Google Quantum AIは、リアルタイム較正とアクティブ量子誤り訂正（QEC）を統合したハードウェア制御フレームワークを発表した。これにより、自律的な強化学習（RL）エージェントが中断のない実行中に論理量子ビットを安定化できるようになる。Nature誌に掲載された論文「Reinforcement learning control of quantum error correction」において、この工学的マイルストーンは、フォールトトレラント量子コンピューティング（FTQC）が直面する主要なボトルネックに対処している。そのボトルネックとは、環境ドリフトと材料の非定常性であり、これらは微視的なデバイス較正を劣化させ、通常はオペレーターにシステムをオフラインにして破壊的なメンテナンスを行うことを強いる。
構造的なバイナリ誤り検出信号を連続的なコンテキスト内訓練入力として再利用することで、Googleの制御システムは次世代のWillow超伝導プロセッサが自身の故障から継続的に学習することを可能にする。これにより、従来の物理ベースの較正ルーチンや人間の専門家による調整時間が不要となり、中断のないリアルタイム最適化が実現される。
マルチ量子ビットプロセッサの安定化における中核的なアーキテクチャ上の障壁は、物理ゲートのアナログ的脆弱性に起因する。QECプロトコルを効果的に実行するには、物理誤り率を指定されたフォールトトレラント閾値（約10⁻³～10⁻²）を厳密に下回るように保つ必要がある。標準的な最適化フレームワークは、有向非巡回グラフ（DAG）を介して個々の制御線（例：マイクロ波パルス振幅、XY周波数、CZ結合位相）を分離することでこの境界を維持しようとする。しかし、低周波の熱揺らぎ、計測機器のドリフト、微視的な材料欠陥により、これらの局所的な較正はすぐに無効になる。
Googleのフレームワークは、直接的な論理誤り率（LER）追跡のスケーリング限界を回避する。LEAは符号距離が増加するにつれて指数関数的に大きなデータセットを必要とする。代わりに、効率的に計算可能な局所的代理目的関数（C）を構築する。この代理目的関数は、プロセッサの時空間検出領域全体における誤り検出イベントの平均率をマッピングする。
学習パイプラインは、専用の訓練エポック全体で反復的に実行される。システムは1,000以上の内部制御パラメータに小さな同時確率的摂動を適用し、これらは因子分解された多変量ガウス方策分布によってモデル化される。検出領域は近傍の制御線との疎で局所的な関係を維持するため、Googleはこの問題を二部因子グラフとして構造化している。
特定の摂動がパリティ反転検出器信号の急増または急減を引き起こすと、多目的パラメータ探索方策勾配アルゴリズムが局所勾配を計算する。近接方策最適化（PPO）とエントロピー正則化を組み合わせることで、エージェントは環境ドリフトプロファイルに従うために分布平均（μ）を継続的に調整しながら、局所最適解を回避するために最適化された探索分散（σ²）を維持する。
統合RLアーキテクチャは、Willowハードウェアアーキテクチャ上の距離5および距離7の表面符号、ならびに距離5のカラー符号構成で実験的に検証された。システムは以下の性能パラメータを達成した：
- 記録的な抑制: すでに最適化され、専門家によって較正されたプロセッサを微調整することで、論理エラー率の20%の追加抑制が即座に達成され、純粋な物理ベースのシステムモデリングの限界を超えました。
- 論理的安定性: 目標とされた人工的なドリフトプロファイル（正弦波、ステップ状、ストロボスコピック変調を含む）の下で、エージェントはサーフェスコードレイアウトを安定化し、補完的なデコーダステアリングと統合することで論理的安定性を3.5倍改善しました。
- QEC閾値フロア: このアーキテクチャは、距離7のサーフェスコード（AlphaQubit2ニューラルネットワークモデルでデコード）で7.72(9)×10−4、距離5のカラーコードで8.19(14)×10−3という、サイクルあたりの平均論理エラーの記録を達成しました。
長期的な実行可能性を評価するため、Googleは約40,000の独立した制御パラメータを管理する距離15の表面符号まで数値スケーリングシミュレーションを実行した。結果は、勾配降下法の収束率（γ）が指数法則（1 − Λ/Λ* ∝ e⁻ᵞᵗ）に支配され、システム全体のサイズから完全に独立していることを確認した。この非結合スケーリング挙動は、因子グラフの局所疎性の直接的な産物であり、リアルタイム自律RL制御層が、数万の物理量子ビットを含むフォールトトレラント領域へコンピューティングシステムが移行する際に予測可能にスケールすることを確認している。
公式研究概要はYossi MatiasのLinkedIn投稿から、または査読済み論文はNature誌から直接確認できる。
2026年7月10日
