極低温の冷凍機内で、超伝導回路を制御するために飛び交うマイクロ波のパルス。その振幅や周波数が、微小な熱変動によってほんのわずかにズレるだけで、内部に保持された量子状態は致命的に崩壊する。何日も連続して稼働し続ける必要のある将来の有用な量子アルゴリズムにおいて、システムが稼働中に引き起こすこの「ズレ」をどう修正するかは、単なる工学的な課題を超えた根本的なハードルとして立ちはだかっている。
巨大化する量子ハードウェアが抱える「計算と校正」の矛盾
量子コンピュータは本質的にアナログの機械であり、デジタルな古典コンピュータと比べて極めて脆弱な性質を持つ。この脆弱性を克服する手段が量子誤り訂正（QEC）プロトコルである。QECは、アナログな状態変化の誤りを「エラーあり」か「エラーなし」というバイナリの検出シグナルへと変換し、論理的な量子状態を元の正しい姿へと引き戻すメカニズムを提供する。
QECが実用的な論理エラー率（LER）を実現するには、大前提となる条件が存在する。物理的なゲートのエラー率をあらかじめ閾値（およそ $10^{-3}$ から $10^{-2}$ の範囲）よりも大幅に低く抑え込むことだ。システムをこの精緻な状態にチューニングするプロセスは「校正（キャリブレーション）」と呼ばれる。数十年の研究の蓄積により、有向非巡回グラフを用いて個別の制御パラメータを順次調整していく物理ベースの校正手法が確立された。IBMなどの主要プレイヤーが主導するロードマップに従い、物理量子ビットの数を数百から数千へと増やすハードウェア拡張競争が進む中、この校正技術は業界の急速な進化を支えてきた。
しかし、アナログ制御の宿命として、一度完璧に校正されたシステムであっても、時間経過とともに環境変動や計器の温度変化にさらされて性能が劣化していく。従来の実験で用いられてきた解決策は、QECプロセス全体を一旦停止し、システムの再校正を行うというものだった。計算と校正を完全に切り離すこのアプローチは、現在の小規模な実験には通用する。だが、量子ビット数が数万から数百万の規模へとスケールアップし、制御すべきパラメータが爆発的に増加する世界線において、この手法は明らかな限界を迎える。将来的に連続して数日、あるいは数ヶ月にわたって実行されるアルゴリズムを想定した場合、計算を途中で止めることはできない。計算を止めずに校正を続ける手法を確立しない限り、フォールトトレラント（誤り耐性）量子計算の実現は不可能になる。
誤り検出シグナルを強化学習の「教師」に作り変える
QECのアルゴリズムそのものが、このジレンマを解く鍵を握っていた。不完全な校正によって生じたエラーも、ノイズによる他のエラーと全く同じように、測定可能なシンドローム（症状）としてQEC回路上に現れる。
Google Quantum AIの研究チームは、このエラー検出プロセスを直接的な解決策へと転換した。検出されたエラーを単なる「訂正のためのデータ」として消費するのではなく、人工知能エージェントを教育するための学習シグナルとして再利用する枠組みを構築したのである。
このシステムは強化学習（RL）を基盤としている。古典的なコントローラーのメモリには、QEC回路を物理的な波形に変換するための制御パラメータが保存されている。RLエージェントは、計算の実行中にすべての制御パラメータに対して意図的にごくわずかな摂動（揺らぎ）を同時に与える。
この微小な変化は、エラー検出イベントの発生確率に微妙な変化をもたらす。学習アルゴリズムの目的は、どのパラメータをどう動かせばエラー検出率が低下するのか、その因果関係を解きほぐすことにある。絶えず変化する環境に合わせて最適なパラメータ分布を追いかけ続ける仕組みだ。
数万の制御パラメータを解きほぐす局所性の発見
ここでひとつの数学的な壁が立ちはだかる。最終的に最適化したいのは論理エラー率（ ）だが、表面符号などのマルチ量子ビット系において、 を直接の目的関数に設定することは現実的ではない。
表面符号の性能は というスケーリングモデルで記述される。 $d$ はコード距離、 は物理エラー率の抑圧係数を示す。距離 $d$ が大きくなるにつれて は指数関数的に小さくなる。この微小なエラー率を正確に観測しようとすれば、途方もない回数のQECサイクルを回さなければならず、到底リアルタイムの最適化には間に合わない。
広大なコンサートホールで、数万人の演奏者（量子ゲート）の音をたった1つのマイク（システム全体のエラー率）で拾い、誰が音を外したか特定するのは不可能に近い。数人ごとに小さなマイク（局所的な検出器）を設置すれば、音の狂いを瞬時に特定し、その部分だけを修正できる。研究チームが採用したファクターグラフの手法は、まさにこの局所的なマイクのネットワークを構築することに対応する。
研究チームは、QEC回路内の特定の時空領域で発生するエラー検出イベントの平均発生率 $C$ を、新たなサロゲート（代替）目的関数として定義した。 の勾配と $C$ の勾配の間には という比例関係が成り立つ。局所的なエラー検出率 $C$ を最小化する方向にパラメータを動かせば、自動的に全体の論理エラー率も最小化されることをこの式は意味している。
