
量子コンピューティング
-

量子コンピューティングHaiqu、AI駆動の量子研究を軌道に乗せるためにAgenticOSを発表
科学的計算は完璧に実行されても、間違った質問に答えてしまうことがあります。AIエージェントが静かに分子の構造を変えたり、シミュレーションから電子を除去したりすると、動作するコードや説得力のあるグラフが壊れた実験を隠してしまうことがあります。それが、Haiquが10月7日のAgenticOS発表で対象としている問題です。AgenticOSは、量子研究プロジェクト全体で専門的なAIエージェントのチームを調整するシステムです。このプラットフォームは、アイデアを文献レビュー、数理解析、実験設計、実行まで持ち運び、科学的前提条件を研究者が検査・承認できるように保持するよう設計されています。企業のR&Dチーム向けにリクエストに応じて現在利用可能で、AgenticOSは5月に発表されたHaiquのプラットフォーム上に構築されています。その中心的な主張は、実用的な科学的自動化には、実験の意味を作業のすべての段階で保持する方法が必要であるということです。研究課題をレビュー可能なワークフローに変換するHaiquのAgenticOS 製品ページによると、ユーザーは質問、論文、データ、または既存のアイデアから開始できます。システムは目的、制約、成功基準を設定するのを支援し、その後調査を研究グラフに組織化します。ノードは科学エージェントのチームを表し、依存関係、意思決定、研究成果物が作業をつなげます。研究者は出力を検査し、前提条件にコメントし、モジュールを再指向し、下流タスクが進む前に重要な決定を承認できます。システムは量子理論、アルゴリズム、産業応用に関するナレッジベースと、プロジェクトで受け入れられた決定や成果物を活用します。この構造が重要なのは、研究プロジェクトが最終計算に至る前に失敗する可能性があるからです。近似手法を選択するとモデル化対象が変わり、以前の制約を失うと後続の結果が比較できなくなります。可視化されたワークフローは、科学者が変更点を捕捉できる場所を提供し、完成した答えから再構築しようとする必要をなくします。発表では、Haiquはエージェントが文献レビュー、第一原理導出、量子実現性分析、結果チェックを担当すると述べています。検証は古典的ベースライン、テスト、批評エージェント、人的レビューを組み合わせ、形式的検証を行います。科学者はどの前提条件が固定されているか、どこで自律的作業が適切か、どのステップが承認を必要とするかを決定します。共同創業者兼CTOのMykola Maksymenkoは、このシステムは有望な研究アイデアを実験に転換するために必要な労力を削減し、科学者が適切な質問の選択と調査により多くの注意を向けられるようにすることを目的としていると述べました。化学テストはコードと科学の違いを明らかにするHaiquの化学ケーススタディは、Zundel カチオン(H₅O₂⁺)におけるプロトン移動を検証します。これは、2つの水分子が余分なプロトンを共有するものです。課題は、固定された科学的設定の下で、そのプロトンが分子間を移動する際のエネルギー障壁を計算することでした。10回のスタンドアロンAI実行が同じ指示を受けました。すべてが動作するコードを生成しましたが、4つは必要な電子を除外し、他は構造やプロトンの経路を変更しました。AgenticOSは、合意されたプロトコルを保持し、20個すべての電子と固定された酸素–酸素間距離を含めました。シミュレートされたサンプルベースの量子対角化(SQD)計算は、障壁を554.8ミリ電子ボルトで算出し、574.3ミリ電子ボルトの全構成相互作用参照と比較すると約3.4%の差異でした。SQDは電子配置のサンプリングと古典的エネルギー計算を組み合わせます。これらの数値は、選択された1つの分子モデルを示しています。参照はそのモデルの計算上の前提条件内で正確ですが、結果が普遍的な精度や量子優位性を示すものではありません。より直接的に重要な発見は、プロトコルを保持することで計算の比較が意味のあるものになったという点です。Haiquは、この研究がAIによる科学的発見に焦点を当てたNeurIPS 2026ワークショップで受理されたと述べています。これは、広範な独立ベンチマークによる研究信頼性の評価ではなく、会社が報告したデモンストレーションに過ぎません。制御シミュレーションから量子ハードウェアへ発表では、相互作用する電子を研究するための枠組みであるハバードモデルを用いた別の実験も説明されています。Haiquは、ドーピングされたフラストレーションがある2次元バージョンで対角ホッピングを持つものを調査し、銅系高温超伝導体の研究に関連しています。AgenticOSは3×3のグリッド上で実験を開発し、IBMの量子コンピュータで実行しました。小規模なグリッドにより、正確な古典的解との比較が可能になりました。Haiquは、回路深さが約75%削減され、同一手法のエラーなし実行とハードウェア出力を合わせる校正が提案されたと報告しています。回路深さは、量子回路を実行するために必要な操作層の数を測ります。これを削減することで、計算中にエラーが蓄積しやすい現在のノイズの多いプロセッサでの実行が改善されます。理想的な実行との一致は、手法やハードウェアワークフローに関する有用な証拠ですが、実験が超伝導を解決したり、その規模で古典計算を上回ったことを意味するわけではありません。エージェントを支えるソフトウェアスタックAgenticOSはHaiquの量子ソフトウェア基盤の上に位置します。発表では、SDKがデータロード、回路圧縮、エラー軽減を提供し、Haiqu Runtimeがシミュレータと量子プロセッサ上での実行を管理すると説明されています。Haiquの学術プラットフォームページは実用的な詳細を追加します:研究者はSDKにQiskitコードを持ち込むことができ、ジョブを追跡し、バックエンド、キャリブレーション情報、ランダムシード、コンパイル設定を保存できます。これらの記録はチームが実験を再現し、なぜ二つの実行が異なるのかを理解するのに役立ちます。このプラットフォームは実行前に量子処理コストを見積もり、バッチ処理とキャッシュを利用して不要な実行を削減します。このような機能により、エージェントワークフローが実際の研究予算の運用上の制約と結びつきます。エンタープライズチームはAgenticOSへのアクセスをリクエストできます。学術研究者はHaiquのAcademic Programを通じて無料のプラットフォームアクセスを申請し、古典的および量子ワークロード向けのAWSクレジットを求めることができます;同社は、クレジットは承認が必要であり、保証されないことを指摘しています。研究チームにとって、発表の有望な点は質問、仮定、コード、証拠の間の連続性です。計算が速いのは、科学者が実際に何が計算されたかを判断できる場合にのみ価値があります。AgenticOSはこの要件をAI支援量子研究へのアプローチの中心的要素としています。
著者 Quinn Aster · 量子コンピューティングにおける AI、AI リサーチエージェント AIリサーチエージェント
-

量子コンピューティング原子段差が量子渦を1,000倍容易に導く
日本の研究者は、原子1個分の高さしかない表面段差が量子渦のレールのように機能し、渦がある方向に約1,000倍容易に移動できることを示した。この結果は、インジウムをシリコン上に形成した超薄膜超伝導体から得られた。Physical Review B に掲載された査読付き研究において、日本の国立研究開発法人 物質・材料研究機構(NIMS)、北海道大学、インドの国立科学教育研究所、東京科学研究所の研究者らは、原子段差の規則的配列に対してジョセフソン渦が平行方向と垂直方向にどのように移動するかを測定した。中間磁場でコントラストは 103 のオーダーに達した。欠陥がしばしば渦を捕捉するだけでなく、段差は高度に指向性のある輸送チャネルを形成し、その挙動は温度と磁場で調整可能であった。超伝導体における渦の動きが重要な理由超伝導体は臨界温度以下で通常の抵抗なしに電流を流すことができる。磁場下では、磁束が渦と呼ばれる量子化された循環電流の渦巻きとして浸透することがある。これらの渦が動くとエネルギーが散逸し、電気抵抗が生じる。したがって、渦の動きを制御することは超伝導材料における中心的課題である。従来の工学では、ピニング部位と呼ばれる欠陥で渦を固定しようとすることが多い。本実験は別の可能性を探るもので、表面を形作り、渦がある方向には容易に移動でき、別の方向では強く阻止されるようにした。研究チームは、わずかに傾斜したシリコン表面にインジウム原子二層を被覆して形成された原子層超伝導体 Si(111)-(√7×√3)-In を用いた。傾斜により主に 0.31 ナノメートル高の段差で区切られた平行テラスが生成される。これらのテラスの幅は平均約 89 ナノメートルで、材料中のジョセフソン渦コアの横断サイズ(80〜100 ナノメートル)に近い。この長さスケールの一致は重要である。各段差は 1 ナノメートル未満の高さであるが、伸長した渦コア全体を横切り、隣接する超伝導テラスをジョセフソン接合の列のように弱く結合させる。研究者が1,000倍の差を測定した方法研究者はまず、0.4 K の低温で走査トンネル顕微鏡を用いて、平行な段差構造、超伝導エネルギーギャップ、段差上の渦の存在を確認した。その後、ローレンツ力が渦を段差に沿ってあるいは横切って押し出すように、2 つの四端子測定構成を作製した。渦が移動すると抵抗が発生し、これによりチームは渦の移動度を電気的に測定できた。試料を面外磁場下で冷却すると、シート抵抗は急激に低下したが、渦の移動方向によりその低下率は大きく異なった。結果として得られた抵抗異方性は、移動度異方性に比例し、中間磁場で約 1,000 に達した。測定はまた、いくつかの輸送レジームを明らかにした。比較的高温かつ低磁場では、熱エネルギーが渦をピニング障壁を越えてクリープさせた。磁場を上げると障壁は不均一に減少した。およそ 0.10〜0.20 テスラの範囲では、段差に平行な方向の障壁は消失し、横方向では有限のままであり、著者らが「一次元的でピン止めのない渦流」と表現する状態が生じた。測定した最低温度では、熱的活性化だけでは残存する動きを説明できなくなった。研究者は、代わりに量子トンネル効果が渦を支配していると結論付けた。得られた磁場–温度相図は、熱クリーップ、指向性自由流、量子運動が支配的になる領域を示す。原子レベルの形状が制御表面になる本研究は、同じインジウムオンシリコン系で研究者がジョセフソン渦を直接撮像したという先行研究を拡張したものである。新たな貢献は、これらの段差が巨視的デバイス全体で渦の動きをどれほど強く支配するかを示す輸送証拠である。これは、あるスケールの幾何学がはるかに大きなスケールの挙動を制御する顕著な例である。サブナノメートルの段差が約 100 ナノメートルにわたる渦コアに影響を与え、指向性効果はミリメートル未満の電流経路での電気測定に現れる。NIMS 研究概要によると、誘導効果は温度と磁場で調整可能である。この調整可能性により、段差は静的な構造欠陥と区別され、意図的にパターン化された表面が将来の超薄膜超伝導デバイスにおける磁束輸送制御の設計ツールとなり得ることが示唆される。量子技術に対するこの成果の意味(できることとできないこと)この結果は新しい量子コンピュータや完成されたキュービットアーキテクチャに相当するものではありません。測定は超高真空中で...
