも再現するのかである。

AD

契約が動かすのは、実運用ではなく検証工程

BQPが得たのは、SpaceWERXのOpen Topic Small Business Innovation Research（SBIR）契約である。同社の発表はPC-QAMLを「開発し、検証する」と将来形で記しており、米宇宙軍が性能を認証したとは述べていない。初の連邦契約という企業側の節目と、実運用システムへの採用は分けて読む必要がある。

Open Topicには、実現可能性と顧客候補を探るPhase Iと、試作・実証へ進むPhase IIがある。AFWERXの説明では、Open TopicのPhase Iは通常90日以内、Phase IIは通常2年の研究開発契約だ。ところがBQPは今回、フェーズと金額を開示していない。期間と契約番号も不明だ。契約を得た事実だけでは、短期の実現可能性調査か、運用者と組む試作段階かを確定できない。

前段になったSDA TAP Labは、Space Systems CommandのSystem Delta 85に属する実験・加速拠点だ。企業や大学の技術を運用課題へ当て、概念実証から移行を促す役割を担う。BQPによると、2025年のMini-Acceleratorでは軌道上の分離イベントを検知し、将来の未相関トラック分類や脅威シミュレーション・カタログ統合の候補になった。今回の契約は、候補技術を次の評価へ送る入口に当たる。

UCTは「未知物体」ではなく、観測が未相関の状態

米宇宙軍のSDAドクトリンは、Uncorrelated Track（UCT）を「国防総省が維持する地球周回物体カタログ内の物体へ結び付いていない観測」と定義する。つまり、UCTは正体不明の敵性衛星という物体区分ではない。新しく打ち上げられた衛星、機体から分離した物体、破砕で生じたデブリのほか、既知物体を短時間だけ捉えた観測も含み得る。

第18宇宙防衛飛行隊はUCTを、通常は単一のレーダーが短時間に集めた一連の観測から成る「短いトラック区間」と説明している。複数の観測を同じ物体へ相関させ、軌道を推定し、必要ならカタログへ反映する作業は人手負担が大きく、長時間を要する。ここには、観測同士を結び付ける相関、軌道決定、物体や挙動の分類、脅威評価という別々の仕事が並ぶ。

PC-QAMLが公表資料で狙っているのは、主に後半の分類である。分離イベントや接近運用らしき特徴を端末側で絞れれば、どの観測へセンサーを振り向けるか、どのトラックを分析官へ早く回すかという判断を支援できる。一方、分類精度が高くても、短い観測弧から同一物体を相関できるとは限らない。BQPは、PC-QAMLが軌道決定やカタログ管理まで自動化するとは発表していない。

AD

14,000,000から2,000、7,000分の1をどう読むか

BQPが示した比較値は大きい。同社によれば、PC-QAMLは従来モデルの14,000,000（1,400万）パラメータを2,000まで減らし、99%以上の分類精度を維持する。単純計算では7,000分の1、約99.9857%の削減だ。さらに推論遅延を最大10分の1、消費電力を約90%減らし、再学習も速めるという。

ただし、発表はこれらを「他の用途でも示された同様の結果」に続けて記している。軌道物体分類に使ったデータセット、クラス数、学習とテストの分け方、比較した従来モデルの構成は示されていない。99%以上という精度も、適合率や再現率、誤警報率がなければ運用上の意味を決められない。NISTも、2クラスの一方が98%を占めるデータでは、そのクラスだけを出力する素朴なモデルでも98%の精度を得る例を挙げている。まれな異常を探す不均衡データほど、単純な正答率だけでは性能を判断しにくい。

BQPの公開済み研究には、今回より条件の見える比較がある。2024年のIEEE Quantum Week論文と同社のPCT特許公開は、量子隠れ層と古典層を組み合わせたPhysics-Informed Neural Network（PINN）を、1次元Burgers方程式で評価した。4量子ビット相当と5量子ビット相当の構成では、古典PINNなどに対して学習パラメータを20%減らしながら精度を維持した。一方、3量子ビット相当では真値より劣る領域もあり、実験はPennyLaneのローカル・シミュレーターをクラウド環境で動かしている。

この20%と今回の約99.9857%は、課題もモデルも異なるため横並びにできない。むしろ公開研究が教えるのは、量子支援層を入れれば常に同じ圧縮率が得られるわけではないという点だ。PC-QAMLについても、軌道データ上の混同行列、未知条件への汎化、消費電力を測ったハードウェアが公開されて初めて、7,000分の1の実務価値を評価できる。

量子計算機より先に、5W級のエッジ実装

PC-QAMLの「物理制約」は、軌道運動のような既知の関係を学習時の損失やモデル構造へ組み込み、データだけで学ぶモデルが探索する範囲を絞る考え方である。BQPの特許公開にあるQA-PINNでは、物理方程式と初期・境界条件を損失関数へ入れ、量子回路を模した隠れ層の出力を古典層へ渡す。だが、今回の軌道用PC-QAMLが同じ構造なのか、どの物理法則を課すのかは明らかになっていない。

実装面では、BQPはBMC3I TAP LabのNVIDIA Jetson NanoでPC-QAMLを動かしたとしている。Jetson Nanoは4コアArm CPU、4GBメモリ、5Wと10Wの電力モードを持つ小型機で、128コアのMaxwell GPUも内蔵する。ここには発表文の説明不足がある。BQPはクラウドやGPUへ依存しないと述べるが、Jetson Nano上で統合GPUを使わなかったのか、データセンター級の外付けGPUが不要という意味なのかを開示していない。

もう一つの境界は、地上の開発ボードと宇宙用計算機の間にある。BQPは将来、宇宙用認定プロセッサで直接動かす設計だとするものの、対象プロセッサ、放射線環境での誤動作対策、熱設計、軌道上での評価計画は未公表だ。TAP Labで動いたことはエッジ実装の可能性を示すが、衛星搭載の認定を終えたことにはならない。

次の公開機会は近い。2026年9月15日から18日のAMOS Conferenceでは、BQPのAlex Khanが「リアルタイム自律軌道予測に向けた、エッジ展開可能な物理情報・量子支援ニューラルネットワーク」という関連研究を発表する予定である。そこでモデル構造とデータ、誤差、実行ハードウェアが示されるか。加えてSpaceWERX契約のフェーズと成果指標、宇宙用プロセッサでの再現が揃えば、PC-QAMLは「量子インスパイアード」という看板から、未相関観測の処理時間を実際に縮める道具へ進める。