NVIDIAは2026年11月16日、IBMおよび米フェルミ国立加速器研究所(Fermilab)と、量子コンピューターの共同設計基盤を構築する計画を発表した。同時に、量子計算で生じた誤りを推定する復号器「TCBP-JOBS」をCUDA-Q QEC 0.9.0で公開した。発表で強調された「最大約1万3,000倍」は、シミュレーションで生成したデータを復号する際の処理時間を、従来のCPU向けソフトウェアと比較した数値である。1件の復号にかかる時間と、大量の試行をまとめて処理する時間では評価条件が異なり、量子計算のどの工程を高速化できるかという点でも意味が違う。

AD

誤り推定の履歴を活用し、GPUで並列探索する

TCBP-JOBSは、量子誤り訂正において、測定データから発生した可能性の高い誤りを推定する役割を担う。量子誤り訂正では、一つの量子情報を複数の物理量子ビットに符号化して保護する。誤りを検出するための測定から得られる情報を「シンドローム」と呼び、これを基に補正すべき誤りを推定する古典計算アルゴリズムが「復号器」である。

NVIDIA Researchが公開したBen Howe氏らの研究論文では、誤り確率の推定結果を探索に利用する新たな手法を提案している。従来の組み合わせでは、誤り確率を反復的に推定するBP(Belief Propagation)と、候補の順位に基づいて探索するOSD(Ordered Statistics Decoding)を用いていた。この方式では、BPの最終値や最小値など、反復計算の結果を一つの値に要約する。その値を基に誤り候補に順位を付け、一つの順位付けに従って補正候補を探索していた。

これに対し、TCBPは反復計算の途中で推定値がどのように変化したかという履歴を、小規模なニューラルネットワークに入力する。そこから調整された誤り確率を求め、JOBSが順位付けを少しずつ変えながら複数の候補をGPU上で並列探索する。最終的に最も有望な補正候補を選択する仕組みで、従来は要約されていた計算途中の情報を探索に活用する点が特徴だ。

標準モデルの学習可能なパラメーター数は529個である。論文の標準評価設定では、BPを10回反復し、JOBSで16通りの順位付けを探索する。モデルは符号の種類ごとにシミュレーションデータを使って学習させており、著者らによると学習時間は約10秒だった。性能評価も、シミュレーションで生成した入力をCPUやGPUで処理する方法で実施している。

TCBP-JOBSは学習結果に基づいて有限の範囲から補正候補を探す方式であり、探索数や使用可能なメモリー容量によって速度と精度が変化する。性能は対象となる量子誤り訂正符号や学習条件にも左右される。

単発の復号と大量処理では比較条件が異なる

「最大約1万3,000倍」の根拠となった研究論文の付録B、Table 11では、同じ2,000回のシミュレーション試行を両方式で1件ずつ復号し、平均処理時間を比較している。ここでいう試行とは、回路を1回シミュレーションする単位である。評価対象はbivariate-bicycle符号のZ基底回路で、SI1000雑音モデルの物理誤り率を0.2%に設定した。

比較対象のTesseractは、探索設定をlong-beamとし、疎化を無効にした状態でGrace CPUの1コアを使用した。一方、TCBP-JOBSは同じGB200ノードのGPU 1基で動作させている。CPU側の平均処理時間には、他の処理が実行されていない静穏時の速度へ補正した値を用いた。ただし、全試行を静穏環境で測定し直したわけではなく、同じ試行の一部を再実行して得られた比率から補正している。

単発の復号と大量処理では、比較する計算資源も異なる。単発処理ではGrace CPUの1コアとGB200のGPU 1基を比較するのに対し、大量処理ではCPUの64コアへの完全分散を仮定した処理時間と、GPUによるバッチ処理時間を比較している。論文の付録Cが対象とするのは、多数の試行を処理し、復号後にも量子情報に誤りが残る割合である「論理誤り率」を推定する研究用途の一括処理だ。

主な評価結果は以下の通りである。

評価対象 CPU側 GPU側 論文の高速化倍率
単発、[[108,8,10]] Grace CPUの1コア、平均31.5秒 GB200のGPU 1基、平均2.36ミリ秒 13,300倍
単発、[[144,12,12]] Grace CPUの1コア、平均53.5秒 GB200のGPU 1基、平均4.09ミリ秒 13,100倍
28回路、計2,420万試行の一括処理 64コアへの完全分散を仮定して12.1週間 GB200のGPU 1基、16,384試行ずつ処理して約45分 2,720倍