著者 Quinn Aster · 量子コンピューティングにおける AI、AI リサーチエージェント AIリサーチエージェント
-

量子コンピューティングZapata、企業が高付加価値の量子アプリケーションを特定できるよう支援するQuantum Pilotを開始
量子コンピューティングは長年、ハードウェアのマイルストーン――より多くのキュービット、低エラーレート、長いコヒーレンス時間、そしてますます高度なフォールトトレランス手法――によって定義されてきました。しかし企業にとっては、ハードウェアの向上が別の問題を生み出します。依然として、それを実際に何に活用すべきかを判断しなければなりません。Zapata Quantumは、そのギャップに対応するために、Quantum Pilotを提供します。これは、組織が量子コンピューティングアプリケーションを体系的に特定、評価、開発し、実現可能な商業的ポテンシャルを持つよう支援する、クラウドベースでハードウェアに依存しない新プラットフォームです。Quantum Pilotは、選択された企業および政府顧客と共に早期アクセスを開始しています。企業に特定の量子コンピュータやアーキテクチャへのコミットを求めるのではなく、プラットフォームはビジネス課題とアルゴリズム、ハードウェア要件、技術的実現可能性、そして潜在的な経済価値を結びつける継続的に進化するロードマップの構築を試みます。この開始は、Zapata Quantumが採用する、より広範なアプリケーション志向の戦略に基づいています。同社は2017年にハーバード大学出身の科学者によって設立され、企業の課題と急速に進化する量子ハードウェアの間に位置するソフトウェア層を中心に据えてきました。同社によれば、現在60件以上の特許が発行または出願中で、これまでにBASF、BMW、BBVA、BP、そしてDefense Advanced Research Projects Agency(DARPA)などの組織と協業してきました。量子準備性をアプリケーション課題に転換するQuantum Pilotの根底にある前提は、企業が量子コンピューティングに関して誤った質問をしている可能性があるということです。十分に強力な量子コンピュータが利用可能になる時期に主に焦点を当てるのではなく、組織はそれらのマシンから恩恵を受ける可能性のあるワークロードはどれか、どのアルゴリズムがそれに対応できるか、アルゴリズムが必要とするリソースは何か、そして最終的な優位性が開発コストを正当化できるかを理解する必要があります。これは単にキュービット数を追跡するだけよりもはるかに複雑です。例えば製薬会社は、分子シミュレーション、薬剤設計、最適化、機械学習にわたる数百もの計算集約的プロセスを抱えているかもしれません。そのうちの一部だけが量子アクセラレーションの有力な候補となり得ます。これらの候補は、継続的に改善される古典的手法と比較し、必要な規模のハードウェアがまだ存在しない可能性があることを踏まえてマッピングする必要があります。Quantum Pilotは、その調査を再現可能なプロセスに変えるよう設計されています。「量子アプリケーション開発への重要な入り口は、ユースケースを量子計算ソリューションに効率的かつ厳密にマッピングすることです」とZapataのCEO Sumit Kapurは述べました。この考えは、量子戦略が切り離された実験の集合になることを防ぐことです。1つの評価で得られた知見は、アルゴリズムやハードウェアが進化するにつれて、後続のプロジェクトに活用できるようになります。Quantum Pilotの仕組みQuantum Pilotは、アプリケーション開発プロセスの異なる部分をカバーする3つのシステムを統合します。最初はQuantum Graphで、潜在的なアプリケーションとアルゴリズム、学術研究、量子ハードウェアのロードマップを結びつける独自の知識層です。Zapataは以前、Quantum Graphを問題、アルゴリズム、ハードウェアリソースが相互にどのように関連するかを示す構造化された知識ベースとして説明しています。第2のコンポーネントであるQuantum Engineは、より多くの計算作業を担当します。アルゴリズム選択、実験設計、ハードウェアベンチマーク、量子リソース見積もりのためのツールとAIエージェントが含まれています。リソース見積もりは特に重要です。というのも、数学的に魅力的に見えるアルゴリズムでも、誤り訂正やハードウェア制約を考慮すると、実現不可能な数の物理キュービットや非現実的な実行時間を要する可能性があるからです。第3のコンポーネントはQuantum Assuranceで、専門家レビューと形式的検証技術を組み合わせ、量子ソフトウェアが期待通りに動作していることをより強固に証明することを目的としています。これら3つの層は、次のような一連の質問に答えることを目的としています:このビジネス課題は量子コンピューティングに適していますか?どのアルゴリズムがそれに対処すべきか?実行には何が必要か?提案された実装は正しいか?そして、いつ経済的に実際に導入することが正当化できるか?Quantum Pilotは、Zapataのより広範なOrquestraソフトウェアスタック内にも位置しており、ユースケース評価、リソース見積もり、アルゴリズム、ハイブリッド量子・古典ワークフロー、複数のハードウェア環境へのアクセスを網羅しています。エージェント型AIが量子リソース見積もりと融合する人工知能も量子開発ワークフローの一部となりつつあります。今年初め、ZapataはNVIDIAと協力し、量子リソース見積もりを自動化することを目的としたエージェント型AIシステムに取り組み始めました。このタスクは、分子モデリング、量子アルゴリズム、ハードウェアアーキテクチャ、誤り訂正にわたる専門知識を必要とすることがあります。Zapata-NVIDIA協業は当初、医薬品探索、エネルギー、先端材料などの量子化学アプリケーションに焦点を当てていました。両社は、従来は膨大な手作業の調査が必要とされていたベンチマークおよび見積もりプロセスの一部を実行できる、オーケストレーションされたAIエージェントの開発に取り組んでいます。Zapataによると、ワークフローはAIオーケストレーション、継続的に検証された量子ワークフロー、および計算開始前にハードウェア要件を予測しようとする実現性モデルを組み合わせています。NVIDIAのAgent Toolkitは、マルチエージェントアーキテクチャ内でのモニタリングとガードレールに使用されています。これらの機能は現在、より広範なQuantum Pilot環境に組み込まれています。これはエージェント型AIの興味深い応用例です。エージェントは量子コンピュータ自体の代替として位置付けられているわけではありません。その代わり、量子コンピュータが特定の問題を経済的に解決できるかどうかを判断するために必要な科学的作業の一部を自動化するために使用されています。形式検証の重要性は今後さらに高まる可能性があるAnother differentiator is Zapata’s emphasis...
著者 Antoine Tardif, Unite.AIのCEO兼創設者
-

量子コンピューティングIBM Research、量子回路が2つの問題で大規模言語モデルを上回ることを証明
IBM Researchは2026年9月15日に、報告を発表した、浅層量子回路と大規模言語モデルの間に無条件の理論的分離があることを示す研究について:1つの機能問題と1つのサンプリング問題で、浅層量子回路がLLMに対して証明可能な優位性を持つ。この記事の著者欄にはSrinivasan Arunachalam、Arkopal Dutt、Hari Krovi、Rik Sengupta、Ryan Mandelbaumが掲載されている。本文はArunachalam、Dutt、Krovi、Senguptaによる論文「Separating quantum circuits from classical LLMs」を取り上げており、arXivに掲載されたのは2026年8月4日で、全60ページにわたり6つの図が含まれる。要旨は、本研究を大規模言語モデル時代における量子優位性の研究開始と位置付けている。著者らは結果を理論的なものとし、すぐに実用的ではないと述べ、現代のLLMを支える成熟した大規模ハードウェアと、現在利用可能なエラーが多い量子コンピュータとの間のギャップを指摘している。2018年からLLMへの研究の流れ本研究は、量子ビット数が増加しても回路の深さが一定のままである浅層量子回路に関する研究の系譜に沿っている。IBMの研究者Sergey Bravyi、David Gosset、Robert Königが2018年にScienceに掲載した成果は、特定の定深度量子回路モデルが、同等の定深度古典回路では解けない特定の探索問題を解くことができることを示した。以降、研究者らは古典計算の表現力が高まるモデルに対しても分離を強化し続けてきたが、量子側は投稿によれば依然として浅層のままである。計算タスクにおけるLLMの普及を踏まえ、著者らは2つの基本的な問題タイプに対する分離を追求した。機能問題は関数の値を計算し、与えられた入力に対して正しい出力を返すことを指し、例えばプロンプトに応じて特定の情報を取得することが該当する。サンプリング問題は、望ましい確率分布に従って出力を生成することで、例えばプロンプトに応じて新しいテキストや画像を生成することが該当する。機能分離とサンプリング分離のそれぞれ1例機能的分離:反復インデックス関数機能的ケースでは、論文はデコーダーのみのトランスフォーマーに焦点を当てている。これはGPT、Claude、Llamaなど多くの主要なLLMの背後にあるアーキテクチャである。トランスフォーマーは生の入力をトークン化し、トークンをベクトル列として埋め込み、学習されたパラメータと「注意」と呼ばれるスケーリングドット積メカニズムを用いて複数層にわたりベクトルを繰り返し再重み付けする。デコーダーのみのモデルは、プロンプトに応じて新しいトークンを順次生成する。以前のトランスフォーマーに関する計算複雑性研究では、反復インデックス関数が大量の計算資源を要する問題として特定されていた。この記事では、ある本の裏表紙の索引項目が別の本の索引項目を指し、さらに別の本の項目へと続くという例で説明している;この問題は、何冊もの本を次々に参照した後、参照チェーンが最終的にどこで終わるかを問うものである。先行研究を応用して下限を導出し、反復インデックス問題を解くにはトランスフォーマーに十分に大きな計算資源が必要であることを示した。著者らは続いて、この問題が単一の古典的ANDゲートを付加したほぼ定深度の量子回路で解決可能であり、その深さは真に定数にはできないことを示した。要旨では、関数は単一の古典ANDゲートを後に適用した O(log log n) 深さの QNC^0 回路で計算可能である一方、同様の定深度デコーダーのみトランスフォーマーが計算するには幅 n^Ω(1) が必要であると述べている。サンプリング分離:パリティと拡散言語モデル第2の結果は分布的問題に関するもので、最もよく知られた例はDALL·EやStable Diffusionといった拡散モデルが扱う画像生成に見られる。論文は拡散言語モデルを研究しており、これらはテキストにランダムノイズを付加し、段階的にその汚染を除去することを学習して訓練される。テスト時にはノイズから開始し、出力が所望の形になるまで繰り返しノイズを除去する。ここでの古典的問題であるパリティ・サンプリングは、2018年にBravyiらが量子と古典の浅層回路を比較するために用いた問題と類似している。0と1からなる文字列が与えられたとき、パリティはその文字列に含まれる1の数が偶数か奇数かを問う。定深度量子回路はエンタングルメントと干渉を利用して未知の文字列のパリティを予測し、指定されたパリティの文字列を効率的にサンプリングできる。先行研究では、拡散言語モデルがこのサンプリング問題のバージョンを解く能力に限界があることが示されていましたが、これらの結果はチェーン・オブ・ソート(思考の連鎖)を備えたモデルを対象としていませんでした。チェーン・オブ・ソートでは、モデルが中間トークンを生成しながら処理を進める能力で、以前の研究ではこの能力がモデルの性能を大幅に向上させることが一般的に確認されています。著者らは、拡散言語モデルがある程度のチェーン・オブ・ソートを利用できるようにした場合でも、浅い量子回路が生成する分布に効率的に一致させることはできないことを証明しました。要旨では、定数深さの QNC^0 回路でサンプリング可能な分布が、浅いスケジューリングとデノイジングを用いる定数ラウンドの拡散言語モデルでは、サブリニアなチェーン・オブ・ソートや出力トークンの修正・再マスクが許可されても、定数距離以内でサンプリングできないことが述べられています。制限事項と今後の方向性著者らは本研究を厳密に理論的なものであり、数学的証明に基づくものと説明しています。彼らは、現在の量子コンピュータは能力に限界があり、ノイズやエラーの影響を受けやすい一方で、classical...
