Author: Ada - 1ban.news

Nature誌に掲載された査読付き批判論文が、Microsoftが2025年に発表した「初のトポロジカル量子ビットを生成した」という主張に異議を唱えた。問題のエビデンスは、コーディングエラーとデータの選択的提示によって歪められたと指摘している。 セント・アンドリュース大学講師のHenry Legg氏が執筆したこの批判論文は、Nature誌の「Matters Arising」セクションに掲載された。同セクションは、既発表の研究成果に異議を唱えるための正式な場である。批判の対象は、MicrosoftのTopological Gap Protocol（TGP）,,ヒューマンバイアスを排除し、量子デバイスの検証における誤検出を防ぐために設計された自動テスト,,である。 Legg氏は2つの具体的なコーディングエラーを特定した。1つ目は、TGPに「最大の領域のみを表示する」よう強制するハードコードされたフィルターで、位相マップから他の結果を隠蔽していた。2つ目は、実際の物理的なバイアス電圧値ではなく、インデックス位置によるPython配列の反転で、データを望ましい結論に有利な形に変換していた。 査読者が他の領域がプロトコルを通過したかどうかを尋ねた際、Microsoftはそのような領域は1つだけしか調査していないと報告した。Legg氏は、この主張は正しくないと述べている。 TGPは、2018年と2021年にMicrosoftがMajorana関連の論文を撤回せざるを得なかった、まさにその種の誤検出を防ぐことを目的としていた。Legg氏の総合評価は率直で、Microsoftが実用的なトポロジカル量子コンピュータを完成させるには「数十年ではなく、数世紀」かかると述べている。 Microsoftは譲歩していない。Chetan Nayak Technical Fellow兼Quantum Hardware担当Corporate Vice Presidentは、「我々は自社の結果とロードマップを支持する」と述べた。同社は問題を軽微なバグと位置づけ、DARPAによるプログラム評価を結果の裏付けとして指摘した。別途、ピッツバーグ大学の物理学者Sergey Frolov氏は、もともとのNature論文は「おそらく撤回が必要だ」と述べており、Legg氏自身よりも厳しい評価を下している。 今回の批判は、MicrosoftのMajorana研究が深刻な科学的審査を受ける3度目のケースであり、2018年と2021年の撤回に続くものとなった。 出典：A new paper argues Microsoft exaggerated its quantum claims a year ago (The Verge、2026年6月24日)；Microsoft Majorana Quantum Claim Challenged in Nature Critique (AI Weekly、2026年6月24日)

arXivに投稿された新たな論文が、複数の大規模言語モデルを組み合わせて精度を向上させる手法に、数学的に根本的な限界があることを証明した。この発見は、同分野で最も一般的な前提の一つに疑問を投げかける。 研究者のJosef Chen氏によるこの論文は、21のプロバイダーから67の最先端モデルを分析し、「共失敗の天井（β）」という概念を導入した。これは、プール内のすべてのモデルが同時に誤った回答を出すクエリの割合を指す。クエリごとに一つのモデルの回答を選択するマルチモデルシステムでは、ルーティング、投票、カスケードのいずれの戦略を用いても、精度は1からβを引いた値を超えることはできない。 天井は実在し、測定可能である オープンエンドの数学ベンチマークでは、観測された共失敗率は5.2％だった。つまり、全クエリの5.2％において、67モデルすべてが同時に誤った回答を出した。この結果は、このプールではいかなるアンサンブル手法も超えられない94.8％という厳格な上限を示す。 論文によれば、標準的な統計モデルはこの共失敗リスクを大幅に過小評価していた。ガウス・コピュラモデルはβをわずか2.3％と予測したが、実際の観測値はその約2.5倍であり、90％信頼区間は1.7倍から3.4倍の範囲だった。 重要なのはモデルの数ではなく、失敗の多様性 重要な洞察：モデルを組み合わせる効果は、より多くのモデルを追加することではなく、各モデルが異なる問題で失敗することから生まれる。品質が同等であれば、相関の低い異種アンサンブルは、相関の高い自己混合エージェント手法よりも優れた性能を発揮する。しかし、多様なモデルプールを使用しても、クエリレベルの強力なルーティングシグナルが利用できない限り、モデルの組み合わせが単独の最良モデルを上回ることは稀である。 コード実行タスク（k=17モデル）では、共失敗率は7.9％だった。GPQA-Diamondベンチマークの問題を多肢選択式から自由回答形式に変換した場合、その率は12.7％に跳ね上がり、回答形式が天井の位置を変える可能性があることを示している。 実用的な含意 論文は、βに対するClopper-Pearson信頼区間を標準的なトレーニング前診断として使用することを推奨している。これは、トレーニングを行う前に、あらゆるルーター、投票、カスケードから得られる最大の改善余地を示す証明書として機能する。この発見は、マルチモデルオーケストレーションに投資している多くのAIチームが、構造上達成不可能な改善を追いかけている可能性を示唆する。 本プレプリントはまだ査読を受けていない。 出典：When Does Combining Language Models Help? A Co-Failure Ceiling on Routing, Voting, and Mixture-of-Agents Across 67 Frontier Models (arXiv、2026年6月)

AppleはMac用シリコンの開発計画を大幅に変更し、次期M6チップの高性能バリエーションを飛ばして、AIに特化した新世代M7に直接移行すると、BloombergのMark Gurman記者が報じた。 ベースとなるM6プロセッサ（内部コードネームKomodo）は、2026年後半に新型14インチMacBook Proに搭載され、最大12のGPUコア（M5は10）、改良されたNeural Engine、約200GB/秒のメモリ帯域幅（M5は153GB/秒）を備える見通し。しかし、従来はMacBook Pro、Mac mini、Mac Studioの最上位機種で採用されてきたPro、Max、Ultraの各バリエーションは投入されない。 Appleは代わりに、2027年前半からM7ファミリーに移行する。ベースのM7（コードネームDelos）は、端末上でのAI処理に大きな進歩をもたらす設計で、メモリ帯域幅は約240GB/秒。M7 ProとM7 Max（総称コードネームAndros）は2027年後半、M7 Ultraは2028年の投入が予定されている。 Gurmanの情報筋によれば、この異例の路線変更により、Appleは本来は後期リリース向けだった技術を前倒しで投入できる。Appleは、端末上で動作するAI機能への需要拡大と、グラフィックス処理が増大するソフトウエアに対応する必要に迫られている。 この計画変更は、Appleが業界規模のメモリ不足に直面し、MacとiPadの全ラインアップで価格を引き上げた直後に行われた。M5ファミリー最後の製品となるM5 Ultraは、最大36 CPUコアと80 GPUコアを搭載した新型Mac Studioで投入される見込みで、M6ベースチップの前に登場すると予想されている。 出典：Apple’s most powerful Macs might be waiting until 2027 for big chip upgrades (The Verge、2026年6月26日)；Apple to Skip High-End M6 Chips, Fast-Track AI-Focused M7 Line (iClarified、2026年6月26日)