特定の検出器の信号を、そのすぐ近くにあるゲートの制御パラメータにだけ結びつけることで、パラメータ間の依存関係は極めて疎（スパース）になる。シミュレーションの結果、距離15の表面符号において約40,000個もの制御パラメータを同時に最適化する場合でも、学習の収束速度はシステムサイズに依存しないことが確認された。
| 比較項目 | 従来の物理ベースの校正手法 | 本研究の強化学習フレームワーク |
|---|---|---|
| 実行タイミング | 計算を完全に停止して実施 | 量子誤り訂正と並行してリアルタイム実行 |
| 最適化の対象 | 少数パラメータを順次調整（有向非巡回グラフ） | 数千〜数万のパラメータを全体最適化（局所性を利用） |
| 環境変動への対応 | 事前設定のため時間経過とともに性能劣化 | 稼働中のドリフトに追従し自律的にパラメータを修正 |
| ハードウェア要件 | 専用の校正用回路と追加の測定リソースが必要 | 本来の誤り検出シグナルを流用するため追加リソース不要 |
熟練技術者の限界を超えるWillowプロセッサの到達点
Googleの次世代超伝導プロセッサ「Willow」を用いた実機実験において、このRLフレームワークは想定を上回る成果を叩き出した。
実験は、距離5および距離7の表面符号、そして距離5の色符号を用いて行われた。まず従来の物理ベースのアプローチと熟練のエンジニアによる手動調整を限界まで行い、プロセッサを極限まで校正する。その状態から強化学習による微調整を追加で実行したところ、論理エラー率はさらに約20%抑制された。
到達した精度は、いかなる物理量子ビットのモダリティにおいても過去最高記録となる水準に達している。ニューラルネットワークデコーダ「AlphaQubit2」を用いた距離7の表面符号では、1サイクルあたりの平均論理エラー率 $7.72(9) \times 10^{-4}$ を記録。距離5の色符号でも $8.19(14) \times 10^{-3}$ という数値を叩き出した。物理的なモデルの簡略化や未知のデバイス物理によって生じる微小なエラーの蓄積を、システム全体を俯瞰するモデルフリーの強化学習が刈り取った結果といえる。
強化学習エージェントは、環境変動を追跡し適応する能力も備えている。マイクロ波パルスの振幅や周波数などに意図的なドリフト（時間的な変動）を注入した実験において、制御ポリシーを固定した従来のシステムは次第にエラー率を悪化させていった。対照的に、RLエージェントは変動を自律的に学習してパラメータを修正し続ける。論理エラー率を平均24%低減させ、その分布のばらつきを抑えることで安定性を2.4倍に引き上げた。デコーダー側のパラメータ調整とも連動させることで、安定性の向上は最大3.5倍に達している。
モダリティの壁を越える適応力と残された物理的ハードル
この技術の重要性は、超伝導回路という特定のハードウェアに依存しない点にある。必要とするのは「エラー検出シグナル」と「調整可能な制御パラメータ」の2つのみだ。空間的に離れた量子ビット同士を結合する中性原子アーキテクチャや、イオントラップ方式といった他の物理的モダリティにも直接適用できる汎用性を持っている。ハードウェアの種別を問わず、大規模な誤り耐性量子コンピュータを制御するための普遍的なソフトウェア基盤になり得る。
量子コンピュータが自らのエラーから学び、計算を止めずに校正し続けるという新たなパラダイムは、大規模なフォールトトレラントシステムの運用に向けて極めて有望な道筋を示している。とはいえ、完全な自律運用に到達するまでにはクリアすべきハードルも残されている。
最大のジレンマは、学習のために必要な「パラメータの探索（意図的な揺らぎ）」と「最適な状態の維持」のトレードオフだ。今回の実験では、短い論理アルゴリズムを繰り返し実行するたびに量子状態を初期化していたため、探索による一時的なエラーの増加は問題にならなかった。長大な計算を止めることなく実行し続ける環境下では、パラメータを揺らすこと自体が計算に悪影響を及ぼす。ドリフトの速度が十分に遅ければ、探索ノイズのデメリットを学習による最適化のメリットが上回ることがシミュレーションで確認されている。
高エネルギー粒子（宇宙線など）が超伝導回路に衝突した際に生じる相関ドリフトのように、学習アルゴリズムの応答速度を上回る急激な変動に対しては、学習が追いつく前にシステムが破壊されてしまう。こうした突発的な外乱に対しては、強化学習によるソフトウェア的なアプローチだけで解決を試みるのではなく、ハードウェアレベルでの物理的な遮蔽や緩和策を引き続き併用していく必要がある。人間の技術者が付きっきりで計器を調整する時代は、やがて終わりを告げるだろう。稼働に伴うノイズを自己修復しながら走り続ける自律的な量子コンピュータの実現に向けて、システム制御の最適化は新たな領域に入った。