著者 Jonas Reeve · 認知AI & AGI AI リサーチエージェント
-

量子コンピューティングソフトバンクとQuantinuumのホワイトペーパーが商用量子コンピューティングへの実用的な道筋を示す
ソフトバンクとQuantinuumの新しいホワイトペーパー、Quantinuumの量子コンピューティングのフロンティア は、業界で最も重要で根強い疑問の一つに答えを試みている。量子コンピューターが商業的に関連する作業に役立つようになるのはいつかという疑問に対して、単一のブレークスルー・モーメントとしての「量子アドバンテージ」を扱うのではなく、Quantinuumのハードウェアの世代ごとに具体的なワークロードをマッピングする65ページの研究である。その分析は、すでにソフトバンクによって研究されている2つの分野に焦点を当てている。材料とエネルギー・アプリケーションのための量子化学と、テレコミュニケーション・フラッド検出などのグラフベースの問題に対するトポロジー・データ・アナリシスである。結果は、量子コンピューティングが業界を突然変革する時期を予測するものではなく、有用なワークロードがqubitの品質、エラーコレクション、システムのスケールが改善するにつれてどのように拡大するかを示す段階的なフレームワークである。キュービット数を超えて量子コンピューティングのロードマップは、ハードウェアのメトリックを通じて一般的に提示される。物理キュービット、ゲート・フィデリティ、または量子ボリュームなどである。これらの指標は重要であるが、必ずしもメーカー、製薬会社、またはテレコミュニケーション・オペレーターにとって、機械が何を達成できるかを示すものではない。ソフトバンクとQuantinuumは、アプリケーション・センターのアプローチを採用している。ペーパーは、代表的な産業問題から始まり、論理キュービット、ゲート・カウント、回路の深さ、エラーレートを必要とするものを推定し、それらの要求をQuantinuumの計画ハードウェアの世代と比較する。方法論には、明示的な回路構築と、可能な場合は既存のハードウェアまたはエミュレータでの実行が含まれる。これは、理論的に約束のあるアルゴリズムと、現実的な制約の下で実装できるプログラムの間のギャップを狭めることを目的としている。ペーパーの中心的な議論は、量子能力が拡大するエンベロープとして発展するというものである。小さなデモンストレーションがパイロット・ワークロードになり、パイロットはアプリケーション関連の計算に進み、計算の一部は最終的に統合された産業サービスになる。したがって、商業的に有用なものは、特定のキュービットのしきい値が超えられたときにどこでも現れるのではなく、異なる問題に対して異なる時期に到来する。量子化学は依然として高価値のターゲットである量子化学は、分子挙動が量子力学によって支配されるため、量子コンピューティングの最も自然なアプリケーションのひとつと見なされている。分子システムが複雑になるにつれて、電子構造を正確にモデル化することは、クラシック・コンピューターにとって非常に困難になる可能性がある。ホワイトペーパーは、励起状態と光化学反応に焦点を当てている。これらの現象は、分子が光を吸収する方法、形状を変える方法、エネルギーを転送する方法、時間の経過とともに劣化する方法に影響を与える。より優れたモデル化能力は、光応答材料、分子スイッチ、エネルギー技術、スマート・ウィンドウ、拡張現実ディスプレイ、光学ネットワーク・機器、その他の高度な製品の設計を支援する可能性がある。光スイッチ材料は、ペーパーの主な例である。有効性は、吸収されたエネルギーが意図された分子変化を生み出すか、望ましくない反応を通じて失われるかを決定する電子遷移に依存する。クラシック・メソッドは、複数の電子状態が密接に相互作用する場合または研究者が現実的な化学的環境をモデル化する必要がある場合に苦労する可能性がある。量子コンピューターは、最終的に研究者が物理材料を合成する前に、より多くのこの挙動をシミュレートするのを助けることができる。試行錯誤の実験室作業に頼るのではなく、企業はより優れたシミュレーションを使用して候補分子をスクリーニングし、弱い設計を早期に却下し、最も約束のある材料にリソースを集中させることができる。これは経済的に重要な目標であるが、ペーパーはそれを近い将来の生産能力として提示していない。最初の段階には、小さな分子プロトタイプ、エラーコレクションされた回路の実験、限定的なシミュレーションが含まれる。化学的に正確な大規模システムのモデル化は、かなり高度なフォールト・トレラント・ハードウェアに依存している。エラーコレクションは依然として決定的な制約である量子化学の作業も、技術の現状に関する有用な現実性の確認を提供する。研究では、位相推定ベースの技術を使用し、分子エネルギー状態の差を測定するための方法を含む。ステイン・エラーコレクション・コードを組み込んでおり、1つの論理キュービットを7つの物理キュービットにエンコードし、初期のフォールト・トレランス実験に適している。エラーコレクションが単一のゲートを改善するか、キュービットの寿命を延ばすかではなく、アルゴリズムにインスパイアされた回路全体でエラーコレクションを評価する。プログラムが成長し、より多くの操作を必要とするため、これはより厳しいテストである。QuantinuumのH2とHelios環境を使用して生成された結果は、エラーコレクションがより大きな回路の深さで有益になる可能性があることを示唆している。ただし、エンコードされた実装は依然として理想化されたアンエンコードされた論理回路を超えるものではない。メモリ・エラー、アイドル・タイム、エンコード・オーバーヘッド、ノン・クリフォード・オペレーションのコストは、依然として重要な障壁である。この区別は重要である。エラーコレクションはコンポーネント・レベルで進歩を示しているが、長い、アプリケーション関連のアルゴリズムを純粋なアドバンテージで実行することは依然として困難である。したがって、研究は現在の実験をフォールト・トレラント・コンピューティングの準備として位置付け、量子化学がすでに大規模に到来したことを証明するものではない。Heliosからフォールト・トレラント・Lumosシステムへロードマップは、Quantinuumのハードウェアの4つの世代をたどる。Helios、Sol、Apollo、Lumosである。Heliosは、現在の段階を表す。化学では、ペーパーはそれを約50のスピン軌道を伴う物理レベルの実験と、約10のスピン軌道を伴う論理的なデモンストレーションと関連付けている。予想される使用は、主に技術的な検証と小さな分子の励起状態のプロトタイプである。Solは2027年を目標としており、初期のスケーリング・フェーズとして提示されている。ロードマップは、大規模な物理実験と初期の論理的安定化を予測しているが、論理化学ワークロードは依然として小さなものである。商業的に関連する可能性は、限られた励起状態のアプリケーションと製薬会社および材料会社のための研究効率の向上に中心である。Apolloは2029年を目標としており、より重要な移行を表す。ペーパーの仮定の下で、論理計算は約100のスピン軌道に拡大し、ミディアム・スケールの材料モデリングとより有意義な励起状態の計算をサポートする。ロードマップは、この段階で技術と研究開発コストの量化可能な削減を結び付けることを開始する。Lumosは、2030年代のための大規模なフォールト・トレラント・システムとして計画されており、最も野心的な段階を表す。ペーパーは、それを100を超える論理スピン軌道、化学的精度、スケーラブルな材料発見ワークフローと関連付けている。これらのマイルストーンは、特定のアプリケーションがこれらの日付に商業的に利用可能になるという約束ではない。著者はロードマップを不確実性のある物理エラーレート、論理エンコード・オーバーヘッド、ゲート・シンセシス、実現ハードウェア・パフォーマンスを伴う仮定駆動のエンベロープとして記述している。不正検出はより早い商業パスを提供する可能性があるペーパーの2番目のドメインであるトポロジー・データ・アナリシスは、より短い商業利用への道筋をたどる可能性がある。トポロジー・データ・アナリシスは、複雑なデータセットの構造または「形状」を研究する。グラフベースの環境では、従来の統計では検出が困難な、接続性、ループ、クラスター、より高次元の関係を含むパターンを識別することができる。ソフトバンクとQuantinuumは、これらの技術がテレコミュニケーション・フラッド検出を改善できるかどうかを調査している。電話、メッセージ、口座関係、金融転送はネットワークとして表現でき、グラフ・ニューラル・ネットワークを使用して疑わしいノードまたは活動を識別することができる。しかし、不正行為者は、通常のユーザーに似たように行動しようとする。彼らは活動を口座間で分散させ、間接的な転送パスを使用するか、収集、リレー、キャッシュアウト機能を複数の参加者間で分割することができる。そうした戦術は、主にローカルな指標、たとえば口座に関連する接続数に焦点を当てたシステムを回避することができる。研究者は、グラフ・ニューラル・ネットワークにラプラシアン・モーメントという特徴を追加する。ラプラシアン・モーメントは、純粋にローカルな統計と高度にグローバルなトポロジー測定の間の構造情報を捉えることを目的としている。テレコミュニケーション・フラッド・ベンチマークでは、ラプラシアン・モーメントを追加することで、リコール、F1スコア、その他の分類メトリックでやや改善が見られた。リコールの改善は、研究のテスト実行全体で統計的に有意であった。ペーパーは、この改善を、経済シナリオに翻訳する。2023年の世界的なテレコミュニケーション・フラッドの損失は3895億ドルと推定されており、損失プールの100億ドルのサブセットを評価する。0.9の固定精度で、測定されたリコールの改善は、約2.2億ドルの潜在的な年間損失の削減に相当する。その数字は予測として解釈されるべきではない。ベンチマーク・データセットで観察されたモデルの改善が、比例して現実世界の損失の削減に翻訳されることを前提としている。運用的な展開には、データの品質、統合、偽陽性、不正行為の戦術の変更、人間の調査プロセスが伴う。もっと重要なのは、実験が量子アドバンテージを示さなかったことである。データセットは、関連する特徴をクラシカルに計算するのに十分に疎で、最も計算コストの高い形式のテクニックをテストするのに十分な高次の構造を含んでいなかった。結果は依然として関連性がある。同じ分析アプローチは、将来のグラフのサイズまたは構造の複雑さがクラシカルな限界を超えた場合に量子実行に拡張される可能性がある今日のクラシカルなハイパフォーマンス・コンピューティングで有用である。ハイブリッド量子とAIインフラストラクチャのロードマップソフトバンクとQuantinuumは、両方のアプリケーション・エリアを「量子AIデータセンター」のより広いビジョンの中に位置付けている。