Infleqtionは、そのSqale中性原子量子コンピュータ上で12論理量子ビットを使用してバイオマーカー発見アルゴリズムを実行したQ4Bioプロジェクトの技術的成果を報告した。Wellcome Leapからの200万ドルのフェーズIII契約に支援され、UChicagoとMITの学術パートナーと共同で実施されたこのプロジェクトは、複雑なマルチモーダルながんデータから高影響度の特徴セットを特定するためのハイブリッド量子古典ワークフローを統合している。古典システムでは計算上アクセス不可能な高次相関を捉えることで、このプラットフォームは精密診断の進歩を目指している。NVIDIA GTC 2026で披露されたこのマイルストーンは、これまでで最も複雑な論理量子ビットアプリケーションの一つであり、基礎となる発見問題の最適数学的解と比較して0.04%の相対誤差を達成した。
技術的フレームワークは、GPUでの高性能トレーニングとQPUでの効率的サンプリングに最適化された量子ニューラルネットワークの一種である瞬時量子多項式(IQP)モデルを利用している。InfleqtionはIQPOptライブラリとJAXを活用し、NERSCのPerlmutterスーパーコンピュータのNVIDIA A100ノードでこれらのモデルをトレーニングし、数十の論理量子ビットまでスケールするよう設計されたインスタンスを処理した。この「分離ハードウェア」アプローチ—トレーニングの重い線形代数にGPUを使用し、指数関数的推論高速化にSqale QPUを使用—により、システムは単純なペアワイズ結合に依存するのではなく、学習されたハイパーグラフ構造を通じて多量子ビット相関を「選択」できる。
物理的実行前にこれらのモデルを検証するため、InfleqtionはNVIDIA CUDA-Qプラットフォームを高忠実度シミュレーションに利用した。これにより、チームは「ノイズレス上限」を確立し、デバイス校正されたノイズモデルを使用して「ノイズ検証」を実行でき、CPUのみのバックエンドと比較して50倍以上のシミュレーション高速化を達成した。この摩擦のないコードパスにより、同じカーネルをNVIDIA GH200 Grace Hopperスーパーチップ上の仮想環境でストレステストしてから中性原子ハードウェアに展開できるため、大規模バイオマーカー特徴セットの実験フェーズのリスクが大幅に軽減される。
Sqaleプラットフォームの耐障害性ロードマップの重要な構成要素は、QPUと古典アクセラレータ間のリアルタイム制御ループを促進するNVIDIA NVQLinkの統合である。報告された往復レイテンシは3.96μsと低く、NVQLinkによりシステムは測定データをGPUメモリに直接転送して即座にシンドローム復号とパラメータ更新を行うことができる。このマイクロ秒スケールのフィードバックは、論理量子ビットを維持するために必要なアクティブエラー訂正に不可欠であり、Infleqtionのパルス処理ユニット(PPU)が原子のコヒーレンス時間内で適応的分岐と訂正操作を実行できるようにする。
今後、InfleqtionはGTC 2026(ブース#345)でSqale + NVQLinkの統合を実演し、本番環境向け量子GPUスーパーコンピューティングへの移行を強調する。12論理量子ビットの実行成功は、最終フェーズに入っているQ4Bioプログラムの機能実証として機能する。同社は2026年後半に30論理量子ビット以上をサポートするようこのアーキテクチャをスケールし、耐障害性量子ハードウェアの本来のエラー抑制機能を必要とする、ますます洗練されたゲノムおよびプロテオームデータ解析タスクをターゲットにする予定である。
IQPモデルトレーニングとNVQLinkパフォーマンスデータに関する詳細な技術情報については、Infleqtion公式研究ブログを参照されたい。
2026年3月18日
