IonQ、単一のApple M4 Max CPU上でMegaQuOp規模のリアルタイムQECデコーディングを実証

IonQの量子情報研究者であるMin Ye、Andrii Maksymov、Nicolas Delfosseは、大規模なイオントラップ型量子コンピュータ向けのエンドツーエンドのリアルタイム量子誤り訂正（QEC）デコーディングパイプラインについて詳述した研究をarXiv（arXiv:2608.25027）に発表しました。

市販の単一のApple M4 Max CPU（12コア使用）のみで完全に実行されるこのデコーディングスタックは、最大408個の論理量子ビットと100万を超えるTゲート／130万の論理測定を特徴とするMegaQuOp規模のワークロードを、ほぼゼロに近い計算上の遅延（デコーディングバックログによる遅延）で処理しました。

量子プロセッサが論理量子ビット全体で数百万回の演算（MegaQuOp）を実行する規模へとスケールするにつれ、デコーディングバックログに起因する指数関数的な計算速度低下を防ぐためには、シンドローム抽出データをリアルタイムで処理することが必要になります。従来の取り組みは、専用のFPGA、GPU、またはASICを用いて個々のメモリブロックや小規模な演算をデコーディングすることに焦点を当てていましたが、IonQは汎用の市販CPU上で動作するソフトウェアデコーディングパイプラインを実証しました。

• デュアルデコーダアーキテクチャ：このパイプラインは、同時に動作する2つのスライディングウィンドウデコーダを採用しています。連続的なエラーデコーダ（5サイクルウィンドウ）はPauliフレームを追跡して長期的な論理エラーを抑制する一方、低遅延のアウトカムデコーダ（2サイクルウィンドウ）は論理測定時に起動し、Viterbi停止条件とエラー検出測定（EDM）チェックを解決します。
• オンザフライ検出器エラーモデル（DEM）生成：cat状態の測定が発生するたびに複雑なパリティチェック行列グラフを再構築するのではなく、システムは固定のTannerグラフを再利用し、確率事前分布ベクトルのみをオンザフライで動的に更新します。
• メモリとLLRの最適化：生のTannerグラフのエッジメッセージではなく、各エラーノードごとに対数尤度比（LLR）を保存することで、チームはデコーダのメモリトラフィックとメモリフットプリントを1桁以上削減し、並行動作するCPUプロセス間でのキャッシュ競合を防ぎました。

チームは、IonQのWalking Cat Architecture（WCA）向けにコンパイルされた3つの大規模フォールトトレラント回路にわたって、リアルタイムデコーダを評価しました。

• 測定誘起相転移（MIPT）：102論理量子ビット、108万Tゲート、110万論理測定（22コードブロック）。
• 無秩序ハイゼンベルクモデル（n64）：102論理量子ビット、13万9,000Tゲート、32万7,000論理測定（22コードブロック）。
• 無秩序ハイゼンベルクモデル（n266）：408論理量子ビット、55万5,000Tゲート、88コードブロック（68のメモリブロック＋合計11,680物理量子ビットの20個のCH2魔法状態ファクトリー）にわたる131万論理測定。

イオントラップ型ハードウェアで一般的な1ミリ秒から5ミリ秒のシンドローム抽出サイクル（SEC）時間を想定した場合、物理エラー率pCNOT = 10⁻⁴において、すべてのワークロードでデコーディングバックログによって生じる動作時間遅延（「ストレッチ」）は0.3%未満であり、物理ノイズを高めた場合（pCNOT = 5 × 10⁻⁴）でも12%を下回ったままでした。

この結果は、システムが10,000個を超える物理量子ビットに向けてスケールしていく中で、古典的なデコーディング帯域幅がIonQのWCAロードマップにおいてボトルネックにならないことを裏付けています。

arXiv:2608.25027の全文はこちらからご覧いただけます。

2026年8月27日