強化学習がGoogleのWillowプロセッサにおける量子誤り訂正を継続的に制御
量子誤り訂正は、現在のノイズの多い量子プロセッサと、実用的なアプリケーションに必要なフォールトトレラント量子コンピュータの間に立ちはだかる中心的な課題です。誤りを訂正することは一つのことですが、ハードウェアが時間とともにドリフトする中で訂正システムを安定に維持すること——現実の物理デバイスのほぼ避けられない結果——は別のことです。
Google Quantum AIとGoogle DeepMindの共同研究が7月8日にNatureに掲載され、強化学習が後者の問題を解決できることを実証しました。105量子ビットを搭載したWillow超伝導プロセッサ上で、RLエージェントが誤り訂正システムの制御パラメータを継続的にステアリングし、ドリフトに対する論理安定性を3.5倍向上させ、表面符号の論理誤り率をサイクルあたり7.72×10⁻⁴という新記録に押し上げました。
ドリフトの問題
量子誤り訂正（QEC）は、単一の論理量子ビットを多数の物理量子ビットにエンコードし、誤り検出用の「スタビライザー」回路を繰り返し測定することで機能します。表面符号——現在最も広く研究されているQECスキーム——では、標準的なアプローチは制御パラメータ（ゲート振幅、周波数、結合強度）を一度校正し、その後計算を実行することです。
しかし、物理ハードウェアはドリフトします。温度変動、誘電体中でシフトする二準位系欠陥、その他の環境変化により、制御パラメータは時間とともに変動します。従来の再校正では計算を停止する必要があり、数日または数ヶ月実行される可能性のあるアルゴリズムには受け入れられません。
RLがこれをどう解決するか
重要な洞察：量子ビット誤りの検出と訂正に使用される同じスタビライザー測定を、RLエージェントの学習信号として再利用できます。代理目的関数は、すべての検出器にわたる誤り検出イベントの平均率であり、符号距離に依存する既知の係数を介して、論理誤り率そのものに比例します。
エージェントは、多変量ガウス方策を用いたパラメータ探索型方策勾配（PGPE）アルゴリズムを使用します。表面符号の因子グラフ構造により、各検出器はその「検出領域」内の局所的な制御パラメータのみに依存するため、勾配更新は自然にスパースで効率的であり、約40,000の制御パラメータを持つ距離15の表面符号までのシミュレーションで実証されています。
システムはエントロピー正則化も活用しています：非定常（ドリフト）設定では、方策分布の崩壊を防ぐことで、固定されたパラメータセットに収束するのではなく、永続的な適応を可能にします。
結果
Willowプロセッサ上で、RLエージェントは1,000以上の制御パラメータを同時に管理しました。注入された人工ドリフト（CZ結合、XY振幅、周波数へのステップ、正弦波、ストロボスコープ摂動）下での結果：
- 2.4倍の改善：コントローラステアリングのみでの論理誤り率安定性（標準偏差）
- 3.5倍の改善：デコーダもステアリングした場合（最小重み完全マッチンググラフの再重み付け）
- 31%の低減：統合ステアリングによる平均論理誤り率
- 特性応答時間：ステップドリフトから回復するまで約130エポック
自然ドリフト下——プロセッサが通常動作中に経験する制御不能な現実世界の変動——では、システムは低周波論理誤り率変動の約4dB抑制を達成しました。
達成された絶対論理誤り率は、それぞれの符号タイプの新記録です：
- 距離7表面符号： サイクルあたり7.72×10⁻⁴（AlphaQubit2ニューラルデコーダ使用）
- 距離5カラー符号： サイクルあたり8.19×10⁻³（Tesseract最尤誤りデコーダ使用）
同じWillowプロセッサが2024年12月に設定した以前の表面符号記録はサイクルあたり0.143%でした。この研究はそれを約2倍改善しています。
校正の新しいパラダイム
おそらく最も印象的な実証：RLエージェントは、ランダム化された初期制御パラメータ——本質的にランダムに選ばれたパラメータ——から開始して、誤り訂正システムの完全なパフォーマンスを回復できました。これは、RLが最終的に従来の校正スタック全体を置き換える可能性を示唆しており、単に拡張するだけではありません。
著者らはこの研究を、伝統的に分離されていた校正と計算のプロセスを統合するものとして位置づけています。校正してから計算し、再び校正するのではなく、システムは継続的に学習し、計算を中断することなくリアルタイムでハードウェアの変化に適応します。
雅子 訳
出典:
1. Google Quantum AI and Collaborators. “Reinforcement learning control of quantum error correction.” Nature (2026). DOI: 10.1038/s41586-026-10759-2
2. Also on arXiv: 2511.08493 [quant-ph]
3. Data available on Zenodo: 10.5281/zenodo.17566521