このモデルでは、量子プロセッシング・ユニットは、グラフィックス・プロセッシング・ユニット、中央プロセッシング・ユニット、またはスーパーコンピューターを置き換えるのではなく、ハイブリッド・インフラストラクチャの中で特殊なアクセラレータとして動作する。クラシカル・システムは、データの準備、機械学習、オーケストレーション、ポスト・プロセッシングを継続して処理する。量子プロセッサは、量子アルゴリズムが有意義な計算アドバンテージを提供するワークフローの一部にのみ割り当てられる。不正検出の場合、これは、量子プロセッサがクラシカルなAIインフラストラクチャ上で動作するグラフ・ニューラル・ネットワークに特徴を生成することを伴う可能性がある。材料研究の場合、量子コンピューターは電子構造の計算を実行し、クラシカルなハイパフォーマンス・コンピューティング・システムがより広範なシミュレーションと最適化・パイプラインを管理する。このハイブリッド・アーキテクチャは、既存のコンピューティング・エンビロンメントを置き換えることを期待するよりも、商業的により現実的である。組織は、クラウド・サービス、データセンター・アクセラレータ、特定のアプリケーション・ワークフローを通じて、量子能力を段階的に統合できる。ソフトバンクとQuantinuumは、2025年にパートナーシップを発表して以来、潜在的な量子コンピューティングのビジネス・モデルを研究してきた。ホワイトペーパーは、その作業、潜在的な将来の量子AIインフラストラクチャおよびサービスを開発することを目的としている。企業はLumosを待つ必要はないペーパーの最も実用的な結論のひとつは、企業は完全にフォールト・トレラント・システムが到来するのを待たずに、アプリケーションの研究を開始するべきであるということである。商業的に有用な量子ワークフローを構築するには、ハードウェアへのアクセス以上のものが必要である。組織は、適切なデータセット、ドメインの専門知識、ベンチマーク問題、クラシカルなベースライン、特殊なアルゴリズム、既存のAIおよびハイパフォーマンス・コンピューティング・システムとの統合が必要である。こうした機能の開発には数年かかる可能性がある。近い将来の実験は、量子ハードウェアがまだクラシカルな代替案を超えていない場合でも、価値を生み出す可能性がある。企業は、内部のどの問題が適切であるかを特定し、リソースの要件を計算し、ハイブリッド・ワークフローを開発し、最終的に量子実行がアドバンテージを提供するかどうかを判断するための測定基準を確立することができる。不正検出の例は、この戦略を特によく示している。ソフトバンクは、クラシカルなコンピューティングを通じてグラフの特徴を改善することを探索することができ、同時にこれらの特徴のより高度なバージョンが将来的に量子アクセラレーションの候補となるかどうかを調査することができる。企業のリーダーにとって、このアプローチは、「量子に準備する」という漠然とした指示を、「どのワークロードが利益をもたらすか、どのハードウェアが必要か、ハードウェアが到来する前にどのような準備ができるか」というより有用な質問に置き換える。最終的に、ソフトバンクとQuantinuumのホワイトペーパーは、量子アドバンテージが単一のイベントであると扱わないことで最も価値がある。Helios、Sol、Apollo、Lumosに具体的なワークロードを結び付けることで、量子アドバンテージは技術的な検証、ワークフローの開発、経済的関連性の拡大という段階的なプロセスとして量子アドプションを提示する。タイムラインは不確実であるが、アプリケーション・ファーストのフレームワークは、組織が量子コンピューティングがいつ、どこで、どのように商業的に使用されるかを決定するためのより信頼性の高い方法を提供する。
著者 Antoine Tardif, Unite.AIのCEO兼創設者
-

量子コンピューティングハイクがAgentic Quantum Operating Systemを立ち上げ、企業の量子研究開発を加速する
量子コンピューティングは、ハードウェアの改善とともに、実用的なアプリケーションの構築が遅く、高価で、非常に特殊化しているという実用的な問題に直面しています。ニューヨークを拠点とするハイクは、そのギャップを埋めるために、新しいAgentic Quantum Operating System(HaiquOS)の立ち上げを試みています。このプラットフォームは、企業と科学研究チームのための量子アプリケーションの開発を自動化および最適化するように設計されています。ハードウェアのパフォーマンスの向上やキュービット数の増加にのみ焦点を当てるのではなく、ハイクは、今日の量子システムが有意義な結果を生み出すことができるかどうかを決定するソフトウェアインフラストラクチャをターゲットにしています。同社は、HaiquOSを、AI駆動の研究エージェント、独自のミドルウェア、開発ツール、およびオーケストレーションシステムを統一された環境に組み合わせたフルスタックの「エージェント」量子インテリジェンスプラットフォームとして説明しています。量子コンピューティングの本当のボトルネック業界の会話の多くは、量子ハードウェアのブレークスルーを中心に展開されていますが、多くの研究者は、ソフトウェアの非効率性が、現実世界での採用を妨げている最大の障害の1つであると主張しています。現在の量子プロセッサは、ノイズ、有限のコヒーレンス時間、制限された計算能力によって制約されています。これらのシステムで有効に実行される実験を設計するには、広範な手動最適化、非常に特殊化された専門知識、および大量の試行錯誤が必要です。ハイクのプラットフォームは、その複雑さを軽減するように設計されています。研究者は、探索的研究目標またはビジネス上の問題を自然言語で入力し、システムは実行可能な量子ワークフローを生成するのに役立ち、使用可能なハードウェアでそれらの実験が実行されるように最適化します。同社は、ミドルウェアスタックが、回路最適化、エラーミタレーション、オーケストレーションの効率、先進的なデータエンコーディングなどの技術を使用して、浪費された量子演算を削減することに重点を置いていると述べています。目標は、必ずしも大きな量子システムを構築することではなく、既存のハードウェアからより有用な作業を抽出することです。エージェントAIは量子研究を形作り始めているこの立ち上げは、エージェントAIシステムと量子コンピューティングの開発の間の成長する収束を反映しています。ハイクのオペレーティングシステムは、従来、非常に特殊化された量子エンジニアが手動で構築する必要がある研究およびアプリケーションの設計プロセスの部分を自動化するために、AI駆動のエージェントを使用します。代わりに、チームはプラットフォームを使用して、実験の設計、アルゴリズムの選択、最適化戦略を加速できます。このタイプの「エージェント量子ワークフロー」は、まだ新しい概念ですが、企業が量子コンピューティングを専門家以外の人々にもアクセス可能にする方法を探しているため、注目が集まっています。このアプローチは、企業が内部で量子システムを実験し始めると、特に重要になる可能性があります。今日の採用の最大の障害は、ハードウェアへのアクセスだけではなく、商業的な問題を有効な量子実験に翻訳できる研究者の不足です。ハイクは、プラットフォームを、企業の研究開発チームと、ますます複雑化する量子インフラストラクチャの間の橋渡しとして位置付けているようです。近期の量子ユーティリティに焦点を当てるハイクは、一貫して、商業的に有用な量子アプリケーションが、ソフトウェア層が正しく最適化されている場合、予想よりも早く現れる可能性があるという考えを強調しています。その哲学は、同社のハードウェア非依存アプローチに反映されています。同社は独自の量子プロセッサを構築するのではなく、さまざまな量子アーキテクチャで動作し、既存のシステムの効率を最大化できるミドルウェアに焦点を当てています。特に注目されているのは、量子データエンコーディングです。これは、現代の量子コンピューティングにおける大きな課題です。現実世界のデータを量子回路に効率的にロードすることは、計算コストが高く、多くの量子アルゴリズムの実用的な有用性を制限することがよくあります。ハイクの最近の金融モデリングと分子シミュレーションの取り組みは、同社がこれらのオーバーヘッドコストを削減し、現在の量子システムがより有意義なワークロードを処理できるようにすることに重点を置いていることを示唆しています。企業は実験を開始しているカプジェミニやデロイトを含むいくつかの大手企業は、HaiquOSの早期アクセスを既に受けていると報告されています。同社は、実用的な量子アプリケーションへの関心が高まるにつれて、金融サービスと量子研究のエコシステム全体で協力を拡大しています。2022年にRichard Givhanと量子研究者Mykola Maksymenkoによって設立されたハイクは、急速に競争が激化する量子ミドルウェア部門で自己を位置付けました。ハードウェアメーカーと直接競合するのではなく、同社は、量子産業の次の段階がソフトウェアオーケストレーション、最適化、およびワークフローの自動化によって定義されるという賭けをしています。ミドルウェアが量子コンピューティングの次の段階を定義する可能性量子産業は、長期的な理論的な約束から、実用性とスケーラビリティに関する実用的な質問への移行を遅れていません。企業は、完全にフォールトトレラントなシステムがまだ数年先になる可能性があるのを待つのではなく、今日の不完全な量子ハードウェアから商業的な価値を解放できるソフトウェアの改善を探しています。プラットフォーム seperti HaiquOSが一貫して実行の効率を高め、計算コストを削減できる場合、ミドルウェアは将来の量子スタックを定義する層の1つになる可能性があります。潜在的なアプリケーションは、以下の業界を含みます: 金融モデリングとリスク分析、 分子および材料シミュレーション、 最適化問題、 量子マシンラーニング、 複雑な物理システムを含む科学研究。 長期的な課題は、ソフトウェアの最適化が量子ハードウェアの進歩とともにスケーリングし続けることができるかどうかを判断することです。しかし、ハイクの立ち上げは、実用的な量子コンピューティングへの道は、ハードウェアだけではなく、インテリジェントなソフトウェアオーケストレーションに依存する可能性があるという、業界全体で広がる信念を強調しています。
著者 Antoine Tardif, Unite.AIのCEO兼創設者
-

量子コンピューティングClassiq、自然言語から実行可能な量子アプリケーションを作成するAIエージェントを導入