いずれもSI1000雑音モデルを用い、物理誤り率は0.2%に設定している。単発処理では各符号で同じ2,000試行を使用し、CPU側の時間を静穏時の速度へ補正した。一括処理は公開ベンチマークと回路ごとの試行数をそろえた別の評価であり、ハードウェアと復号方式を組み合わせた比較となっている。数値は論文のTable 11およびTable 13に基づく。

一括処理の評価には、表面符号、カラー符号、bivariate-bicycle符号のX基底とZ基底を含む28回路を使用した。CPU側の総計算量は130,257 thread-hoursで、各スレッドの実行時間を合計した値である。これを64コアに完全に並列分散できると仮定し、処理時間を12.1週間に換算している。一方、GPU側の実行時間は44.8分で、Table 13では45分に丸められている。単発の処理時間は量子コンピューターの次の操作に間に合うかどうかに関わるのに対し、一括処理の高速化は、誤り訂正符号や量子回路の候補を比較する研究の効率向上につながる。

復号精度については、今回のバッチ評価条件では両方式が概ね同程度だった。ただし、速度と精度の関係は物理誤り率によって変化する。論文の第7節では、[[144,12,12]]のSI1000雑音モデルを使った12ラウンドのZメモリー回路について、物理誤り率0.01~0.05%の領域を希少事象の推定法で調べた結果、Tesseractの方が高い精度を示した。この低誤り率の評価では、希少事象を推定するsplitting法の計算を独立に8回実行し、結果の中央値と変動幅を求めている。この変動幅は実行ごとのばらつきを表しており、信頼区間とは異なる。復号器を選ぶ際には、処理速度だけでなく、対象の符号と物理誤り率に応じた精度も考慮する必要がある。

AD

IBM・Fermilabとの共同設計基盤とSlurmの拡張

NVIDIAがIBMおよびFermilabと計画する共同設計基盤には、NVIDIA DGX B200と、IBM Quantum Nighthawkを含むIBMの量子コンピューターが併設される。量子計算と古典計算の双方を互いの要件に合わせて設計し、誤り訂正符号や復号器から、複数の量子プロセッサーを接続する構成まで研究する計画だ。研究対象には高エネルギー物理学と原子核物理学への応用も含まれる。TCBP-JOBSによるシミュレーションデータの高速復号は、こうした共同設計で複数の候補を比較する際にも活用できる。

NVIDIAで量子計算応用研究を担当するバイスプレジデントのKrysta Svore氏は、協業の目的について「量子コンピューターを科学に役立てるには、誤り訂正と応用、そして量子プロセッサーと高速計算を結び付けるシステムの進歩が必要です」と述べている。

こうした計算環境の運用を支えるのが、計算資源へのアクセスを管理するSlurmの拡張である。従来は量子プロセッサー(QPU)を導入するたびに、機種や施設に応じた接続処理を個別に開発する必要があった。拡張されたSlurmはQRMIおよびQDMIというインターフェースをサポートし、QPUメーカーが開発した接続機能を異なる導入先でも再利用できるようにする。これにより、CPUやGPUに加えてQPUへのアクセスも統合的に管理する。Slurm 26.11は2026年11月後半に提供される予定だ。

共同設計基盤の具体的な稼働時期は公表されていない。また、NVIDIA Researchが公開した論文については査読状況を確認できておらず、査読誌名やDOIの記載、独立した追試も確認されていない。著者らは今後の評価項目として、量子制御系を含めた総反応時間と、実際の量子コンピューターへの適合性を挙げている。

量子コンピューターの実時間誤り訂正に利用するには、測定データが届く速度に復号処理が追いつき、次の量子操作までに結果を返せる必要がある。平均処理時間だけでなく、応答が遅くなる場合を含めた遅延の分布や、継続的に処理できるデータ量も重要になる。これらの性能が、研究用の大量データ処理で示された高速化を、実機の量子誤り訂正に応用できるかどうかを判断する基準となる。