トラップドイオン方式ハードウェアプロバイダーのIonQ（NYSE: IONQ）、高性能コンピューティングのリーダーであるNVIDIA、そして量子ソフトウェアスタートアップのqBraidは、深いトロッター化量子化学計算のためのアプリケーションネイティブなエラー緩和フレームワークを実証する共同研究を発表した。IonQのバリウムベース開発システム（近日登場予定のIonQ Tempoアーキテクチャに類似）とGPUアクセラレーテッドな古典コンピューティングを組み合わせて実行した結果、研究チームは6量子ビットのエンコードシミュレーションステップにおいて、直接的な物理トロッター実行と比較して論理エラー率を54%削減することに成功した。
| [ IonQ–NVIDIA–qBraid エラー緩和フレームワーク ] | ||
|---|---|---|
| アルゴリズムアーキテクチャ | 物理・ハイブリッドハードウェアスタック | 主要ベンチマーク結果 |
| • 一般化超高速エンコーディング（GSE） | • バリウムトラップドイオンQPU（IonQ Tempoクラス） | • 直接トロッター実行比で論理エラー率54%低減 |
| • クリフォードノイズ低減（CliNR）プロトコル | • NVIDIA GH200 Grace Hopper Superchip | • 測定を先送りした場合の忠実度向上は0% |
| • アクティブ回路中測定（MCM） | • CUDA-Q & cuStabilizerソフトウェアライブラリ | • MLモデルが57,000サンプルからトップスタビライザーを選定 |
化学・材料科学において複雑なフェルミオン系をシミュレートするには、連続的な時間発展を深い量子ゲート列に分解するトロッター化という手法が必要となる。従来のNISQ実行では、連続するトロッターステップにわたって物理的ノイズが指数関数的に蓄積し、目的の信号を破壊してしまう（「深いトロッターのジレンマ」）。この共同研究は、長く非局所的なジョルダン・ウィグナー鎖を局所化されたエンコーディングとアクティブなエラー検出に置き換えることで、このボトルネックに対処している：
- 一般化超高速エンコーディング（GSE）：より低いパウリ重みと局所マヨラナループスタビライザーを用いてフェルミオン演算子を量子ビットにマッピングし、回路深度の要求を削減するとともに、本質的なエラー検出構造を提供する。
- クリフォードノイズ低減（CliNR）：検証済みのベル+クリフォードリソース状態を準備し、局所スタビライザーを測定し、フック誤りが符号ブロック全体に伝播する前に、承認されたクリフォード演算をデータレジスタにテレポートする。
- 回路中測定（MCM）の必須化：アルゴリズムの終了を待つのではなく、飛行中のMCMが回路の途中で補助量子ビットを測定し、再利用のためにゼロにリセットし、破損した演算を動的に破棄または修正する。
重要なのは、実機データにより、スタビライザーの読み出しを回路の最後まで先送りした場合（受動的なポストセレクション）、54%の忠実度向上が完全にゼロになったことが示された点である。これは、単なるポスト処理による検証コストではなく、アクティブな回路中フォールト検出こそが、観測された量子アドバンテージをもたらしていることを裏付けている。
深い回路全体にわたってどのスタビライザーペアを測定するかを選択するという組み合わせ的な課題を解決するため、研究チームはNVIDIA GH200 GPU上で57,536件のサンプル（グラフあたり992ペア）を用いて機械学習モデルを訓練した。推論時には、このモデルが105個の候補スタビライザーペアを迅速にスコアリングして最適な検証演算子を選定し、ランダム選択戦略を大幅に上回る性能を示した。
完全な技術論文はarXivのこちらでご覧いただける。また、発表内容はIonQブログのこちらでお読みいただける。
2026年9月1日