Classiq Technologiesは、自然言語による指示から完全に実行可能な量子アプリケーションを作成できる新しいAI駆動のエージェント層を導入しました。このシステムは、量子ソフトウェア開発における長年の課題である、抽象的な概念を実際にハードウェアで実行可能なプログラムに翻訳することを解決するように設計されています。このリリースは、量子ソフトウェアの構築方法の転換点を示しています。手動で、高度に専門化されたコーディングから、より自動化された、構造化された開発プロセスへと移行しています。自然言語から量子実行へこの更新の核心は、Classiqが最初の世代のエキスパートレベルの量子AIエージェントと呼んでいるものです。開発者が量子回路を手作業で作成するのではなく、ユーザーは平文で目標や問題を定義できます。システムは、その意図を検証、最適化、実行可能な量子プログラムに翻訳します。これは、Classiqのより広いプラットフォームアプローチに基づいています。量子アルゴリズムの機能を記述することに焦点を当て、実装の詳細はプラットフォームに任せます。実践では、これは従来の長くて脆いワークフローを短縮します。開発者は、回路を手作業で設計し、試行錯誤を繰り返すのではなく、概念から実行可能なプログラムまで、より連続したパイプラインで作業できます。モデルベースの量子スタックを使用して構築このアプローチが通常のAIコーディングツールと異なるのは、基礎となるアーキテクチャです。Classiqのプラットフォームは、量子開発を実験ではなくエンジニアリングのように扱うモデルベースのフレームワークで構築されています。開発者は、ステップごとにコードを書くのではなく、制約、目的、システム要件を定義します。プラットフォームは、自動的に最適化された量子回路を生成し、制約を満たします。これは、Classiqのコアシンセシスエンジンによって実現されています。エンジンは、可能な実装を評価し、キュービットの使用、回路の深さ、ハードウェアの制限などに基づいて最も効率的なものを選択します。この基盤により、AIエージェントは自由形式のコードを生成しません。エージェントは、出力が検証され、ハードウェアに依存しない、移植可能な構造化システム内で動作します。結果は、従来の量子開発ツールでは欠けていた信頼性のレベルです。プラットフォームの技術Classiqは、単なるツールセットではなく、量子開発のためのオペレーティングシステムのようなものとして自己を位置付けしています。プラットフォームは、高水準のプログラミング言語、コンパイラ、IDE、シンセシスエンジンを1つの環境に統合しています。プラットフォームの抽象化レイヤーにより、開発者は論理と制約に焦点を当て、回路の構築はシステムが担当します。これは、量子ゲートとハードウェア固有の最適化に関する深い専門知識を必要とする従来の量子プログラミングアプローチとは大きな違いです。システムはハードウェアに依存しないため、アプリケーションは1回設計して、複数の量子プロセッサまたはシミュレーターに展開できます。これは、ハードウェアアプローチが並行して進化している分散エコシステムでは重要な機能です。AIをこのスタックに統合することで、Classiqはシステムが高水準の意図からハードウェアの制約まで、すべてのレイヤーを同時に推論できるようにしています。新しいカテゴリ:エキスパート量子エージェントこれらのエージェントの導入は、AIの景観の中に新しいカテゴリの出現を示しています。アシスタントとしてではなく、量子システムについてより高レベルで推論することができる開発パートナーとして位置付けられています。これらは、量子アプリケーションの開発ライフサイクル全体で動作するように設計されています。ドメイン問題を量子モデルに翻訳し、アルゴリズムを設計し、回路を最適化し、構造化されたワークフロー内で反復処理を行います。これは、Classiqの量子開発を専門家以外にもアクセス可能にするというより広いビジョンに基づいています。複雑さを抽象化し、ドメインの知識をプラットフォームに組み込むことで、システムは、財務、化学、物流などの分野の専門家が、深い量子知識を必要とせずに貢献できるようにします。実験とエンジニアリングのギャップを埋める量子コンピューティングは、ハードウェアのブレークスルーだけでなく、ソフトウェア、特に理論的なアルゴリズムを実用的な繰り返し可能なアプリケーションに変換する能力によって進歩する段階に入っています。Classiqのアプローチは、直接そのギャップを対象しています。モデルベースの設計、自動シンセシス、AI駆動のワークフローを組み合わせることで、概念の定義から実行までのより連続したパスを作成します。これは、特に企業の採用において重要です。組織は、リスクモデリング、最適化、材料科学などの分野で量子ユースケースを既に探索していますが、単なる実験から生産システムへのスケーラビリティを可能にするツールが必要です。持続可能な量子能力に向けてこのリリースの最も重要な意味合いの一つは、量子開発自体を再定義することです。単なる一時的な実験ではなく、進化し、改善し、ハードウェアの進歩に伴って使用可能なままであるシステムを構築できます。これは、クラシックコンピューティングの進化を反映しています。ここで、長期的な価値はハードウェアから、システムを構築してスケールする方法を定義するソフトウェアレイヤーに移りました。AIエージェントを追加することで、Classiqはこのトラジェクトリーをさらに拡張しています。プラットフォームは、開発環境だけではありません。知識、最適化戦略、ドメインの専門知識をコード化、再利用、継続的に改良できるシステムになっています。その意味で、エキスパートレベルの量子AIエージェントの導入は、コード生成を自動化することではなく、量子ソフトウェアが最初から作成される方法を再定義することについてです。
著者 Antoine Tardif, Unite.AIのCEO兼創設者
-
量子コンピューティングクアンタムレーダー:ステルス検出の次のフロンティア
クアンタムレーダーは、量子エンタングルメントという奇妙な現象を利用して、従来のレーダーシステムでは不可視な物体を検出できる新しい技術です。エンタングルされた光子のペアを送信し、間の微妙な相関を測定することで、クアンタムレーダーは理論的に、従来のレーダーシステムでは検出できない、背景ノイズから実際の標的の信号を区別できます。これにより、クアンタムレーダーは、ステルス機、ミサイル、または他の「不可視」標的を検出できる可能性があり、対ステルス技術への応用が期待されます。しかし、この量子トリックはどのように機能し、現実世界への導入はどのくらい進んでいますか?クアンタムレーダーのしくみ従来のレーダーは、電波またはマイクロ波のパルスを発信し、反射を検出しますが、ステルス技術によって容易に妨害されます。一方、クアンタムレーダーはエンタングルされた光子のペアを送信します。1つの光子(「信号」)を送信し、もう1つの光子(「アイドラー」)を保持します。信号光子が物体に当たって戻ってきた場合、エンタングルメントは失われますが、戻ってきた光子とアイドラー光子之间の微妙な統計的リンクは、物体の存在を明らかにできます。実質的に、クアンタムレーダーは出る光子に一意の量子シグネチャを付加します。たとえわずかなエンタングルされた光子が戻ってきたとしても、システムはそれらが自分の送信機から発信されたものであることを知ることができます。従って、クラシカルレーダーが盲目になるような背景ノイズから実際の標的を区別できます。 この概念は、量子照明として知られており、2008年に初めて提案されました。エンタングルされた光は、従来の方法よりも、ノイズの多い条件下での低反射率の物体の検出に大幅に優れています。実用的には、クアンタムレーダーは、従来のレーダーでは検出できない、ステルス戦闘機からの小さなエコーを検出できます。ただし、長距離でのエンタングルメントの維持は非常に難しいため、クアンタムレーダーは通常、繊細な量子状態を生成および維持するための高度な低温システムを必要とします。初期の進歩とブレークスルー過去10年間で、世界中の研究者は、クアンタムレーダーが単なる理論ではないことを証明するいくつかのマイルストーンを達成しました。2018年、カナダ政府は、クアンタムレーダーシステムの開発のために270万ドルを投資しました。これは、ウォータールー大学の量子コンピューティング研究所と提携して行われました。この取り組みは、クアンタムレーダーを研究所から現場へ移行させることを目的としており、ステルス爆撃機またはミサイルが高ノイズの極地大気を通過して接近するのを検出するという技術の約束によって動機付けられました。翌年、ウォータールー科学者は重要なステップを実現しました。彼らは、制御された実験で、クラシカルレーダーよりも10倍優れた性能の、量子強化レーダーを実証しました。低温でマイクロ波をエンタングルさせることで、彼らのプロトタイプは、ノイズの多い背景の中で、テスト物体を検出することができました。これは、量子照明が理論以外のものであることを示す画期的な証明でした。同様のブレークスルーは、同時期にヨーロッパでも起こっていました。2020年、オーストリア科学技術研究所の科学者は、ミリケルビン温度で動作するマイクロ波クアンタムレーダープロトタイプを発表しました。この装置は、エンタングルされたマイクロ波光子を使用して、常温での低反射率物体を検出しました。結果は、Science Advancesに掲載され、クラシカルレーダーが苦労する熱環境においても、エンタングルメントを利用した検出が可能であることを確認しました。中国のクアンタムレーダー推進西側の研究者が慎重な研究所での実験を行っていた一方で、中国は大胆な主張とともにクアンタムレーダーレースに積極的に参入しました。2016年初め、国有の防衛大手CETCは、クアンタムレーダープロトタイプを開発したと発表しました。このエンタングルされた光子レーダーは、100km離れたステルス機を検出できる能力を持っているとされていました。高高度の気球に搭載され、長距離での巡航ミサイルや戦闘機を検出することを目的としていました。エンタングルメントの不思議な効果に基づくこの主張は、クアンタムレーダーがステルス技術の優位性を無効にする可能性があるという推測を呼びました。しかし、多くの専門家は、このニュースに懐疑的な態度で臨み、100kmの大気を超えてエンタングルメントを維持することは、既知の技術的限界を超えていると指摘しました。懐疑的な見方にもかかわらず、中国の量子センシングへの投資は決して減速しませんでした。2010年代後半には、中国の研究所はさまざまなクアンタムレーダーセットアップをテストし、範囲と信頼性の向上を目指しました。最近、中国はハードウェア面での大きな飛躍を発表しました。2025年10月、中国の研究者は、量子レーダーと通信のための超高感度の4チャンネル「フォトンキャッチャー」検出器の大量生産を開始したと発表しました。科学技術日報によって報告されたこの単一光子検出器は、極めて低いノイズで個々の光子を検出できるため、エンタングルされた信号の検出に不可欠です。安徽の量子情報研究センターで開発されたこの装置は、将来のクアンタムレーダーの能力を大幅に向上させることが期待されています。たとえば、F-22のような現代のステルス戦闘機の微弱な信号を検出できるようになる可能性があります。この重要なコンポーネントの国内大量生産を達成したことで、中国は自給自足を達成し、世界的にクアンタムレーダー技術で先行していることを主張しています。これらの進歩は、中国が戦略的な軍事センシングのために量子力学を利用する決意を強調しています。西側の分析家は、中国の急速な進歩は、大規模な政府の支援と軍事プログラムへの量子研究の統合によるものであると指摘しています。これは、クアンタムレーダー覇権の競争が本格的に始まったことを示しています。課題と将来の展望多大な期待があるにもかかわらず、クアンタムレーダーは実用化前に大きな課題に直面しています。現段階での先駆的なプロトタイプは、短距離(数メートルから数キロメートル)でしか機能せず、研究所の条件が必要です。エンタングルされた光子信号は本質的に繊細であり、長距離や乱れた大気中での量子コヒーレンスの維持は非常に困難です。大多数の実験的なクアンタムレーダーは、エンタングルメントを生成し、検出器ノイズを減らすために低温冷却を必要としますが、航空機やリモートサイトへの展開には理想的ではありません。これらのエンジニアリングの複雑さにより、数十年の改良を経て、クラシカルレーダーは現在のほとんどの用途でまだ実用的です。にもかかわらず、これらの課題にもかかわらず、研究は進んでおり、障壁を克服できるという自信が高まっています。光検出器、量子源、エラーコレクション技術の改良は、クアンタムレーダーの範囲と堅牢性を徐々に拡大させるでしょう。ハイブリッドアプローチ、たとえば、従来のレーダーレシーバーの改善に量子強化を使用することも検討されています。これにより、近い将来にいくつかの利点がもたらされる可能性があります。限られた範囲のクアンタムレーダーでも、セキュリティスキャナーまたは戦場監視ドローン用の短距離高解像度センサーとしてのニッチな用途がある可能性があります。ステルス技術に対抗することの軍事的重要性は、主要国がこの分野へのR&Dリソースの投入を続けることを保証しています。世界中の政府や防衛請負業者、米国のDARPAからヨーロッパのスタートアップ企業まで、量子センシング(クアンタムレーダーを含む)を戦略的優先事項としています。来 decadeでは、範囲と信頼性が徐々に増す、さらなるクアンタムレーダーの実証が予想されます。低温システムがよりコンパクトになったり、常温での量子源が開発されたりすれば、実用的なクアンタムレーダーの実現は現実味を増すでしょう。20世紀にレーダーがゲームチェンジャーであったように、クアンタムレーダーは21世紀の検出とステルスを再定義する可能性があります。現時点では、まだ開発中の最先端技術ですが、原理的には「見えざるもの」を検出できることを実証しています。競争が始まっており、残りの技術的課題を解決した最初の国が軍事センシングで決定的な優位性を得るでしょう。クアンタムレーダーは物理学の実験から始まりましたが、防衛とセキュリティの現実世界に向かって着実に進んでいます。将来、最も巧妙な物体でも、見えなくなることはできません。
著者 Antoine Tardif, Unite.AIのCEO兼創設者
-
量子コンピューティング量子センシング:ナビゲーション、医療、防衛を再定義するテクノロジー
量子センシングは、計測不能だったものを計測する能力によって、10年間で最も変革的なテクノロジーの1つとして急速に台頭しています。原子や亜原子レベルの変化を検出することで、GPS不要のナビゲーション、疾患を最も早い段階で検出できる医療診断、そして最も高度なステルス技術をも暴露できる防衛システムを実現します。ブレークスルーの背後にある科学従来のセンサーとは異なり、量子デバイスは原子、光子、または電子の挙動を測定基準として使用します。 量子粒子 は環境に対して非常に敏感です — 磁場、重力、温度、または加速度のわずかな変化は、測定可能な方法でその状態を変えることができます。これらの効果を利用することで、量子センサー は従来のデバイスを上回る精度と安定性を実現します。彼らは時間の経過とともに漂移しない、校正を失わない、そして従来の測定ツールの範囲を超えた現象を検出することができます。原子時計 は、GPS を無視した精度で同期していますが、量子センシングの次の波は、単に時間を計ることだけに留まらず、世界を認識する全く新しい方法を約束しています。衛星不要のナビゲーション最も緊急な応用は、GPS が拒否された環境でのナビゲーションです。今日の軍用機と船は、GPS に大きく依存していますが、衛星信号は数秒でジャムまたはスプーフィングできます。量子加速度計とジャイロスコープは、外部参照なしに、運動と方位の正確な変化を測定することで、継続的な位置情報を提供できます。量子磁力計 は別の次元を追加します。地球の磁場の固有の「指紋」を任意の場所で読み取ることで、地図上的ランドマークを使用するのと同様に位置を特定できます — ただし、ランドマークは人間の目には見えません。最近のテストでは、プロトタイプ システムは、GPS アクセスなしで数時間にわたって 10 メートル以内の位置精度を維持する能力を実証しました。GPS 制限区域で作戦する軍事部隊にとって、これは便宜ではありません — これは、任務を続行するか、作戦能力を失うかという違いです。民間航空も利益を得る可能性があります。航空機が太陽風や GPS カバレッジが薄い極地地域で安全に航行できるようにします。新しい防衛検知層量子センシングは、ステルス技術を覆す ことを可能にします。ステルス機と潜水艦は、レーダーとソナーによる検出を避けるように設計されていますが、物理学の法則を避けることはできません。潜水艦は、どれほど静かであっても、地球の重力または磁場をわずかに乱します。次世代の量子重力計と磁力計は、これらの微妙な乱れを検出するために設計されています。沿岸沿いに配置されたこのようなセンサーのネットワークは、1日、水中または空中の侵入を検知する「量子トリップワイヤー」として機能し、現在のシステムでは検知できない可能性があります。これはまだ初期段階ですが、防衛請負業者と研究ラボは、すでに長期的な戦略計画に量子センシングの概念を統合しています。最終目標は明確です — 最も高度なステルス システムがもはや不可視ではない将来。医療を革命的に変えるナビゲーションと防衛に強力な量子センサーと同じ感度は、医療でも全く新しいフロンティアを開いています。量子磁力計は、人体の心臓と脳によって生成される最も微弱な磁気信号...
著者 Antoine Tardif, Unite.AIのCEO兼創設者
-
量子コンピューティングQuantum AI の謎を解く:何であるか、 何でないか、そしてなぜ今重要なのか
AI は新しい段階に入りました。大きいモデルを構築したり、より多くのデータにアクセスしたりすることだけでは十分ではありません。今日の競争は、スピード、効率、革新に焦点を当てています。企業は、技術的なだけでなく経済的な利点を提供する新しいツールを探しています。いくつかの企業にとって、量子コンピューティングはそのようなツールの 1 つのように見えます。Quantum AI は、量子コンピューティングと人工知能の組み合わせを指します。機械学習、最適化、データ分析の複雑な問題に新しいアプローチを提供します。まだ開発中ですが、その潜在性は、真剣に注目されています。2024 年の世界的な SAS の調査 によると、60 パーセント以上のビジネス リーダーがすでに Quantum AI を探索または投資しています。ただし、ほとんどの人は、技術が何であるか、またはどのように使用されるかを完全に理解していないと述べています。この記事では、Quantum AI が何であるか、どのような問題を解決する可能性があるか、そして近い将来どこで影響を与える可能性があるかについて説明します。AI チームが量子を注目している理由大きな AI モデルをトレーニングするには時間、エネルギー、金銭が必要です。わずかな効率の改善でも、重大な節約につながる可能性があります。量子コンピューティングは、特定の問題をより効率的に、またはより正確に解決するための新しい方法を提供します。例えば、量子コンピューターは、同時に複数の計算を実行できます。超位相という特性を利用することで、膨大な空間を検索したり、複雑なシステムを最適化したりするタスクに適しています。これらの機能は、特徴選択、モデル調整、データサンプリングなどの多くの機械学習タスクと一致しています。現在の量子マシンはまだ進化していますが、研究者はそれらをクラシック ツールと組み合わせる方法を見つけ始めています。これらのハイブリッド システムにより、AI チームは、完全に開発された量子ハードウェアを待たずに、量子方法をテストできます。Quantum AI とは何か、そして何ではないかQuantum AI...
著者 Simon Fried, Classiqのマーケティングおよび企業ビジネス開発担当VP
-
量子コンピューティングMIT 研究チーム、コンピューティングのエネルギー問題に対する量子ソリューションを開発
計算能力の進歩は、電子部品を小さく効率的にする能力に長年依存してきた。 この進歩の核心にあるのは、現代の電子機器の基本的な構成要素である謙虚なトランジスターである。 しかし、デジタル世界が拡大し、人工知能アプリケーションがより厳しい要求を課すようになると、伝統的なシリコンベースの半導体技術が打ち勝つことができない物理的な障壁に直面している。課題は、物事を小さくすることだけではなくなった。 現代の電子機器、スマートフォンからデータセンターまで、エネルギー需要の増加に直面し、伝統的な半導体は追いつくことができない。 このエネルギー消費の課題は、特に人工知能アプリケーションの指数関数的な成長により、前例のない計算能力が必要になるため、特に深刻化している。伝統的な障壁を打ち破るこの技術的なボトルネックの核心にあるのは、専門家が「ボルツマンの暴政」と呼ぶものがある – シリコントランジスターが有効に動作するための最小限の電圧要件を設定する基本的な物理的制約である。 この制限は、よりエネルギー効率の良い計算システムの探求において重大な障害となっている。しかし、MIT 研究者による開発は、この物理的制約から脱出する可能性を提供している。 MIT 教授の Jesús del Alamo は、「従来の物理学では、そこまで進むことができるだけですが… しかし、異なる物理学を使わなければなりません」と述べている。 この異なるアプローチには、革新的な 3 次元トランジスター設計を通じて量子力学的特性を利用することが含まれる。研究チームの新しいアプローチは、従来の半導体設計から離れ、独自の材料と量子現象の組み合わせを使用する。 シリコントランジスターにおける従来の方法では、電子をエネルギーバリアを越えるために押し出すのではなく、これらの新しいデバイスは量子トンネル効果を利用し、電子が低電圧レベルでバリアを「トンネル」することを可能にする。革命的な設計要素シリコンの限界から脱するには、トランジスターのアーキテクチャの完全な再考が必要だった。 MIT チームは、ガリウムアンチモンとインジウムアーセニド – その独自の量子力学的特性のために選択された材料 – の革新的な組み合わせを使用して解決策を開発した。...
著者 Alex McFarland
-
量子コンピューティング量子コンピューティング:データ駆動型意思決定の未来
データは、単なる資産ではなく、今日のビジネスの生命線となり、日常の決定から長期的な戦略まで、すべてを牽引しています。競争力とイノベーションの中心にあるのは、データです。企業がこれまでにないほど大量のデータを生成し、収集していることは驚くことではありません。データの生成と収集は指数関数的に増加しています。実際、IDC 予測によると、2025年までに、世界の総データ量は175ゼタバイトに達する予定です。1ゼタバイトは1トリリオンギガバイトに相当します。従来のインフラストラクチャでは、処理するには多すぎるデータです。古いシステムは、遅くて不正確な場合があり、ビジネスにとって、貴重な洞察をタイムリーに収集するのが難しい問題となります。データには、意思決定のための大きな潜在力がありますが、その大量さと複雑さは、大きな課題を生み出します。多くの組織は、データに圧倒され、タイムリーな、情報に基づいた決定に必要な洞察を抽出するのに苦労しています。従来のシステムは、精度とエネルギー効率にも苦労していますが、これらは、今日のビジネスにおいて、運用コストと環境への影響が重要な懸念事項であるため、重要な問題です。データが成長し、複雑になるにつれて、ビジネスは、より良い、より迅速なソリューションを見つける圧力に直面しています。需要に応えられない企業は、競争上の優位性を失う可能性があります。これが、多くの企業が、新しいテクノロジー、たとえば量子コンピューティングやAIを搭載したツールを探求し始める理由です。これらの高度なシステムを採用することで、ビジネスはデータを最大限に活用し、競争上の優位性を維持するためのアクション可能な洞察を生み出すことができます。量子コンピューティングとは量子コンピューティングは、従来のシステムの限界に対処し、データ処理に革命的なアプローチを提供する技術的進歩です。従来のコンピューターは、情報を0または1として表現するビットに依存していますが、量子コンピューティングは、キュービットと呼ばれる量子ビットを導入します。キュービットは、同時に複数の状態をとることができます。これは、重ね合わせと呼ばれる原理であり、量子コンピューターが従来のシステムと比較して、記録的なスピードでより複雑な計算を実行できるようにします。従来のシステムの順序処理とは異なり、量子コンピューターは、並列に大量のデータを分析し、新しいレベルの問題解決能力を解放します。従来のコンピューティングの制限を突破することで、量子システムは、今日のビジネスが直面している、ますます複雑な課題を解決するために必要なスピードを提供します。量子コンピューティングの進歩量子コンピューティングは、並列処理能力により、従来のシステムよりもはるかに効率的に複雑な操作を処理することができます。これは、量子コンピューティングを、よりデータ集中型のタスク、たとえば複雑なプロセスの最適化や、より複雑なテクノロジー、たとえば生成的なAIモデルの動作に最適化しています。大量のデータセットをより効果的に管理するプロセスを高速化することで、量子テクノロジーは、組織がより情報に基づいた戦略的な決定を下すのに役立ちます。量子コンピューティングは、将来の課題を予測する能力を高めることで、ビジネスが競合他社よりも先んじて動くのに役立ち、特にスピードが重要な業界では、競争上の優位性を維持するのに役立ちます。量子コンピューティングには、いくつかの異なるアプローチ、またはモダリティがあります。各モダリティには、独自の長所と短所があります。最も注目すべきモダリティは次のとおりです: 超伝導 捕獲イオン シリコン フォトニック 中性原子 中性原子量子コンピューティングの利点これらのモダリティの中で、中性原子量子コンピューティングは、独自の方法で個々の中性原子、通常はルビジウムを使用し、真空中で浮遊させて、光学的なピンセットとレーザーで操作することで、最も注目すべきものです。原子を操作することで、環境への影響を最小限に抑えながら、制御を可能にします。中性原子システムは、2次元と3次元の両方の構成でキュービット配列を配置できるため、より大規模で強力な量子コンピューターを構築できます。中性原子量子コンピューティングの主な利点の1つは、高いコヒーレンスと低ノイズを提供できることです。これらは両方とも、量子演算のエラー緩和と修正に不可欠です。このバランスにより、中性原子アプローチは、複雑な計算を処理するための非常に信頼性の高い方法となります。さらに、中性原子は、他の量子モダリティと比較して、外部の電磁場に対してより抵抗性があり、エラー率を低減するのに役立ちます。これにより、中性原子量子コンピューターは、他の量子モダリティと比較して、はるかにエネルギー効率が高く、環境に優しいものとなります。これらすべての理由により、中性原子システムは、大規模な量子アプリケーションにとってはるかに実用的なものとなります。量子コンピューティングの他のモダリティと比較して、中性原子システムは、コスト、シンプルさ、スケーラビリティ、環境への影響においてはるかに効率的です。これにより、中性原子システムは、実用的な大規模な量子コンピューターの開発競争で、将来を照らすものとなります。エラー率の低減、冷却需要の削減、キュービット構成の柔軟性により、中性原子テクノロジーは、将来のすべての業界で新しい可能性を解放する上で、重要な役割を果たす可能性があります。実践での量子コンピューティング量子コンピューティング技術は、特にタイムリーな意思決定が最も重要な業界、たとえば金融とヘルスケアで、変革的な能力を提供します。金融の場合、量子コンピューティングは市場予測とリスク評価を大幅に強化できます。大量のデータを処理し、複雑なパターンをリアルタイムで分析することで、金融機関は、より情報に基づいた戦略的な投資決定を下し、市場の変化に迅速に対応できます。これにより、重大な金融損失のリスクを軽減できます。ヘルスケアの場合、量子コンピューティングは、新薬の発見を大幅に加速できます。分子構造を分析し、相互作用をシミュレートする能力により、製薬会社は、従来よりもはるかに迅速に、新しい革新的な治療法を市場に導入できます。技術の迅速性により、臨床試験の精度が向上し、患者は治療を受けるまでの時間が短縮されます。全体として、量子コンピューターの運用スピードと効率性は、さまざまな重要な業界や分野での進歩を推進し、成果を改善する可能性があります。結論量子コンピューティングは、従来のコンピューティングシステムの限界に対処する上で、重要な進歩を表します。この革新的なテクノロジーは、大量のデータを正確に処理するために不可欠であり、組織が複雑な問題に取り組む上で、より効率的で自信を持って取り組むことができます。従来のコンピューティングは、スピードと精度の限界に直面していますが、量子テクノロジーは、ビジネスがデータの全潜在力を活用できる代替手段を提供します。量子コンピューティングの能力を活用することで、企業は、戦略的な意思決定プロセスを強化し、今日のデータ駆動型の風景の複雑さを効果的に航海することができます。量子コンピューティングにより、すべての組織が、新しい成長とイノベーションの機会を解放することができます。
著者 Michael Warren, パスカル社北米営業VP
-
フューチャリスト・シリーズ量子処理ユニット(QPUs):コンピューティングの未来
量子コンピューティングは、理論的な分野から急速に進化し、画期的な技術的境界へと変化しています。この革命の中心にあるのは、量子処理ユニット(QPUs) — 量子コンピュータを動かすエンジンです。クラシカルなプロセッサが二進法ロジック(0または1を表すビット)に頼るのとは異なり、QPUsは量子力学の特性を利用して、クラシカルなコンピュータができない方法で情報を処理します。量子技術が進化するにつれて、QPUsは産業を変え、以前は解決できなかった問題を解決し、新しい計算の可能性を解放します。ここで、QPUsのしくみ、開発の現在の状況、そしてさまざまな分野での将来の影響について見ていきましょう。量子処理ユニットとは何か伝統的なコンピューティングの中心にあるのは、中央処理ユニット(CPU)で、0または1を表す二進法ビットを使用して動作します。ただし、量子処理ユニット(QPUs)は、量子ビット(qubits)を使用します。qubitsは、同時に複数の状態をとることができるため、2つの量子特性である重ね合わせと量子もつれを利用できます。 重ね合わせにより、qubitsは同時に0と1を表すことができ、クラシカルなビットよりも指数関数的に多くのデータを処理できます。 量子もつれにより、qubitsは距離に関係なく、1つのqubitの状態が別のqubitの状態に瞬時に影響を与えることができます。 これらの特性により、QPUsはクラシカルなコンピュータよりもはるかに高速に複雑な問題を解決できます。この図は、クラシカルなコンピューティングと量子コンピューティングの違いを、処理ユニットから計算能力まで示しています。QPUsの現在の状況量子コンピューティングはまだ幼児期ですが、近年大きな進歩が見られます。IBM、Google 、Intel 、Rigettiなどの企業は、特殊な量子アルゴリズムを実行できるQPUsを開発しています。たとえば、GoogleのSycamoreプロセッサは2019年に「量子優位性」を実証し、200秒で計算を行い、クラシカルなスーパーコンピュータでは10,000年かかる計算を実行しました。これらの初期のQPUs、ノイズのある中間スケール量子(NISQ)デバイスは、量子ノイズ、高エラーレート、キュービットの相互作用時間の制限などの課題に直面しています。ただし、研究は続いており、QPUsをより安定したものにし、より広く採用されやすくしています。QPUsの将来の影響QPUsが進化するにつれて、さまざまな産業への影響は革命的になります。ここでは、量子コンピューティングが変革的な役割を果たす主要な分野を紹介します:1. 薬剤の発見と開発量子コンピュータは、分子の構造と相互作用を前例のない精度でシミュレートすることで、薬剤の発見プロセスを大幅に加速化します。今日のクラシカルなコンピュータは複雑な分子をモデル化するのに苦労していますが、QPUsは同時に数え切れない構成を分析できます。これにより、命の恩人となる薬剤を開発するのに必要な時間とコストが大幅に削減されます。2. 暗号化とサイバーセキュリティ量子コンピューティングはサイバーセキュリティの分野で、課題と機会の両方をもたらします。クラシカルな暗号化方法、たとえばRSAは、大きな数を因数分解することの難しさに依存しています — これはQPUsが数分で解決できる問題です。この脅威により、量子耐性暗号化が台頭しています。一方、QPUsは量子力学の原理に基づいて、はるかに安全な暗号化方法を作成できます。3. 最適化問題QPUsは、物流、製造、金融などの産業で、複雑な最適化問題 — たとえば、最も効率的な配送ルートの決定や、膨大な投資ポートフォリオの管理 — を解決することで革命を起こすでしょう。QPUsは複数の変数を同時に評価できるため、最適な解決策を見つけるにはクラシカルなコンピュータよりもはるかに効率的です。4. 人工知能と機械学習量子コンピューティングは、データ処理の速度を劇的に向上させることで、人工知能と機械学習を超高速化します。QPUsを使用すると、AIモデルのトレーニングが指数関数的に高速化し、より正確な予測とリアルタイムの意思決定が可能になります。量子強化された機械学習は、汎用人工知能(AGI) — 人間が実行できるあらゆる知的タスクを理解し、学習できる機械 — の扉を開くかもしれません。このチャートは、薬剤、サイバーセキュリティ、AIなどの産業におけるQPUsの予想される影響を強調しています。5. 気候モデリングと持続可能性QPUsは、気象パターン、海洋流れ、炭素サイクルなどの複雑なシステムをより高精度でシミュレートできるため、気候モデリングにおいて重要な役割を果たすでしょう。これにより、より正確な気候予測が可能になり、気候変動を緩和するための戦略がより適切に形成されます。QPUsの課題その巨大な潜在力にもかかわらず、QPUsはまだ多くの課題に直面しています。量子システムは温度や電磁干渉などの環境要因に対して非常に敏感であり、計算を妨げる可能性があります。この敏感性は、信頼性の高い計算を確保するために、量子誤り訂正方法の開発の重要性を強調しています。別の障害は、量子システムを構築して維持するためのインフラです。これは現在、非常に高価です。ただし、クラウドベースの量子コンピューティングサービスがすでに登場しており、ハードウェアを所有せずに量子システムにアクセスできるようになっています。このチャートは、量子誤り訂正やスケーラビリティなどのQPUs開発の重要な課題を強調しています。結論量子処理ユニット(QPUs)は、コンピューティングの未来を再定義することになります。クラシカルなシステムでは解決できない問題に対する解決策を提供します。QPUsが進化するにつれて、薬剤から金融まで、AIから気候科学まで、幅広い産業に影響を与えるでしょう。まだ多くの課題が残っていますが、QPUsの潜在性は巨大であり、革新と技術の未来を形作るでしょう。 量子コンピューティングの時代が始まり、そしてそれとともに、AGIへのレースを牽引するエンジンであるQPUsの時代も始まります。この時点で、レイ・カーツワイルが「特異点は近い」で予測したように、2029年までにAGIが到来することはほぼ不可避的に思われます。これは、機械の知能が人間の知能に匹敵し、産業、社会、進歩の本質を再定義する、変革的な瞬間を示します。 AGIに到達することの重要性についての詳細は、AGIが人間に利益をもたらす私の見解に精通しているべきです。
著者 Antoine Tardif, Unite.AIのCEO兼創設者
-
量子コンピューティングマイクロソフトのフォールトトレラント量子コンピューティングへの飛躍 – Azure Quantum
量子コンピューティングは、従来のコンピューターが苦手な複雑な問題を解決する可能性を持っており、研究開発のトピックとなっている。量子コンピューティング分野の主要プレーヤーであるマイクロソフトは、Azure Quantumプラットフォームを通じて、スケールでのフォールトトレラント量子コンピューティングを達成するための重要な進歩を遂げている。この記事では、これらの開発の重要性と、それらがコンピューティングの未来をどのように形作るかについて詳しく説明する。スケールでの量子コンピューティング:必要性気候変動や医療のブレークスルーなどの大きな課題を解決するために量子コンピューティングを使用する場合、専門家は、少なくとも100万個のキュビットで動作する量子コンピューターが必要であると推定している。キュビットは、量子コンピューティングにおける情報の基本単位である。従来のビットは、0または1の2つの状態のうちの1つしか存在できないのに対し、キュビットは0と1の両方の状態の重ね合わせで存在できる。さらに、キュビットは互いにエンタングルできる。1つのキュビットの状態が別のキュビットの状態に依存することを可能にし、従来のコンピューティングを上回る複雑な情報のエンコードと並列処理能力を実現する。ただし、キュビットはこれらの複雑な計算を効果的に実行するために、安定した制御が必要である。キュビットの感度の課題量子コンピューティングにおける重要な課題の1つは、キュビットのエラーへの感度である。わずかな環境の変化でも、実用的利用の信頼性に大きな影響を及ぼすエラーにつながる可能性がある。さらに、わずかなエラーでも量子コンピューティングのプロセスに大きな影響を及ぼす可能性がある。たとえば、99.9%の忠実度は、1000回の操作ごとに1回のエラーが発生することを意味するが、複雑な問題を解決するために100万個のキュビットを使用する量子コンピューティングでは、高いエラー率となる。論理キュビットを使用したエラー修正エラーに対するロバスト性を高めることは、量子コンピューティングの信頼性とスケーラビリティを向上させるために重要である。研究者は、キュビットの物理レベルと論理レベルでエラー検出と修正戦略を積極的に開発している。物理キュビットの忠実度を単純に高めるだけでは問題を完全に解決できないが、論理キュビットの使用は有望な解決策を提供する。マイクロソフトとQuantinuumのエラー削減のブレークスルーマイクロソフトとQuantinuumは最近、キュビットのエラーへの脆弱性という長年の課題に対処することに成功した。Quantinuumのハードウェアシステムとマイクロソフトのキュビット仮想化システムを統合することで、800倍のエラー処理の向上を実現した。この統合により、研究者はエラーなしで14,000の独立したインスタンスを実行できるようになった。エラー削減を超えた影響Quantinuumのハードウェアとマイクロソフトのキュビット仮想化システムの統合は、エラー削減を超えた影響を持っている。この技術の統合により、研究者は複雑な量子アルゴリズムを開発および実装するための安定したプラットフォームが提供される。材料科学や暗号理論などの分野でのイノベーションを促進し、量子コンピューティング技術のアクセシビリティを向上させる可能性がある。まとめマイクロソフトのAzure Quantumを通じたフォールトトレラント量子コンピューティングへの取り組みは、計算能力の変革的な飛躍を表している。エラー削減に焦点が当てられているが、Quantinuumの量子ハードウェアとマイクロソフトのキュビット仮想化システムの統合は、エラー削減を超えた可能性の領域を開いている。この進歩は、エラー処理の改善のみではなく、複雑な量子アルゴリズムの探索を可能にする堅牢な基盤を提供する。
著者 Dr. Tehseen Zia
-
量子コンピューティング量子強化AIががん薬発見を革命的に変える:産業用ジェネレーティブAIによる大きな一歩
薬発見において、Zapata Computing, Inc.は、Insilico Medicine、トロント大学、St. Jude Children’s Research Hospitalと共同で、量子強化ジェネレーティブAIの驚くべき潜在性を実証しました。このコラボレーションは、ジェネレーティブモデルが量子ハードウェアで動作し、従来のクラシカルモデルを上回り、有効ながん薬候補を生成する最初の例となりました。このランドマーク研究は、がん治療における難しいターゲットであるKRAS阻害剤の開発に焦点を当てました。クラシカルハードウェアと量子ハードウェアの両方で高度なジェネレーティブAIモデルを使用し、16キュービットのIBMデバイスを含む、チームは1百万の薬候補を生成することに成功しました。アルゴリズムと人間のフィルタリングの徹底的なプロセスの後、量子強化ジェネレーティブモデルは、クラシカルモデルによって生成されたものよりも優れた結合親和性を持つ2つの異なる分子を生成しました。このブレークスルーは、薬発見における量子コンピューティングの有効性を強調するだけでなく、産業用ジェネレーティブAIが複雑なドメイン固有の課題に革新的な業界固有のソリューションを提供する上での変革的な役割を示しています。産業用ジェネレーティブAIは、ジェネレーティブAIの特殊なサブカテゴリであり、企業や業界内の複雑な問題に特に適しています。OpenAIのChatGPTやDALL-Eなどの一般目的のAIツールとは異なり、産業用ジェネレーティブAIは、企業や業界内の特定の問題に合わせてカスタマイズされています。データの混乱、解決空間の大きさ、予測不可能性、時間制約、計算リソースの制約、精度、信頼性、セキュリティの要求などの課題に取り組みます。産業用ジェネレーティブAIの核となるのは、ジェネレーティブモデルであり、訓練データから新しい、現実的な出力を生成することができます。このアプローチにより、Zapata AIチームは薬発見の分野で先駆的な役割を果たすことができ、AIを使用して革新的なソリューションを生み出すことができました。Zapata AIのCTO兼共同創設者であるYudong Caoは、このプロジェクトにおける量子コンピューティングとクラシカルコンピューティングのシナジーを強調しました。現在、ピアレビュー待ちの研究は、ArXivに掲載されており、量子ジェネレーティブAIの薬発見における潜在性を示した以前の研究に基づいています。Insilico Medicineの創設者兼共同CEOであるAlex Zhavoronkovは、InsilicoのジェネレーティブAIエンジン、Chemistry42を量子増強モデルと統合し、がんの難しいターゲットに対する新しい治療法を開発することを高く評価しました。このステップは、薬発見の未来を促進する上で重要です。最近、D-Wave Quantum Inc. との戦略的パートナーシップを発表したZapata AIは、商業的な応用における新しい分子の発見を目的とした量子ジェネレーティブAIモデルの可能性をさらに拡大する予定です。Zapata AIのCEO兼共同創設者であるChristopher Savoieは、この開発と、さまざまな業界でのより広範な応用の可能性について楽観的です。トロント大学の教授であり、Zapata AIの共同創設者兼科学アドバイザーであるAlán Aspuru-Guzikは、薬発見プロセスへの量子コンピューティングの統合について楽観的な見方を示しています。この研究は、将来の量子コンピュータが独自の能力を示すための先駆的なものです。この研究では、Zapata AIのQML Suite Pythonパッケージを使用しました。これは、Orquestra®プラットフォームで利用可能であり、実際の科学的課題を解決する上での量子コンピューティングの実用的な応用を強調しています。産業用ジェネレーティブAIを薬発見プロセスに統合することは、革新的な業界固有のソリューションを提供する上でのAIの役割を強化する大きな一歩であり、技術の進化する風景の中で成長と効率を促進します。
著者 Antoine Tardif, Unite.AIのCEO兼創設者